Simple Science

最先端の科学をわかりやすく解説

# 生物学# 神経科学

脳の活動のマッピング:新しい技術からの洞察

研究者たちは、体験やストレスに対する脳の反応を研究するために新しい方法を活用している。

― 1 分で読む


脳の活動マッピングが明らか脳の活動マッピングが明らかにされた反応がわかったよ。新しい方法で、ストレスと学習に対する脳の
目次

研究者は脳がさまざまな体験中にどのように活性化されるかを調べて、行動と脳の機能を結びつける。これを行う重要な方法の一つは、マウスでの即時初期遺伝子(IEGs)を調べること。異なる脳の部位が動物がさまざまな体験をする時にどのように反応するかを示すことができる。新しい方法が開発され、これらの脳の領域の活動をより簡単に観察できるようになり、科学者たちは脳の活動を詳細にマッピングできるようになった。

IEGsと脳活動の背景

c-FosやArcなどの即時初期遺伝子は、特定の体験中にどの脳細胞が活性化されるかを観察するのに重要だ。科学者たちがこれらの遺伝子の発現を調べると、動物がストレスのある状況に遭遇した時や新しいことを学ぶ時、または記憶を形成する時に脳で何が起こっているかを理解できる。これはストレス、うつ病、不安などの状態を研究する上で特に重要だ。

脳画像技術の進歩により、研究者はさまざまな体験中に脳の広い領域がどのようにオンになるかを調べることができるようになった。組織をクリアにする改善された技術、より良い顕微鏡、自動化された細胞認識システムにより、今では特定のスポットに焦点を当てるのではなく、脳の全体の領域からデータを収集することが可能になった。

脳活動を追跡する新しい方法

最近の研究では、これらのアップグレードされた技術をさまざまなシナリオに適用している。たとえば、脳が異なる薬の後にどのように活性化されるかや、渇望がどのように発生するかなど。しかし、ほとんどの研究は単一の脳領域だけに焦点を当てていた。これらの領域がどのように協力して機能するかを理解するためには、複数の脳領域を同時に調べる方法が必要だ。

最近注目されているアプローチは、特定の体験中に活性化されるニューロンのグループをタグ付けすることだ。たとえば、ArcCreERT2と呼ばれるシステムは、活性化されたニューロンをラベル付けして、後で識別できるようにする。これにより、研究者は異なる体験に関与した脳細胞を見つけることができ、どのように重なり合っているかを理解できる。

一部の研究ではこれをより深く探求したが、多くは依然として少数の脳領域だけに焦点を当てていた。そのため、科学者たちは挑戦に直面している。記憶と行動を研究する際に、脳のすべての領域とそのつながりを効果的に分析するにはどうすればよいのか?

脳活動を分析するための新しいワークフロー

これらの課題に応じて、研究者たちは複数の脳領域からのデータ分析プロセスを簡素化するワークフローを作成した。このワークフローには、データをより効率的に登録し、視覚化するのを助けるソフトウェアパッケージSMARTRが含まれている。

SMARTRパッケージは、従来の脳断片化方法からのデータと連携し、脳の領域やそれらの間のつながりを詳細に調べることができる。プログラミングの知識がほとんど必要ないインタラクティブなシステムを作成することで、研究者は技術的な詳細に煩わされることなく、脳活動に関する豊富なデータを生成できる。

ケーススタディ:学習された無力感の理解

この新しいワークフローの使用を示すために、研究者たちはマウスで学習された無力感(LH)を研究するために適用した。LHは、ストレスが行動に与える影響を理解するためのモデルで、うつ病や不安に関連することができる。マウスは、逃げられないショック(IS)と文脈訓練(CT)の2つの異なる体験を受けた。

ISのシナリオでは、マウスはシャトルボックスの一方の側でショックを受け、その後に逃げる機会が与えられた。研究者たちは、これらの体験の前後でニューロンにタグを付け、脳の活動がどのように変化したかを確認した。

学習された無力感の間の脳領域の分析

実験後、科学者たちは異なる脳領域がどのように活性化されたかを調べた。彼らは、マウスが最初のショック中に恐れや不安の反応を示したことを見つけ、2つの訓練タイプ間で脳活動の違いを確認できた。

この分析には、ストレスや感情に関与していると思われるいくつかの脳領域(例えば、海馬や扁桃体)を調べることが含まれた。研究者たちはまた、脳のつながりを視覚化し、体験間でどのように変化したかを示すヒートマップを作成した。

活性化されたニューロンの重なり合うグループを分析することによって、研究者たちは無力感の学習とその後の行動の表現に関与する神経接続についての洞察を得た。

結果:脳の接続性の変化

研究の結果、全体的な神経活動レベルは2つの体験間で似ていたが、異なる領域間の特定の相互作用は、マウスが逃げられないショックを経験したかどうかによって大きく変化したことが示された。

