大脑是一个极其精密的信息处理系统，神经元则是其基本计算单元。要理解大脑，不仅要知道神经元“在做什么”（功能），还要知道它“长什么样、怎么连接”（结构）以及“由什么构成”（分子）。然而股指交易杠杆，这三类信息长期来自不同实验体系，难以整合。
微信公众号“脑科学与智能技术卓越创新中心”6月18日消息，如今，中国科学院脑科学与智能技术卓越创新中心的研究团队成功突破这一瓶颈。2026年6月18日23点，Cell在线发表题为“Multimodal imaging of gene expression， morphology， and activity of the same neuron”的研究论文。
该研究由中国科学院脑科学与智能技术卓越创新中心王凯研究团队和徐圣进研究团队联合攻关完成。研究团队自主研发了基于成像的多模态解析平台Imaging-based Multimodal Characterization（IMC），首次实现了对同一神经元在体钙活动、全脑投射形态与 3D 原位基因表达谱的高精度整合解析。
该工作突破了长期存在的单细胞三模态数据获取和跨尺度配准的技术瓶颈，为复杂脑功能解析和脑疾病机制研究提供了重要技术平台。
神经科学长期痛点：跨尺度模态数据割裂，形成“数据孤岛”
神经元的功能由其活动模式、基因表达、细胞形态及环路连接共同决定。理想的研究应是：在同一细胞上同时获取这三类信息。然而，受限于不同模态技术在样本处理、成像尺度上的巨大壁垒，现有技术大多只能分别获取单一模态信息。
近年来，国际上陆续建立了涉及“功能—分子”、“功能—结构”、“结构—分子”双模态整合技术。然而，“功能、结构、分子”三模态信息整合仍是神经科学研究中亟待攻克的核心技术瓶颈。包括中国“脑科学与类脑研究”重大项目和美国 NIH BRAIN Initiative 在内的国际脑计划，已在分子（细胞转录组）、结构（神经介观/微观联接）和功能（神经元活动记录）层面建立起庞大的数据库，这些海量数据在各自领域发挥着巨大作用，但彼此间割裂且碎片化，缺乏同一细胞水平的真实同源数据。
IMC 平台破局：打通从活体功能记录到原位分子检测的全链路
本研究建立的IMC平台正是为了攻克这一技术瓶颈，平台首次实现了在同一个神经元中获取跨尺度、可直接对齐且相互验证的多模态数据，真正实现了单细胞水平的高维信息整合。
图1 IMC平台的流程示意图
为建立IMC平台，研究团队打通了从活体功能记录、全脑形态重构到 3D 原位分子检测的技术链路。
活体功能记录
在清醒小鼠中进行在体双光子钙成像，记录初级视觉皮层（primary visual cortex， VISp）神经元对视觉刺激和面部运动的反应。
全脑形态重构
通过二次荧光标记、脑透明化和多平面并行化双光子显微成像（multi-plane two-photon microscopy， MP-TPM），在完整小鼠脑中重构同一批神经元的全脑轴突投射和局部树突形态。
3D 原位分子检测
利用双色编码膨胀荧光原位杂交技术 （dual-color hairpin-encoded Expansion-Assisted Iterative-FISH，2cEASI-FISH），在厚脑片中检测同一神经元的基因表达和RNA亚细胞定位。
自主核心底层技术：两大“利器”确保高精度配准
IMC平台的建立离不开两项由团队自主研发并已申请发明专利的底层技术：
多平面并行化双光子显微镜可在不切片的情况下，实现透明化全脑中单神经元形态的高分辨率追踪重构。
双色编码膨胀荧光原位杂交技术 2cEASI-FISH 可在厚脑片中，实现 mRNA 分子的超分辨定位检测，并将每轮基因检测通量提高至 6 个基因。
