【摘要】：神經(jīng)元在大腦活動中各司其職,依據(jù)其形態(tài)結(jié)構(gòu)或功能可劃分為不同類型。對特定類型神經(jīng)元分布的準確和定量研究有助于深入理解大腦的結(jié)構(gòu)和功能。神經(jīng)元在全腦廣泛分布且各腦區(qū)的分布存在差異。然而,受研究方法限制,過去的神經(jīng)元分布研究主要集中在局部腦區(qū)或者僅得到定性描述的結(jié)果,研究范圍或準確性都有限。近年來,基因標記技術和顯微光學成像技術的發(fā)展為獲取全腦特異性標記的神經(jīng)元數(shù)據(jù)提供了方法基礎。但是,全腦范圍特定類型神經(jīng)元分布統(tǒng)計研究仍然存在挑戰(zhàn):(1)神經(jīng)元識別是神經(jīng)元分布統(tǒng)計的基礎,目前的神經(jīng)元識別方法難以適用于全腦復雜的數(shù)據(jù),(2)針對全腦范圍眾多腦區(qū)中神經(jīng)元分布的研究,缺少準確的、高效的神經(jīng)元分布統(tǒng)計分析方案。基于全腦定位系統(tǒng)(Brain-wide positioning system,BPS)獲取的全腦數(shù)據(jù)集,本論文開展了促腎上腺皮質(zhì)激素釋放激素(Corticotropin-releasing hormone,CRH)神經(jīng)元全腦分布的研究。具體如下:(1)建立了可在全腦范圍識別CRH神經(jīng)元的方法。利用射線爆發(fā)算法提取了胞體和突起的形態(tài)特征,再利用支持向量機(Support vector machine,SVM)區(qū)分胞體和突起結(jié)構(gòu),構(gòu)建了能夠克服復雜的神經(jīng)元突起干擾的神經(jīng)元識別方法。本論文提出的神經(jīng)元識別方法的平均準確率/召回率分別為94.0%/96.5%,優(yōu)于傳統(tǒng)的神經(jīng)元識別方法。另一方面,本論文結(jié)合數(shù)據(jù)分塊策略和并行優(yōu)化算法,實現(xiàn)了高效地識別全腦范圍的神經(jīng)元。并對4只CRH-IRES-Cre;Ai3小鼠腦中的CRH神經(jīng)元識別,統(tǒng)計了小鼠腦中CRH神經(jīng)元的數(shù)目為752,586±80,699個。(2)建立了可在全腦范圍統(tǒng)計CRH神經(jīng)元分布的方案。本論文將BPS獲取的碘化丙錠(Propidium iodide,PI)數(shù)據(jù)集與數(shù)字化圖譜進行配準,利用圖譜的腦區(qū)矢量信息快速對PI數(shù)據(jù)集的腦區(qū)進行初分割;然后利用細粒度配準策略和PI數(shù)據(jù)集的細胞構(gòu)筑信息對初分割結(jié)果進行修正,獲取了準確的腦區(qū)分割結(jié)果。結(jié)合上述的全腦神經(jīng)元識別方法,構(gòu)建了全腦神經(jīng)元分布統(tǒng)計方案,并統(tǒng)計了小鼠腦各腦區(qū)中CRH神經(jīng)元的數(shù)目。統(tǒng)計結(jié)果表明,CRH神經(jīng)元在全腦廣泛分布,特別地,整個皮層中都存在CRH神經(jīng)元的分布,而小腦中僅有極少的CRH神經(jīng)元。這些結(jié)果可以為理解腦中細胞類型提供數(shù)據(jù)基礎。(3)定量地分析了全腦CRH神經(jīng)元的分布和胞體形態(tài)差異。利用上述分布統(tǒng)計結(jié)果,本論文進一步對比分析了CRH-IRES-Cre;Ai3小鼠腦中CRH神經(jīng)元的分布,結(jié)果表明除了先前報道的中央杏仁核、下丘腦室旁核等存在密集的CRH神經(jīng)元外,在以往研究未關注的腦區(qū)如主嗅球、靠近丘腦中線的腦區(qū)、楔外核等也存在較密集的CRH神經(jīng)元。以上分布分析結(jié)果將有助于CRH神經(jīng)元功能的研究。此外,本論文還分析了不同腦區(qū)CRH神經(jīng)元胞體的形態(tài),其結(jié)果表明CRH神經(jīng)元胞體形態(tài)在不同腦區(qū)間或同一腦區(qū)內(nèi)都表現(xiàn)出多樣性。這些胞體形態(tài)分析結(jié)果可以為CRH神經(jīng)元亞型的發(fā)現(xiàn)提供參考。本論文建立了可統(tǒng)計分析小鼠腦中CRH神經(jīng)元分布的方法。同時,該方法可用于其他類型神經(jīng)元分布的研究,甚至適用于其他哺乳動物腦中特定類型神經(jīng)元分布的研究。這些統(tǒng)計分析結(jié)果能夠幫助人們提高對腦中細胞類型的理解和深入腦功能的研究。
【學位授予單位】：華中科技大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：R338
【圖文】：

