為生成完整的人類的大腦圖譜，自 2013 年開始，美國國立衛生研究院開啟了“美國腦計劃”專案——大腦細胞普查網路聯盟（Brain Research through Advancing Innovative Neurotechnologies Initiative-Cell Census Network，BICCN）。
“美國腦計劃”專案的整體時間從 2013 年至 2028 年，以 5 年期為一個階段，BICCN 作為其中承上啟下的中間部分，從 2017 至 2022 年，主要目標為建立完整的小鼠腦計劃圖譜，並利用從中發展出的技術初步開啟人類腦細胞圖譜的研究。
2023 年 10 月，BICCN 的合作單位在 Science 及其子刊齊發 21 篇論文，報道了該計劃中人類大腦相關的首部分結果。
近期，BICCN 一系列研究成果在 Nature 同天釋出 10 篇論文[1]。科學家們對小鼠大腦大概 3200 萬個細胞進行分析，共鑑定 5300 種左右的細胞型別，為領域提供了小鼠大腦的單細胞分子以及空間圖譜。
（來源：Nature）
在前文提及的 10 篇 Nature 論文中，一項成果來自美國索爾克生物研究所，以大腦的單細胞表觀遺傳學為主要方向。
如果將大腦比喻為交響樂團，每種細胞就像在合奏同一曲目、但各有分工的樂器。對應到基因表達調控或表觀遺傳學，大腦的細胞都有近乎相同的基因組序列，但是每個細胞的基因組在不同的位置活性不同，所以導致它們的基因表達呈現出多樣性，並且最終變成不同的細胞。
為了充分理解大腦細胞複雜的多樣性，該團隊的核心思路是透過開發單細胞表觀遺傳組學技術，來閱讀出單個小鼠大腦細胞的精確分子資訊。
最終，這樣高解析度且涵蓋全腦神經元的大資料資源，將為神經生物學領域提供一個全面的、廣泛的基礎資料庫，相當於為大腦提供“百科全書”或“地圖”。
大腦的細胞型別可以被多種分子層面的資訊去定義，並且它們之間能夠互相驗證。利用多種單細胞單組學測序手段，該研究囊括了 DNA 甲基化、染色體可及性、RNA 等各種不同層面的分子資訊，並透過計算手段進行資料整合，來定義出統一的細胞圖譜。
在該研究中，研究人員還透過單細胞多組學測序技術，在同一細胞測甲基化的同時，還檢測了三維基因組結構或 RNA 等多種不同的資訊。最終，透過覆蓋成年小鼠大腦的 117 個解剖區域，建立 301626 個甲基化組以及 176003 個染色質構象/甲基化聯合圖譜。
“各種表觀遺傳學資訊代表著基因的調控，而 RNA 代表了基因的表達，這些資訊被 BICCN 的不同研究獨立檢測，然後再透過計算整合。
透過這樣的多層面證據互相印證，我們可以更有信心地定義出大腦中多達幾千個的細胞型別。”該論文共同第一作者、索爾克研究所博士（現哈佛大學青年研究員）表示。
圖丨劉翰青（來源：）
在定義出複雜的細胞型別之後，為了讓這一資料集更加有實際意義，還需要知道不同細胞型別在大腦中的精確空間位置。
因為哺乳動物大腦具有極為精細的解剖結構，具體的空間位置往往也意味著細胞的特定神經活動和功能。為了做到這一點，該研究還進一步使用空間轉錄組學技術。
大多數常見的單細胞測序技術需要破壞組織來獲得單個細胞，但細胞的具體空間資訊也因此丟失。相比之下，空間轉錄組技術能夠在不破壞大腦細胞的前提下，讓它處於原位，然後進行 RNA 轉錄表達檢測。
基於這兩種互補的技術，該研究開發了一系列計算整合手段，使得丟失了空間資訊的小鼠大腦單細胞組學資料，也能夠透過與空間轉錄組學資料相匹配，來得到較為精確的空間資訊。
該結果對於進一步瞭解各種細胞型別在大腦的位置分佈，以及研究基因表達調控與大腦解剖結構形成的關係具有重要意義。表示，這些海量的空間位置資訊，讓“大腦地圖”真正地具有指導意義。
圖丨相關論文（來源：Nature）
近日，相關論文以《成年小鼠大腦的單細胞 DNA 甲基化組和 3D 多組學圖譜》（）為題發表在 Nature[2]。
索爾克研究所博士（現哈佛大學青年研究員）和博士研究生為論文共同第一作者，約瑟夫·R·埃克爾（）教授為論文通訊作者。
圖丨單細胞 DNA 甲基組和多組圖譜顯示細胞和整個小鼠大腦的基因組多樣性（來源：Nature）
隨著單細胞組學等生物技術的突飛猛進，分子神經生物學和表觀遺傳學領域已經積累了足夠多的大資料。相比於傳統的統計分析方法，前沿的機器學習模型將有可能更全面理解我們所觀察到的大腦細胞和分子多樣性。
如果模型能夠充分理解 DNA 序列等資訊如何決定這些細胞特異性，我們就可以利用它來預測 DNA 序列功能，從而判斷疾病突變的影響和預測治療腦疾病的具體效果等。
表示，已經有不少研究在使用類似 ChatGPT 這樣的模型,去理解大腦不同細胞型別的基因調控元件模式，並且在此基礎上生成自然界中不存在的序列，但卻可以具有在特定細胞或者組織中調控基因表達的功能。
圖丨大腦中一致的空間表觀基因組和轉錄組多樣性（來源：Nature）
例如，最近在 Nature 發表了兩篇論文，用機器學習的方式來從頭生成基因調控元件，並且在果蠅胚胎中進行驗證[3,4]。“我認為，接下來在老鼠和人類大腦中都可以基於 BICCN 的大資料進行類似的嘗試，為科學研究和臨床治療帶來新的希望。”他說。
現在，在哈佛大學擔任青年研究員。未來，他計劃繼續以表觀遺傳學和分子神經生物學為主要研究方向。
“美國腦計劃的下一個階段將以多組學測序技術作為主要檢測手段，全面構建人腦細胞圖譜。除此之外，多組學技術也將更直接的幫助我們理解各種分子調控的關聯性，省去了目前透過計算整合的步驟。”說。
需要了解的是，該研究相當於提供了一個大腦的“地圖”，但並不是為生物學問題直接提供解決問題或進行系統性分析。因此，這也給神經生物學領域在“大腦地圖”如何具體使用方面，提供了探索空間。從小鼠和大鼠到非人靈長類模型，最終到指導治療人類腦疾病。
參考資料：
1.https://www.nature.com/collections/fgihbeccb
2.Liu, H., Zeng, Q., Zhou, J. et al. Single-cell DNA methylome and 3D multi-omic atlas of the adult mouse brain. Nature 624, 366–377 (2023). https://doi.org/10.1038/s41586-023-06805-y
3.de Almeida, B.P., Schaub, C., Pagani, M. et al. Targeted design of synthetic enhancers for selected tissues in the Drosophila embryo. Nature (2023). https://doi.org/10.1038/s41586-023-06905-9
4.Taskiran, I.I., Spanier, K.I., Dickmänken, H. et al. Cell-type-directed design of synthetic enhancers. Nature (2023). https://doi.org/10.1038/s41586-023-06936-2
運營/排版：何晨龍
04 /
05 /
