【脑科学研究攻略】 之 【“三大技术” 助力多脑区神经元活动性记录的突破】

来源：brainnews

一个行为的产生是由大脑不同脑区协同工作下完成的。科学家也一直致力于对同一个大脑进行多脑区的神经元活动性记录来进一步了解大脑编码行为的功能。在很长一段时间内，受限于记录技术的瓶颈，很难对多脑区同时记录，无论是在体电生理记录还是钙成像记录，在以往的研究中靠记录探针或者电极的罗列最对2-3三个脑区进行同时记录，涉及到更多乃至数量级上的改变就需要对传统记录技术硬件上的突破。

图源：thrivous.com

高密度多通道电生理记录Neuropixels

多通道在体电生理技术是一个经久不衰的用来在行为任务下大量记录某一脑区单个神经元放电信号的技术。2017年Neuropixels探针的发明，让在体电生理技术又向前迈进了一大步。

Neuropixel探针在极窄的电极上提供了约1000个记录位点，并且可以在不同深度的脑区进行同时记录。我们不再局限于研究一个或几个大脑区域中的少数神经元的活动。取而代之的是，我们现在可以同时研究与行为相关的大部分神经元种群，从而揭示行为基础的神经环路和系统的动态变化。

在2019年11月由伦敦大学的Nicholas A. Steinmetz在Nature上发表文章，利用Neuropixels在视觉区分任务下记录了42个脑区大约3万个神经元。编码视觉刺激和即将出现的选择的神经元包含新皮层，基底神经节和中脑部分区域。中脑神经元在对侧选择之前被激活，而在同侧选择之前被抑制，而前脑神经元可能偏向任一侧。

这些结果揭示了在小鼠大脑中编码行为相关变量的神经元分布的组织原理。

大视野双光子钙成像

严格意义上，头部固定的在体双光子钙成像技术并不能记录任意多脑区的单个神经元响应信号。但由于可以将脑部打开一个视野较大的成像窗口，双光子成像更适合对皮层进行大范围成像（在不耦合Grin Lens透镜的情况下），即可以记录相邻位置的不同皮层以及不同深度。

2019年12月，艾伦脑研究中心的主席，首席科学家Christof Koch，带领70余名科研工作者利用双光子显微镜在包括12种转基因的243只小鼠中记录到不同类型神经元6万余个，来了解大脑如何处理感官信息来指导行为。研究人员基于多种刺激的可靠性对神经元进行分类，并使用视觉反应模型验证该分类功能。

在2019年6月，加州大学圣地亚哥分校的Takaki Komiyama团队同样利用双光子成像技术对小鼠不同区域皮层的锥体神经元进行记录。观察小鼠在决策更多依赖经验还是价值。在记录了不同皮层4.5万个神经元之后，研究发现后压皮层（RSC）通过持续性放电进而编码价值信息。

高密度多通道光纤记录

不同于双光子钙成像和多通道在体电生理，光纤记录技术没有细胞分辨率，但优点是实验技术较为简单，成本较低可以用于不同区域脑区筛选。

在2016年光遗传学鼻祖Karl Deisseroth研究小组发表于Nature Method上的文章将光纤记录在一个大脑的记录位点最多扩展为7个，在2019年发表于Nature Method上，Fritjof Helmchen 课题组突破光纤记录接头的硬件技术瓶颈。

利用阵列光纤接口，研究人员最多可以在一只小鼠上同时记录48个不同的位点。这样小鼠进行某一行为的过程中，研究人员就可以同时记录不同脑区的群体神经元活动性。

多脑区神经元活动的相关性与协同放电的研究有助于我们对神经网络工作原理的深入探究。多脑区神经元活动性记录也有助于我们观察在学习或者疾病进程中多脑区神经网络协同功能的变化机制，更有助于绘制大脑神经网络功能性图谱。

2.Steinmetz, N. A., Koch, C., Harris, K. D. & Carandini, M. Challenges and opportunities for large-scale electrophysiology with Neuropixels probes. Curr. Opin. Neurobiol. 50, 92–100 (2018).

3.de Vries, S. E. J. et al. A large-scale standardized physiological survey reveals functional organization of the mouse visual cortex. Nat. Neurosci. 23, 138–151 (2020).

4.Sych, Y., Chernysheva, M., Sumanovski, L. T. & Helmchen, F. High-density multi-fiber photometry for studying large-scale brain circuit dynamics. Nat. Methods 16, 553–560 (2019).

5.Hattori, R., Danskin, B., Babic, Z. & Mlynaryk, N. Area-Specificity and Plasticity of History-Dependent Value Coding During Learning. Cell 1–15 (2019). doi:10.1016/j.cell.2019.04.027

6.Kim, C. K. et al. Simultaneous fast measurement of circuit dynamics at multiple sites across the mammalian brain. Nat. Methods 13, 325–328 (2016).