单细胞水平大脑神经元形态调控分子机制研究

The mammalian brain is built from a large number of specialized neuronal cells with different morphology features and molecular markers. The structure of neuronal morphology plays fundamental roles in its synaptic integration and network connectivity. Therefore, dysregulation of neuronal morphology will attenuate its function and cause diseases such as autism disease and mental retardation. Although it is well known that the neuronal morphology is mainly regulated by their internal factors such as gene expression, the molecular basis regulating structures of different neuronal subtypes remains obscure. In this study, we will first combine single-cell level neuron transcriptional and morphological data in order to find the morphology features highly correlated genes. Then we plan to construct the neuronal morphology related gene regulation network using weight gene correlation network analysis. We will validate the morphological and connectivity regulation functions of candidate genes using transgenic mice and neuronal morphology three-dimensional (3D) reconstruction technology. Our study will not only help us reveal the molecular mechanism regulating the morphology structures of different neuronal subtypes, but also shed lights on exploring new target controlling neuronal connectivity.

哺乳动物的大脑中包含上千种具有不同形态和基因表达特征的神经元。神经元的形态与其功能紧密相关，形态的异常往往会影响神经元之间的连接，并导致如自闭症和智力低下等神经系统疾病。虽然已知神经元的形态结构主要由基因表达等内部因素调控,但不同种类神经元的形态特征在转录组水平上的遗传学基础仍是待解之谜。本研究计划首先通过深入挖掘已知大脑神经元单细胞转录组和形态组数据,建立相关模型筛选出与神经形态高度相关的候选基因并构建形态相关基因调控网络，随后利用转基因小鼠和神经元形态三维数字重构等技术验证候选基因对大脑神经元形态以及神经连接的调控作用。我们的研究将不仅可以在转录组水平上揭示调控不同种类大脑神经元形态结构的遗传学机制，还能为寻找控制大脑神经回路的分子靶点提供新的思路。

为了揭示控制不同种类神经元形态参数的基因和基因控制神经元形态的分子机制，我们分析了小鼠，猕猴和人类大脑各个区域的多种不同神经元亚类的基因表达的特征，并开发了可以对神经元进行分类的生物信息学工具，在本研究中，我们：.1..分析了超过 280,000 个细胞的单细胞 RNA-seq 数据以及人类大脑发育过程各个时间节点的转录组，并描绘了食蟹猴大脑初级视觉皮层的14,000多个单细胞的基因表达谱，分析了不同物种大脑细胞在进化上的保守性，为后期寻找物种特异性神经类型相关基因打下基础。.2..为了挖掘大脑神经元亚类的单细胞转录组数据，并鉴定神经元身份相关基因，我们开发了一种机器学习原理的细胞类型分类方法DTNB（Decision Tree & Naïve Bayes, DTNB），该方法可以通过学习神经元亚类的单细胞转录组及形态特征数据，找出神经元类别相关基因，训练出神经元类别相关基因表达模式，并预测新的神经元的细胞类别。该方法在跨实验批次，跨脑区的大脑单细胞转录组数据中获得了较高的准确性。该方法将有利于我们更方便及高通量的筛选神经元的分子以及形态特征。.3..利用荧光显微光学断层成像（fluorescence Micro-optical sectioning tomography, fMOST）和smart-seq技术，我们描绘并记录了来自同一个标记神经元的形态和转录组表达。我们在标记神经元的单细胞中最多检测到了500个基因，为后期直接寻找神经元形态相关基因做出了铺垫。