Cell：对小鼠视觉皮层GABA能神经元的重新分类

来源：brainnews

哺乳动物的大脑包含数百万，甚至数十亿的神经元，正如“世界上没有两片树叶是完全相同的”，任何神经元都是独一无二的存在。然而，神经元会根据特定框架划分为不同类型，用于了解细胞和环路如何支配大脑行使功能。继单细胞测序（single cell RNA sequencing, scRNA-seq）之后，诸如Patch-seq的新方法能够直接将特定神经元的转录组特征与它的其他识别特征相关联，例如神经元的精确定位、形态和固有电生理特征，这将有助于揭示细胞多样性的本质和基本规则，并增进我们对神经元和环路功能的理解【1,2】。2020年11月12日，来自美国艾伦脑科学研究所的Gabe J. Murphy课题组在Cell杂志上发表了一篇题为Integrated Morphoelectric and Transcriptomic Classification of Cortical GABAergic Cells 的文章，这项研究共表征了超过4200个小鼠视觉皮层GABA能中间神经元的转录组和内在生理特性，并重建517个中间神经元的局部形态。通过多模式综合分析，共定义28种MET-types（morphological/electrophysiological/transcriptomic types），它们具有一致的形态学，电生理学和转录组学的特性，并且具有强大的相互可预测性。这些MET-types代表了皮质GABA能中间神经元类型的统一定义，并提供了一个系统的框架以跨不同形式捕获现有知识并桥接未来分析。为了建立小鼠皮质神经元的电生理学，形态学和转录组学特征之间的直接对应关系，作者建立了标准化流水线以从单个细胞的所有三种模式中提取高质量数据（见图1）。首先，给定转录组类型（transcriptomic types, t-types）的电生理特性的同质和异质性如何？作者分析了所有4270个神经元对由矩形脉冲电流注入组成的标准化电流协议的电生理反应。根据这些测量，作者计算了12个“特征向量”，捕获了诸如动作电位形状，对表示凹陷电势的超极化电流的归一化响应等属性。对每个特征向量进行稀疏主成分分析（sparse principal-component analysis, sPCA），鉴定出一组44个sPCs以表征细胞的电生理特性。紧接着，作者对来自GABA能神经元Sst，Pvalb，Vip，Sncg和Lamp5子集的已完成转录组学和电生理学表征的517个细胞进行形态分析，观察到具有明显树突和轴突分布模式的转录组类型。图1. Patch-seq数据收集和处理流水线示意图通过对转录组学，形态学和电生理学的关联分析，作者发现某些给定t-types神经元具有一致的电生理和形态学特征，而某些则表现出异质性。因此，作者对517个细胞进行无监督的聚类分析，定义并分组了具有上述三种相似特性的28种形态/电生理/转录组细胞类型（MET-type）。那么是否可以根据电生理和形态学特征来预测t-type或MET-type呢？为此，作者通过训练监督分类器发现使用电生理和形态学相结合的MET-type预测（78%）比t-type预测（62％）具有更高的准确度。接下来，作者分析了这些MET-types的特征，在Pvalb子集和Lamp5子集中分别确定了5种和2种MET-types，在Sst子集中共确定了13种MET-types等，其数量远远超过先前单纯通过形态学或电生理学鉴定出的细胞类型。出乎意料的是，每个子集中几乎所有MET-types都沿着皮层深度排列，每种类型的胞体和轴突位置通常集中在特定层，这是MET-types之间的标志性区别。例如，Sst-MET-3和Sst-MET-4分别主要包含映射到在L2/3皮质层或L5皮质层的Sst Calb2 Pdlim5细胞；Pvalb-MET-4包含同时映射到Pvalb Reln Itm2a和Pvalb Tpbg的细胞，主要由L4和L2/3快闪细胞组成等。这些发现揭示了皮质GABA能神经元多样性的复杂模式和一些基本规则，这可能会推广到其他脑细胞类型的研究。总的来说，通过这项研究我们可以得出这样一个结论，即多模式综合分析是区分神经元类型的一种有效方法。除了形态学，转录组学和电生理学之外，有关细胞和环路特性的其他信息将继续完善中间神经元基团的识别，例如蛋白质组学信息的添加，局部和远程突触连通性以及体内功能表征等。随着大规模电子显微图像的可用性，很快将能够跨数据集映射形态表型，以了解转录组、形态和电生理表型与连通性谱之间的关系。

参考文献：

1, Fuzik, J., Zeisel, A., Ma ´ te ´ , Z., Calvigioni, D., Yanagawa, Y., Szabo ´ , G., Linnarsson, S., and Harkany, T. (2016). Integration of electrophysiological recordings with single-cell RNA-seq data identifies neuronal subtypes. Nat. Biotechnol. 34, 175–183.2, Cadwell, C.R., Palasantza, A., Jiang, X., Berens, P., Deng, Q., Yilmaz, M., Reimer, J., Shen, S., Bethge, M., Tolias, K.F., et al. (2016). Electrophysiological, transcriptomic and morphologic profiling of single neurons using Patch-seq. Nat. Biotechnol. 34, 199–203.