关于《whole-brain co-mapping of gene expression and neuronal activity at cellular resolution in behaving zebrafish》研究的学术报告
一、 主要作者、机构及发表信息
本研究由Emmanuel Marquez-Legorreta*†1&, Greg M. Fleishman*1, Luuk W. Hesselink*2, Mark Eddison*1, Kasper Smeets2,3, Carsten Stringer1, Philipp J. Keller1, Sujatha Narayan1, Alex B. Chen1, Brett D. Mensh1, Scott M. Sternson4, Bernhard Englitz#2, Paul W. Tillberg#†1, Misha B. Ahrens#†1,5 等作者共同完成。主要研究机构包括美国霍华德·休斯医学研究所珍妮莉亚研究园区（Janelia Research Campus, Howard Hughes Medical Institute, Ashburn, VA, USA）、荷兰拉德堡德大学唐德斯大脑、认知与行为研究所（Donders Institute for Brain, Cognition and Behaviour, Radboud University, Nijmegen, Netherlands）以及瑞士洛桑联邦理工学院大脑与心智研究所（Brain Mind Institute, école polytechnique fédérale de Lausanne, Switzerland）等。该研究以预印本形式于2026年2月10日发布在bioRxiv平台（DOI: https://doi.org/10.64898⁄2026.02.07.704095）。
二、 学术背景与研究目标
本研究属于系统神经科学与分子神经生物学的交叉前沿领域。大脑的功能既依赖于单个细胞的分子特性，也依赖于全脑范围内神经网络的相互作用。然而，长期以来，将全脑神经元在行为过程中的动态活动与每个神经元的基因表达谱在细胞分辨率上进行关联，一直是一个巨大的技术挑战。以往的研究通常只能在局部脑区或少量神经元中建立这种关联，缺乏全脑尺度的整合视角。
研究团队旨在弥合细胞生物学（关注分子与遗传特性）与系统神经科学（关注大规模网络动态）之间的鸿沟。他们的核心目标是：在同一个行为中的动物个体内，实现对全脑几乎所有神经元的活动、基因表达和解剖位置这三种模态的高通量、单细胞精度的联合测绘与分析。通过创建这种前所未有的多模态数据集，他们希望揭示分子定义的细胞类型如何塑造全脑尺度的功能网络，并回答一个核心科学问题：神经元的基因表达谱是否以及如何约束其功能角色。
三、 详细研究流程与方法
本研究开发并应用了一个名为“WARP”（Whole-brain neuronal Activity and RNA Profiling，全脑神经元活动与RNA分析）的集成实验-计算平台。整个工作流程包含以下几个关键步骤：
1. 行为过程中的全脑钙成像： * 研究对象与样本量： 使用转基因斑马鱼幼鱼（tg(elavl3:h2b-gcamp7f)），其几乎所有神经元的细胞核都表达钙指示蛋白GCaMP7f。主要数据集包含3条鱼，验证数据集包含另外3条鱼。 * 实验处理： 将鱼置于虚拟现实环境中，呈现多种视觉刺激（包括不同方向的全视野视觉运动、明/暗闪光、模拟捕食者逼近、运动增益适应以及徒劳游泳范式等），以驱动广泛的大脑回路活动。同时，通过皮肤接触的非侵入式电极记录脊髓运动神经信号，量化“假想”游泳行为。 * 数据采集： 使用全脑光片显微镜对GCaMP7f荧光进行成像，记录整个大脑在行为期间的时间分辨钙活动（视频S1）。
