Сравнительный подход к количественному подсчету клеток в самых разных мозгах млекопитающих
16 января 2026 г.
Современные нейронауки должны исследовать различия между многими видами, включая лабораторных грызунов и людей. Однако технические трудности возникают, когда речь идёт о крупномозговых млекопитающих. Этот подход рассматривает межвидовые вариации нейронных популяций у совершенно разных млекопитающих, что даёт сопоставимые результаты для картирования для выявления эволюционных закономерностей.
Было обнаружено, что структурная пластичность мозга может значительно различаться у млекопитающих. Поэтому требуется систематический количественный анализ. Наш систематический анализ самых разных мозгов может дать сопоставимые результаты для филогенетического контекста.
Для начала возьмите тарелку на 12 лунок из холодильника при температуре 20 градусов Цельсия, содержащую свободно плавающие мозговые секции, и уложите несколько ломтиков в чашку Петри, наполненную раствором PBS. Выберите разделы и разместите их на слайде. После гистологического окрашивания срезов определите уровни мозга на основе конкретных нейроанатомических особенностей.
Определите её на уровни 1–4, используя одинаковое количество серийных срезов толщиной 40 микрометров, выберите три равномерно расположенных корональных сечения с каждого уровня мозга и проведите иммуногистохимическое окрашивание. Откройте программное обеспечение Neurolucida на рабочей станции и поместите слайд под микроскоп, используя выбранный объект для подсчёта клеток. При малом увеличении обведите кортикальный слой 2 с помощью инструмента свободной руки контурной линии в меню Trace программы.
Обведите периметр, чтобы определить длину кортикального слоя 2, включая как палеокортекс, так и неокортекс. Выберите предпочтительные символы для подсчёта ячеек на панели инструментов Markers. Подсчёт клеток типа 1, идентифицируемый по небольшой соме с биполярной формой и диаметром сомы от 3 до 9 микрометров в каждой интересующей области.
Ячейки типа 2 идентифицируются крупной сомой с сложной дендритной арборизацией и диаметром сомы от 9 до 18 микрометров. Теперь соберите данные для филогенетического анализа из палеокортекса, неокортекса и коры головного мозга, полученные путём объединения данных палеокортекса и неокортекса. Соберите периметр кортикального слоя 2, измеренный в миллиметрах и видимый в панели инструментов для измерений контуров, в файл таблицы.
В той же таблице соберите количество ячеек типа 1 и ячеек типа 2, видимых на панели маркеров. Вычислите и зафиксируйте общее количество клеток, добавив клетки типа 1 и типа 2 для каждого уровня мозга, региона и уровня мозга, используя три секции на уровень — всего 12 секций на образец. Используйте собранные значения для расчёта линейной плотности ячеек для каждого участка в каждом регионе, деля количество ячеек на периметр в миллиметрах.
Вычислите процент ячеек типа 1 и типа 2, деля номер ячеек типа 1 или типа 2 на общее количество ячеек и умножив на 100. Далее вычислите процент клеток типа 1 и типа 2 в каждом образце с помощью формулы. Получите среднее значение этих процентов среди четырёх рассматриваемых образцов по виду с помощью средней функции в таблице.
Используйте линейную плотность клеток для проведения филогенетического анализа и используйте общее количество клеток, подсчитанных в каждом корональном срезе, чтобы оценить общее количество незрелых нейронов на полушарие. Вычислите медианное значение плотности 12 рассмотренных срезов на образец с помощью медианной функции в таблице. Используйте медиану как центральную меру, поскольку выборка на группу относительно мала, а некоторые группы демонстрируют асимметричные распределения.
Используйте инструмент свободного контура в программном обеспечении Neurolucida, чтобы провести линию через диаметр сомы, перпендикулярную главной оси. Измерьте как минимум 100 случайно выбранных DCX-положительных клеток обоих типов в каждом виде, используя по 25 клеток на образец в каждой области мозга, чтобы получить диапазон диаметра сома для клеток типа 1 и типа 2. Теперь составьте список исследуемых видов в блокноте с их научными названиями.
Загрузите список в временное дерево сайта. org и экспортировать как NWK-файл. В Mesquite Project Software загрузите файл NWK, интегрируйте данные и сохраняйте полученный файл в формате PDF.
Наконец, в ранее созданном техническом штите добавьте столбец с размером мозга каждого вида. Вычислите естественный логарифм положительных плотностей клеток DCX и естественный логарифм размера мозга. Проведите статистический анализ на выбранном статистическом программном обеспечении и скачайте полученные файлы.
Введите остатки в новый столбец технического шита, чтобы можно было составить остаточный граф. DCX-положительные клетки в коре головного мозга всех исследуемых видов последовательно демонстрировали топографическое расположение, образующее монослой вдоль кортикального слоя 2, включающее преимущественно мелкие, униполярные или биполярные клетки и незначительную долю крупных сложных клеток. Клетки совместно экспрессировали PSAN-NCAM и DCX при отсутствии экспрессии Ki67.