[4]。一個典型的神經(jīng)元由胞體、樹突和軸突組成，如圖1.1。胞體是神經(jīng)元的主體結(jié)構(gòu)，負責整個神經(jīng)元的新陳代謝和功能活動所需的物質(zhì)和能量來源。胞體的形狀類似球形或橢球形，其大小表現(xiàn)出多樣性。樹突和軸突都是從胞體結(jié)構(gòu)延伸出來的突起結(jié)構(gòu)，但少數(shù)神經(jīng)元可能沒有樹突或軸突。樹突形態(tài)類似于樹形結(jié)構(gòu)，主要負責接收來自上游神經(jīng)元的神經(jīng)沖動，并傳遞給胞體；軸突主要負責傳遞信號給下游神經(jīng)元，部分信號傳遞過程因為下游神經(jīng)元間隔遠，經(jīng)常需要跨越數(shù)個腦區(qū)。圖1.1 神經(jīng)元的基本結(jié)構(gòu)示意圖[5]。Fig 1.1 Basic structure of a neuron.

圖 1.2 依據(jù)神經(jīng)元形態(tài)特征進行神經(jīng)元分類。（a）依據(jù)神經(jīng)元突起的數(shù)目進行神經(jīng)元分類（改自文獻[6]）。（a1-a4）分別表示單極性、雙極性、多極性細胞和假單極性神經(jīng)元。（b）依據(jù)突起形狀進行神經(jīng)元的分類（摘自文獻[7]）。（b1-b4）分別表示錐體細胞、籃狀細胞、浦肯野細胞以及吊燈細胞。Fig. 1.2 Classification of neurons according to the morphological characteristics of the neurons. (a)Classification of neurons based on the number of neurites. (a1-4) show a unipolar neuron, a bipolarneuron, a mutipolar neuron and a pseudounipolar neuron, respectively. (b) Classification of neuronsaccording to their shapes. (b1-4) show a pyramidal cell, a basket cell, a Purkinje cell and a chandeliercell, respectively.（1）依據(jù)神經(jīng)元形態(tài)的分類神經(jīng)元的胞體、樹突和軸突形態(tài)都表現(xiàn)出多樣性，類似形態(tài)的神經(jīng)元可能具有相近的連接或功能，因此神經(jīng)元的形態(tài)特征常作為神經(jīng)元分類的重要依據(jù)[8]。神經(jīng)元亞型的探索中主要用的樹突形態(tài)特征包括樹突的分支數(shù)量、長度等，軸突的形態(tài)特征包括軸突的長度、角度、投射終點所屬腦區(qū)等。例如，基于突起的數(shù)量可以將神

本論文圍繞全腦CRH神經(jīng)元的分布統(tǒng)計分析提出了全腦神經(jīng)元識別方法和全腦神經(jīng)元分布統(tǒng)計分析方案，并對鼠腦140多個腦區(qū)中的CRH神經(jīng)元的分布進行了統(tǒng)計和分析。圖1.3給出了本論文的研究內(nèi)容。圖1.3 論文研究結(jié)構(gòu)圖。Fig. 1.3 Framework of research contents.各章節(jié)內(nèi)容簡述如下：第一章 首先介紹了神經(jīng)元的基本結(jié)構(gòu)、神經(jīng)元分類方式以及從腦結(jié)構(gòu)、腦功能以及腦疾病三個方面闡述了特定類型神經(jīng)元分布研究的意義。然后說明了特定類型神經(jīng)元數(shù)據(jù)獲取方法、特定類型分布研究現(xiàn)狀、CRH神經(jīng)元分布研究現(xiàn)狀和神經(jīng)元分布研究方法的現(xiàn)狀。最后給出了全腦CRH神經(jīng)元分布研究中存在的挑戰(zhàn)以及本論文的研究內(nèi)容。第二章 說明了本研究的數(shù)據(jù)來源和數(shù)據(jù)特征。利用CRH-Cre小鼠[16]和EYFP Ai3小鼠[95]構(gòu)建的CRH-IRES-Cre;Ai3小鼠實現(xiàn)CRH神經(jīng)元的特異性標記，并利用免疫組化方法對標記結(jié)果進行驗證，再利用BPS光學成像系統(tǒng)獲取了全腦CRH神經(jīng)元數(shù)據(jù)集和與其共定位的碘化丙錠（Propidium iodide, PI）數(shù)據(jù)集。另外，對BPS數(shù)據(jù)集的特征進行分析，為后續(xù)方法的建立提供參考。第三章 基于支持向量機（Support vector machine, SVM）[96]提出了高魯棒性的神經(jīng)元識別方法。首先利用射線爆發(fā)算法[97]提取胞體結(jié)構(gòu)和神經(jīng)元突起結(jié)構(gòu)的形態(tài)特征，然后利用有監(jiān)督的SVM區(qū)分胞體結(jié)構(gòu)和神經(jīng)元突起結(jié)構(gòu)，構(gòu)建了高魯棒性的神

【參考文獻】

相關期刊論文 前1條

1 李安安;龔輝;;光學顯微水平全腦成像方法的研究進展[J];生物化學與生物物理進展;2012年06期

本文編號：2743866