Nature Methods：利用质谱法和深度学习绘制大脑的分子画像

贝克曼高级科学技术研究所的研究人员，化学教授Jonathan Sweedler和生物工程教授Fan Lam概述了空间组学技术如何在不同尺度上揭示大脑的分子复杂性。

他们的研究发表在本月的《自然方法》杂志上。

研究人员及其同事使用与深度学习相结合的生化成像框架来创建具有细胞特异性的3D分子图谱，更好地了解大脑在健康和疾病中的功能。他们的研究得到了美国国立卫生研究院老龄化研究所300万美元的资助。

“如果你从化学角度看大脑，它就像一碗有很多成分的汤，了解大脑的生物化学，它如何组织时空，以及这些化学反应如何支持计算，对于更好地了解大脑在健康和疾病期间如何运作至关重要。”

为了了解大脑的化学成分是如何相互作用的，研究人员使用了一种叫做质谱成像的新成像技术来收集和分析大量的高分辨率数据。他们还使用单细胞代谢组学和计算工具提取单个脑细胞中单个分子的数据，从而以前所未有的速度和规模获取数据。

“大多数人都有一种感觉，认为抑郁症和阿尔茨海默症等脑部疾病是由神经化学失衡引起的，但这些不平衡真的很难研究，也很难理解在大脑出现问题时，化学物质在不同尺度上(例如，在组织水平和单个细胞水平上)是如何相互作用的。”

根据Sweedler的说法，创建具有细胞类型特异性的化学物质分布的3D地图使研究人员能够进一步了解大脑内复杂的生物化学，从长远来看，这将有助于解决目前棘手的神经系统疾病。

Sweedler说，单细胞代谢组学是一项对研究人员的发现至关重要的技术，与CRISPR和詹姆斯·韦伯太空望远镜一起被《自然》杂志评为“2023年值得关注的七大技术”之一，这表明这些工具在研究细胞特异性数据方面将继续产生巨大影响。

如果没有贝克曼研究所的合作性质，这项研究是不可能完成的。

第一作者、贝克曼研究所研究生Richard Xie说:“我真的很惊讶，小小的互动可以变成有趣的研究对话，并最终变成大规模的合作研究。关键是要思想开放，跨学科，因为你可能会从其他领域汲取灵感。我对利用不同小组的不同专业知识来设计工具以更好地描绘大脑生化景观的进展感到非常兴奋。”

Lam和Sweedler讨论了在单细胞和组织质谱成像方面的工作。该团队在信息学和计算方法如何导致一种新的多模式，多尺度生化成像方面取得了突破，这在他们最近的自然方法论文中得到了强调。