И содержала подпопуляцию сложных клеток, экспрессирующих NeuN. Линейная плотность незрелых нейронов коры сильно варьировала у разных видов. Филогенетические сравнительные анализы показали, что группа Laurasiatheria имела более высокую плотность незрелых нейронов коры, чем у Euarchontoglires.
Была обнаружена сильная ковариация между плотностью нейронов незрелого коры и объёмом мозга. И между плотностью незрелых нейронов коры и периметром неокортикального слоя 2. Наши результаты могут выявить эволюционные компромиссы между разными типами пластичности, а также между разными областями мозга.
Просмотрите полный транскрипт и получите доступ к тысячам научных видео
Обзор
Это исследование исследует межвидовое разнообразие нейрональных популяций среди различных млекопитающих, сосредоточившись на лабораторных грызунах и людях. Оно рассматривает технические трудности изучения млекопитающих с большим мозгом и стремится получить сопоставимые результаты, которые раскрывают эволюционные закономерности.
Ключевые компоненты исследования
Область науки
- Нейробиология
- Сравнительная биология
- Эволюционная биология
Бакграунд
- Понимание различий в нейронах между видами имеет важное значение для современной нейробиологии.
- Технические трудности часто возникают при исследовании млекопитающих с большим мозгом.
- Сравнительные исследования могут дать представление об эволюционных закономерностях.
- Лабораторные грызуны служат обычной моделью для таких исследований.
Цель исследования
- Исследовать различия в нейрональных популяциях между видами.
- Рассматривать трудности, связанные с исследованием млекопитающих с большим мозгом.
- Картографировать результаты, которые раскрывают эволюционные тенденции.
Используемые методы
- Сравнительный анализ нейрональных популяций.
- Использование лабораторных грызунов в качестве модели.
- Картографирование результатов для различных видов млекопитающих.
- Решение технических задач в исследованиях млекопитающих с большим мозгом.
Основные результаты
- Обнаружены значительные межвидовые различия в нейрональных популяциях.
- Демонстрируются сопоставимые результаты между грызунами и более крупными млекопитающими.
- Раскрываются новые знания об эволюционных закономерностях нейронального развития.
- Подчёркивается важность решения технических трудностей в исследованиях.
Выводы
- Исследование предоставляет базовую модель для понимания различий в нейронах между видами.
- Оно подчёркивает необходимость инновационных подходов в нейробиологических исследованиях.
- Результаты способствуют более глубокому пониманию эволюции млекопитающих.
Часто задаваемые вопросы
Executive Industry Relevance
Quantitative cell counting across diverse mammalian brains addresses a critical gap in translating neurobiological findings from rodent models to humans. Standardizing comparative neuroanatomical measurements enhances predictive confidence in target validation and de-risks early discovery decisions. This approach supports portfolio strategies by enabling more accurate cross-species extrapolation of neuroplasticity and developmental processes.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables rigorous interrogation of neurogenic hypotheses across species with divergent brain architectures.
- Supports functional target validation by quantifying cell populations in anatomically matched brain regions.
- Improves predictive confidence for translational neuroscience programs by reducing interspecies ambiguity.
Screening & Assay Development
- Facilitates preparation of standardized brain samples for downstream quantitative assays.
- Promotes reproducibility by using common anatomical reference points for cell counting.
- Enables reliable benchmarking of neurogenic markers across developmental stages and species.
Translational & Preclinical Research
- Aligns quantification of neuroplasticity markers with disease-relevant systems in both rodent and human brains.
- Supports continuity from discovery through preclinical validation by mapping cell densities onto phylogenetic frameworks.
- Enables risk-adjusted advancement by revealing evolutionary patterns and covariation with neuroanatomical features.
Pipeline & Workflow Integration
This comparative cell counting method integrates from early discovery through preclinical research, supporting both hypothesis testing and translational continuity.
- Discovery Biology: Provides quantitative outputs for hypothesis testing and evolutionary pathway clarification.
- Screening: Standardizes sample preparation and measurement for reproducible cross-species assays.
- Analytics: Delivers cell density data and covariance analyses to inform condition comparisons.
- Translational Research: Maps neurogenic variation to disease-relevant systems and developmental stages.
- Enterprise Reuse: Establishes a reusable framework for comparative quantification across diverse mammalian models.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in neurobiological target validation.
- Operational Value: Enhances standardization, reproducibility, and scalability of comparative studies.
- Strategic Value: Informs go/no-go decisions and improves capital efficiency by clarifying translational relevance.
- Portfolio Impact: Supports risk-adjusted prioritization of neuroscience assets based on cross-species data.
Implementation Considerations
- Requires expertise in neuroanatomy and comparative biology for accurate anatomical alignment.
- Demands access to imaging and quantitative analysis infrastructure for cell counting.
- Necessitates cross-team agreement on anatomical reference points and data standards.
- May require adaptation for species with unique brain morphologies or developmental timelines.
- Standardization is limited by variables that cannot be fully controlled across all species.