2. 固定后解剖参考成像与空间转录组学： * 样本处理： 钙成像后，固定鱼脑，并使用双光子显微镜获取高分辨率三维解剖参考图像。 * 膨胀辅助空间转录组学： 将固定后的大脑进行凝胶包埋，并采用膨胀显微镜技术进行物理膨胀，以提高成像分辨率和RNA可及性。然后，通过多轮膨胀辅助迭代荧光原位杂交（EASI-FISH）技术，检测整个大脑中41个选定基因的mRNA表达。该过程包括14轮杂交链式反应（HCR）放大和成像（视频S2, S3）。
3. 跨模态单细胞精配准与数据预处理（计算流程核心）： 这是本研究的技术核心，涉及一系列新开发的算法和软件工具来处理产生的超大规模数据（每只动物超过10TB）。 * 全脑图像配准（BigStream）： 开发了开源软件包BigStream，用于解决活体钙成像体积、离体双光子解剖体积和膨胀后转录组成像体积之间复杂的非线性形变配准问题。该方法采用灵活的分段仿射变换，实现了跨模态图像在大部分脑区达到单细胞精度的对齐（图2a-b，图S1a-f）。 * 细胞核分割（分布式Cellpose）： 为处理太字节级的三维图像，开发了Cellpose的分布式版本，能够高效、准确地在全脑范围内分割数十万个细胞核（图2c-d）。 * RNA转录本检测（fishspot）： 开发了算法（集成在fishspot软件中）对EASI-FISH图像进行点扩散函数估计、去卷积和斑点检测，以亚光学衍射极限的精度定位单个mRNA转录本（图2e-f）。 * RNA转录本分配到细胞（SpotDmix）： 针对斑马鱼幼鱼神经元紧密排列的挑战，开发了概率模型算法SpotDmix。该算法利用一个基因通常在单个细胞内表达多个转录本的事实，通过期望最大化（EM）算法，将每个RNA斑点最可能地分配到其所属的细胞，显著优于简单的“最近邻”分配方法（图2g-i，视频S6）。 * 神经钙信号提取与解混（SegmentNMF）： 开发了SegmentNMF算法，利用从膨胀样本中获得的高分辨率解剖分割信息作为先验，初始化非负矩阵分解（NMF），从而更准确地从原始钙成像数据中解混和提取单个神经元的钙信号轨迹，减少了相邻细胞间的信号串扰（图2j-n，视频S7）。
4. 多模态数据集构建与分析： 通过上述流程，最终为每个动物生成了一个独特的多模态数据集（图1f-g，视频S4, S5）。该数据集为每个记录到的神经元（主要数据集中约23.8万个）提供了：1）行为期间随时间变化的钙活动轨迹；2）41个基因的mRNA转录本计数；3）基于注册脑图谱的解剖脑区位置。研究人员随后利用该数据集进行了多层次分析。
四、 主要研究结果
1. 构建了大规模、高维度的多模态脑图谱： 研究成功在3只主要实验动物中，对总计超过50万个细胞（包括神经元和胶质细胞）进行了分割，并为其中约23.8万个同时具有功能记录和至少一个基因表达的神经元构建了完整的“功能-基因-解剖”三联数据。这是迄今为止在单个动物中实现的规模最大、模态最全的细胞分辨率脑图谱。
2. 定义了分子亚型并揭示了其功能-解剖关联： * 基于40个基因（不包括c-Fos）的共表达模式，将神经元划分为332个“分子亚型”（例如，仅表达基因A的“GeneA”亚型，或共表达基因A、B、C的“GeneA_GeneB_GeneC”亚型）（图3b）。 * 这些亚型在全脑中表现出高度一致且特异的分布模式（图4）。例如，在海马样结构的背侧皮层中发现了共表达Eomesa和Pvalb7的神经元，尽管该结构在6日龄幼鱼中尚处发育早期，但这些神经元已表现出与任务相关的钙活动动态（图4d-e）。 * 通过分析分子亚型与特定行为（如游泳）或感觉刺激（如视觉运动）的相关性，鉴定出大量功能特异的亚群。例如，发现了78个与游泳行为正相关或负相关的分子亚型，它们分布在不同脑区（图3e-h）。还鉴定出超过2000个由“刺激反应-基因表达-解剖位置”共同定义的独特亚群（Data S1）。
