第576期 脑科学日报

2020年2月16日

科 学 时 讯

1今日《细胞》:眼见为实!科学家首次把完整人体器官变透明

来源:学术经纬

打开网易新闻 查看更多图片

利用SHANEL技术得到的完整人脑可以透光(图片来源:Helmholtz Zentrum München / Ertürk lab)

顶尖学术期刊《细胞》14日在线发表的一项研究工作中,科学家们利用先进的技术手段,首次成功展现了透明的完整人体器官,为从细胞水平上窥探结构复杂的人体提供了前所未有的机会。带来这项研究成果的是德国亥姆霍兹慕尼黑中心组织工程与再生医学研究所、慕尼黑大学和慕尼黑工业大学的联合团队。

研究人员们把这套应用于人体器官透明化的新技术命名为SHANEL(Small-micelle-mediated Human orgAN Efficient clearing and Labeling)。“在不久的将来,SHANEL可以发展成为绘制完整人体器官的关键技术。这将极大加速我们对大脑等器官的认识,理解它们的发育,以及在健康和疾病中的作用。” Ertürk教授说。

今日《细胞》:眼见为实!科学家首次把完整人体器官变透明

2,殷善开/时海波团队揭示新生儿黄疸合并酸中毒神经毒性的“幕后真凶”

来源:BioArt

图注:临床-基础相结合的研究模式,阐述高胆红素血症合并酸中毒的协同神经毒性分子新机制。

新生儿高胆红素血症(俗称“新生儿黄疸”),导致全球每年至少有48万患儿罹患多种中枢神经功能障碍。最常见病症包括神经性耳聋(脑干听觉核团受损)、前庭功能障碍(脑干前庭核受损)和认知功能障碍(海马受损)等等。成年期显症的听神经病患者,大都伴有新生儿高胆红素血症病史。

上海交通大学附属第六人民医院耳鼻咽喉头颈外科殷善开、时海波团队,联合上海交通大学基础医学院徐天乐团队,上海交通大学附属儿童医院李晓燕团队等开展了卓有成效的临床-基础相结合的合作研究,揭露了胆红素所致前庭神经毒性的“幕后真凶”——ASIC1a激活。研究成果于2020年2月12日在线发表于Science Translational Medicine,题为:Bilirubin enhances the activity of ASIC channels to exacerbate neurotoxicity in neonatal hyperbilirubinemia in mice。

殷善开/时海波团队揭示新生儿黄疸合并酸中毒神经毒性的“幕后真凶”

3,Current Biology | 骆利群等利用单细胞测序揭示果蝇嗅觉神经元发育机制

来源:BioArt

打开网易新闻 查看更多图片

在果蝇嗅觉系统中,有50种嗅觉受体神经元(ORN)。每种ORN表达一种或一组嗅觉受体,决定了对不同的嗅觉刺激产生反应。ORN通过轴突将嗅觉信号发送到位于大脑的嗅球中。在小鼠中,嗅觉受体部分调控神经连接特异性。

2月13日,骆利群、李红杰团队继续与Stephen R. Quake团队合作在Current Biology杂志上发表文章Single-Cell Transcriptomes Reveal Diverse Regulatory Strategies for Olfactory Receptor Expression and Axon Targeting,利用单细胞测序,以果蝇嗅觉受体神经元为对象,揭示了神经元通过转录因子协调神经元受体表达和神经连接。

来源:思影科技

海马在睡眠相关的记忆加工中扮演关键的角色,但目前尚不清楚海马决定哪些特定的睡眠特征。英国伦敦大学科研人员在Current Biology杂志发表文章研究该问题。实验通过使用家庭多导睡眠仪研究选择性/局灶性双侧海马损伤的记忆障碍患者和匹配对照组在4个夜晚的睡眠,对其睡眠进行综合定性和定量分析,以确定海马对睡眠表型的作用。

研究发现:患者的睡眠生理机制和质量的一般特征是完整的。但相对于对照组,患者在N2睡眠中表现出显著减少的慢波睡眠(SWS,可能由于慢波密度的降低)和降低的慢波活动(SWA);相反,对照组与患者的慢速和快速纺锤体无显著差异。而且患者表现出慢波振荡(SOs),并发现SO-快速纺锤体耦合。然而,我们注意到患者慢波振荡周期的后期出现快速纺锤体,这可能表明与记忆巩固有关的SO-spindle-ripple events在时间上的不匹配。选择性双侧海马损伤对皮层大尺度振荡活动的影响表明,海马完整性对于慢波睡眠调节和微调慢波振荡-快速纺锤体耦合的时间序列是必要的,这反过来又说明海马对于有效情景记忆是必需的。

来源:阿尔茨海默病

研究团队包括来自乔治亚州立大学Regenstrief研究所、爱因斯坦医学院和固体研究小组的科学家,他们使用了两种不同的机器学习方法来改善痴呆症和阿尔茨海默病的诊断:自然语言处理算法(natural language processing algorithm)和随机森林模型(random forest model)。利用结构化和非结构化的EHR数据,机器学习算法可以准确地识别出有患阿尔茨海默病和相关痴呆风险的患者。

来源:生物通

随着全球人口老龄化,痴呆症已经是一个严重的问题。据世卫组织统计,每年有近1000万人患痴呆症。了解哪些个体的痴呆症风险较高,这一点至关重要,有助于人们采取预防措施。近日一项发表在《eLife》上的研究表明,个子较高的男性在年老时罹患痴呆症的风险较低。