这些底层技术的创新，充分保留了样本在不同模态检测阶段的3D 空间信息和细胞形态，为跨模态整合所需的高精度重建与空间配准提供了坚实保证，从而彻底打通了连接活体功能记录、全脑形态重构和3D原位分子检测的关键技术链路。
重要发现：多模态特征互补，发现新神经元亚型依托IMC平台，研究团队以小鼠初级视觉皮层为切入点，获得了207个具有在体功能活动和形态信息的神经元，进一步获得了141个神经元的完整三模态数据集，包括皮层内投射神经元（intratelencephalic， IT）和锥体束神经元（pyramidal tract， PT），并取得了以下主要发现：
多模态互补优势明显：形态与分子共同预测功能
研究发现，神经元的全脑投射模式、局部树突形态、基因表达和 RNA 亚细胞定位等特征均包含与视觉响应相关的信息。多模态特征相结合，比单一模态能更准确地预测神经元的视觉响应类型，说明神经元功能身份由分子特征、细胞形态和环路连接共同塑造。
RNA亚细胞定位作为新分子特征：不仅看“有多少”，还看“在哪里”
借助 2cEASI-FISH 的超高分辨 3D 原位检测能力，研究团队不仅获得了基因表达量信息，还保留了单个RNA分子在细胞内的空间分布。结果显示，mRNA 的亚细胞定位模式本身构成了新的分子特征维度，可用于辅助区分不同投射类型和功能类型的神经元。
解析棋盘格响应神经元特征：投射特异，Rbp4 表达更高
对棋盘格刺激高度响应的PT神经元，在视觉皮层内部轴突投射较弱，且在丘脑区域呈现独特的投射分布；分子层面相较其他 PT 神经元而言，则具有相对较高的 Rbp4 表达。后续在 Rbp4-Cre 小鼠中的在体功能成像验证了该预测：Rbp4 表达富集的神经元中，棋盘格响应细胞比例显著升高。
识别新的神经元亚型：Vglut1+/Vip+ PT 神经元
将Vip基因表达水平与神经元胞体空间位置相结合，研究团队识别出一类此前未被充分认识的Vglut1+/Vip+ PT 兴奋性投射神经元亚型。这类神经元不仅对棋盘格刺激响应强烈，还对鼻侧运动的移动光栅表现特异性共激活反应，提示传统上常被视为抑制性神经元标记的Vip，也可用于定义兴奋性神经元的亚型。
未来展望：为跨尺度、多模态研究提供新范式和真实基准数据
该研究建立的IMC平台为单神经元多模态研究提供了新的范式。与传统方法相比，它使研究者能够从真实同源数据出发，分析分子身份、形态结构和功能响应之间的关系。未来，该平台可扩展到更多脑区、细胞类型和行为范式，用于解析任务相关计算、环路结构和分子身份之间的关系，也可用于研究脑疾病中特定神经元亚型的功能异常、联接改变和分子状态变化。
更重要的是，IMC平台产生的真实同源、跨尺度三模态数据，可作为评估和训练多模态整合方法的高质量真实基准（Ground-truth）资源。随着神经科学和人工智能交叉发展，如何将不同来源、不同尺度的数据可靠整合，已成为脑图谱研究、NeuroAI和精准神经医学的核心挑战。正如美国NIH BRAIN Initiative主任 John Ngai 近期发表的评论文章“Inventing the future： A neuroscience research roadmap”中所指出的，未来神经科学亟需建立能够整合分子、细胞、环路和行为的多模态、多尺度数据生态的脑知识库。本项研究开发的IMC平台，为将这一战略愿景转化为可操作的实验体系迈出了关键一步。“未来已来，只是尚未流行”，随着该三模态平台的逐步完善与向学界共享，其有望为脑图谱范式升级、复杂脑功能解码以及脑疾病干预注入强劲的新动力。
海量资讯、精准解读，尽在新浪财经APP
责任编辑：石秀珍 SF183股指交易杠杆
文章为作者独立观点，不代表股票配资门户_配资平台查询_配资手机平台观点