3. 高通量发现全脑视觉反应性亚型： 系统分析了神经元活动对八种不同视觉刺激的反应，并关联其分子亚型。发现了183个在三只动物中 consistently 对视觉刺激有反应的分子亚型（图5a-b）。通过深入分析，揭示了特定亚型的功能角色。例如： * 在尾侧后脑中，共表达GlyT2（甘氨酸转运体）和Gfra1a的神经元在前进视觉运动刺激期间反应强烈，且活动在游泳过程中持续增强，提示其可能作为运动整合或负反馈神经元（图5e）。 * 在中脑视顶盖中，共表达Pou4f2（一种转录因子）和Cckb（胆囊收缩素）的神经元对暗闪光和逼近刺激敏感，揭示了中脑内对亮度编码的特化亚群（图5f）。
4. 揭示了基因表达与功能活动协调性的全脑关联： 这是本研究的一个重要理论发现。研究团队设计了“局部相关性差异”（Local Correlation Difference, LCD）指标，来量化表达相同基因的神经元对之间的活动相关性是否高于其局部非表达邻居的平均相关性。 * 结果显示，对于大多数被检测的基因（39个中的30个），表达相同基因的神经元之间的活动相关性显著高于其局部背景（图6b-c）。这表明，共享基因表达（即相似的分子身份）的神经元，即使在全脑不同的解剖位置，也倾向于形成功能上更协调的群体。 * 这种关联在自发性活动中就已存在，并在视觉刺激期间进一步增强（图6h）。 * 通过空间聚类分析，进一步识别出207个空间局域化的“LCD簇”，这些簇内的神经元不仅共享基因表达，而且表现出极端高或低的功能协调性，并对应特定的刺激反应模式（图6d-g）。这证明，结合空间信息可以揭示同一遗传类别内不同的功能亚群。
5. 探索活动诱导的基因表达变化： 通过检测即早基因c-Fos的表达，发现c-Fos阳性的神经元对视觉刺激（特别是前进运动）和游泳行为有更强的反应和更高的相关性，其空间分布主要集中在 hypothalamus、rostral hindbrain tectum 和 pretectum 等区域，并且常与Vglut2a和Gad1b等基因共表达（图S11）。这证明了WARP平台可用于研究生理活动引发的分子级联反应。
五、 研究结论与意义
本研究成功开发了WARP平台，首次在行为动物中实现了全脑范围、单细胞精度的神经元活动与基因表达的多模态联合测绘。研究不仅产生了一个前所未有的开放访问数据集，更在科学上得出了关键结论：在全脑范围内，神经元的分子身份（由基因表达谱定义）与其功能角色（由活动模式定义）之间存在普遍且紧密的关联。 共享基因表达的神经元表现出更强的活动协调性，这种关联构成了大脑功能组织的一个基础原则。
科学价值与应用价值： 1. 平台价值： WARP提供了一个强大的基础平台，将细胞生物学与系统神经科学统一起来，为未来研究提供了可扩展的技术框架。 2. 数据资源： 产生的开放数据集是宝贵的社区资源，可用于进一步的计算神经科学分析、模型构建和发现研究。 3. 高通量功能-基因映射： 能够大规模地将功能鉴定的神经元群体映射到其分子标记物上，极大促进了针对特定神经元类型进行因果性操控（如光遗传学、化学遗传学）的转基因品系选择。 4. 提高可重复性： 通过分子定义的细胞类型在个体动物间进行精确对齐，提高了系统神经科学研究的可重复性和跨实验可比性。 5. 推动建模： 为构建整合了分子身份信息的、更接近生物学真实的全脑计算模型提供了关键数据。 6. 拓展性： 该平台不限于大脑或斑马鱼，原则上可应用于任何组织或整个生物体，进行跨器官的功能-分子联合分析。
六、 研究亮点
七、 其他有价值内容
研究还讨论了WARP平台的局限性与未来方向，例如：成像深度和分辨率对配准的挑战、低表达基因的RNA定位不确定性、当前检测基因数量的限制、以及未来与电压成像、神经递质传感、光连接组学等技术结合的可能性。这些讨论为领域的发展指明了清晰的技术演进路径。
这项研究是神经科学技术与方法学上的一项里程碑式工作。它不仅提供了一套强大的工具和一座丰富的数据金矿，更重要的是，它通过全脑尺度的实证数据，深刻地揭示了分子细胞类型与系统水平功能之间内在联系的组织原则，为最终理解大脑如何从分子细胞特性中涌现出复杂功能迈出了关键一步。