《Frontiers in Neuroinformatics》于2018年11月28日发表了来自瑞士洛桑联邦理工学院（EPFL）蓝脑计划团队的重要研究论文”A cell atlas for the mouse brain”，作者Csaba Erö、Marc-Oliver Gewaltig、Daniel Keller和Henry Markram通过算法构建了首个全脑尺度的三维小鼠脑细胞图谱。这项研究填补了神经科学领域长期存在的空白——现有脑图谱缺乏对737个脑区逐个区域的神经元定量描述。
传统神经解剖学自Ramón y Cajal时代以来，虽然积累了海量的脑细胞染色研究数据，但存在三个关键局限：第一，约96%的艾伦脑图谱（Allen Mouse Brain Atlas, AMBA）定义区域缺乏神经元计数数据；第二，现有数据集中在皮层、海马等热点区域，脑桥核等区域研究匮乏；第三，不同研究对同一区域的细胞计数差异可达13.1倍。这种数据碎片化严重制约着脑连接组学、计算神经科学等领域的发展。研究团队旨在建立动态可更新的三维细胞图谱，整合尼氏染色（Nissl staining）和基因表达数据，提供兴奋性/抑制性神经元、星形胶质细胞、少突胶质细胞和小胶质细胞的空间分布与密度信息。
研究流程分为三个关键步骤：
团队使用艾伦研究所提供的509张25μm厚尼氏染色冠状切片，通过非刚性配准算法（基于Kroon, 2008的方法）校正切片间错位。针对细胞重叠导致的计数偏差，开发了密度转换函数：d = -ln(1-v)·a，其中v为观测密度，a为常数。该函数通过蒙特卡洛模拟验证，可补偿高密度区域（如小脑颗粒层）约3×10⁵/mm³以上的细胞重叠效应。
采用接受-拒绝算法（acceptance-rejection algorithm）在AMBA定义的737个脑区内放置细胞。关键创新是引入分区约束：小脑（49,170,000个细胞）、新皮层（23,378,142个细胞）和其他脑区（38,531,858个细胞）的细胞总数分别参照Herculano-Houzel等（2011）的解剖学数据校准。算法在1μm³分辨率下生成1.11亿个细胞坐标，虚拟切片与原尼氏染色切片的结构一致性达89%。
通过整合6种特异性基因标记： - 胶质细胞：使用GFAP（胶质纤维酸性蛋白）、S100B（钙结合蛋白）和ALDH1L1（醛脱氢酶1家族成员L1）标记星形胶质细胞；MBP（髓鞘碱性蛋白）和CNP（2’,3’-环核苷酸3’-磷酸二酯酶）标记少突胶质细胞；TMEM119（跨膜蛋白119）标记小胶质细胞 - 神经元亚型：用GAD67（谷氨酸脱羧酶67）标记抑制性神经元，Nrn1（神经元成熟标记物1）标记兴奋性神经元
标记数据通过非刚性配准提升至25μm分辨率，结合转录组数据（Zeisel et al., 2015）计算细胞类型比例。例如小脑颗粒层兴奋性神经元占比达96%，与已知生物学特性一致。
全脑细胞分布：小脑仅占脑体积10%却包含42%的细胞，其中兴奋性神经元占全脑59.8%。新皮层集中了50%的抑制性神经元，纹状体抑制性神经元占比达87%（与Tepper等2010年研究吻合）。
胶质细胞规律：胶质细胞密度（均值8,624±659/mm³）呈现区域均一性，与神经元密度（最高达5×10⁵/mm³）的变异系数相差6倍。当细胞密度＞2.5×10⁵/mm³时，胶质/神经元比例突破1:10的常规阈值。
方法学验证：与文献数据对比显示，自动计数算法在低密度区域（如皮层）误差＜10%，但在小脑颗粒层因细胞重叠低估达13倍。通过约束全局细胞总数，模型将区域密度差异中位数控制在1.8倍以内，优于文献间4.1倍的变异水平。
该研究的核心突破在于： 1. 动态整合框架：首次实现尼氏染色、基因表达和文献数据的多模态融合，图谱可通过bbp.epfl.ch/nexus/cell-atlas在线更新。例如中脑腹侧被盖区（VTA）多巴胺能神经元比例（63.8%）直接引用Nair-Roberts等（2008）的单细胞数据。
全脑尺度新发现：揭示小脑颗粒细胞的极端密度（＞10⁶/mm³）不改变局部胶质细胞分布规律，挑战了传统神经胶质比例假说。
计算神经科学应用：提供的三维坐标可直接用于全脑网络建模（Markram et al., 2015），如蓝脑计划的微环路重建。
这项研究为理解脑细胞的空间组织原则提供了定量框架，其算法流程可扩展至人脑图谱构建。随着单细胞转录组和X射线显微镜等技术的整合（如Murakami et al., 2018的cubic-X数据），该模型将推动从细胞类型到脑功能的跨尺度研究。