簡単に言えば、マウスがストレス要因から逃げられないことを学んだとき、脳の領域間のコミュニケーションが変わった。たとえば、通常は感覚情報を処理するのに関与しているいくつかの領域は、文脈訓練の条件と比較して逃げられないショック条件中により活性化された。

この接続性の変化は、ストレスが脳の領域間の相互作用を変え、動物が将来の似た体験にどのように反応するかに影響を与える可能性があることを示唆している。

記憶の再活性化に関する観察

この研究のもう一つ重要な側面は、これらの体験の記憶がどのように保存され、呼び戻されるかを調べることだった。研究者たちは、以前に活性化された脳細胞が後の体験中にどのように反応するかを反映する記憶トレースの再活性化に注目した。

彼らは、逃げられないショックの後に元の体験に関与した特定の脳領域の再活性化が抑制される傾向があることを指摘した。この抑制は、ストレスのある体験に関連する記憶を脳がどのように取得するかが変化することを示している可能性がある。

このような洞察は、ストレス関連の障害やうつ病の発展に関する手がかりを提供し、過去の体験が将来の行動にどのように影響を及ぼすかを示している。

発見の重要性

この研究は、脳活動を包括的にマッピングすることで、脳の行動と記憶における役割についてのより深い理解を得られることを示している。学習された無力感の背後にあるプロセスや、それらのプロセスが人間のメンタルヘルスの状態にどのように関連するかについての洞察を提供している。

アクセスしやすく体系的なアプローチを用いることで、研究者たちは複雑な行動を研究し、ストレス関連の病気に対する新しい治療法や介入につながる道を見つけることができる。

将来の方向性

今後は、研究者たちはこの研究を基にして、脳内のより複雑な相互作用を探求できる。たとえば、今後の研究では、さまざまなタイプのストレッサーが異なる脳領域にどのように影響を与え、これらの変化が長期的な行動の結果にどう寄与するかを調べることができる。

さらに、新しいワークフローはモジュール式のため、さまざまな種類のデータや分析手法を取り入れるために適応できる。方法が増えたり技術が進歩したりするにつれて、この柔軟性は科学者たちが脳活動と行動の理解をさらに深めるのに役立つだろう。

結論

脳マッピング技術の進歩は、研究者がさまざまな体験に対する脳の応答を調べる方法を革命的に変えた。複雑なデータを分析するためのユーザーフレンドリーなツールの開発により、記憶がどのように形成され、呼び戻されるのか、ストレスが脳の機能にどのように影響を与えるのかの探索がより良くなっている。

科学者たちがこれらのプロセスを引き続き調査することで、発見がメンタルヘルスの課題に対処するための新しい戦略につながり、脳が驚くべき能力で適応し変化する理解が深まることを期待している。

オリジナルソース

タイトル: A SMARTR workflow for multi-ensemble atlas mapping and brain-wide network analysis

概要: In the last decade, activity-dependent strategies for labelling multiple immediate early gene (IEG) ensembles in mice have generated unprecedented insight into the mechanisms of memory encoding, storage, and retrieval. However, few strategies exist for brain-wide mapping of multiple ensembles, including their overlapping population, and none incorporate capabilities for downstream network analysis. Here, we introduce a scalable workflow to analyze traditionally coronally-sectioned datasets produced by activity-dependent tagging systems. Intrinsic to this pipeline is simple multi-ensemble atlas registration and statistical testing in R (SMARTR), an R package which wraps mapping capabilities with functions for statistical analysis and network visualization. We demonstrate the versatility of SMARTR by mapping the ensembles underlying the acquisition and expression of learned helplessness (LH), a robust stress model. Applying network analysis, we find that exposure to inescapable shock (IS), compared to context training (CT), results in decreased centrality of regions engaged in spatial and contextual processing and higher influence of regions involved in somatosensory and affective processing. During LH expression, the substantia nigra emerges as a highly influential region which shows a functional reversal following IS, indicating a possible regulatory function of motor activity during helplessness. We also report that IS results in a robust decrease in reactivation activity across a number of cortical, hippocampal, and amygdalar regions, indicating suppression of ensemble reactivation may be a neurobiological signature of LH. These results highlight the emergent insights uniquely garnered by applying our analysis approach to multiple ensemble datasets and demonstrate the strength of our workflow as a hypothesis-generating toolkit.

著者: Christine Ann Denny, M. Jin, S. Ogundare, M. Lanio, S. Sorid, A. R. Whye, S. Leal Santos, A. Franceschini

最終更新: 2024-07-16 00:00:00

言語: English

ソースURL: https://www.biorxiv.org/content/10.1101/2024.07.12.603299

ソースPDF: https://www.biorxiv.org/content/10.1101/2024.07.12.603299.full.pdf

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた biorxiv に感謝します。

著者たちからもっと読む

高エネルギー天体物理現象ニュートリノ研究における市民科学:協力的アプローチ

ボランティアは「ネーム・ザット・ニュートリノ」プロジェクトを通じてニュートリノ研究に貢献しているよ。

― 1 分で読む

類似の記事