转自：中国科学报

过去一段时间里，中国科学院院士、海南大学校长骆清铭团队一直在从事一项“人口普查”工作。“普查”范围是动物的大脑，涉及的“人口”则是大脑中数以亿计神经元细胞。

“大脑是自然界最复杂的生物网络系统，神经元的精准定位与组织模式是构建神经环路、保障大脑正常生理功能的核心。但长期以来，受技术条件等的影响，学界对细胞在全脑范围内的空间分布特征、组织规律及功能关联性始终缺乏系统性认知。”接受《中国科学报》采访时，骆清铭如此解释。

骆清铭团队的工作就是要搞清楚这些神经元细胞在大脑中的精确定位与分布。

不久前，相关工作迎来了突破——借助自主研发的全脑细胞架构解析平台，该团队成功获取了小鼠全脑的连续高分辨率图像，相关图像达到了前所未有的清晰度和数据完整性。其成果已经发表于《自然·通讯》。

不同的“普查手段”

将这份工作与“人口普查”联系在一起的，是骆清铭团队成员、海南大学生物医学工程学院教授李安安。

“众所周知，动物大脑中存在海量的神经元细胞。”李安安说，这些神经元细胞在大脑中的位置，以及脑区内部神经元细胞的种类和数量，对于大脑活动都有着重要影响。但也正是因为大脑结构的极端复杂性，对于神经元细胞的具体情况，目前的科学界还没有很清晰的认知。

“这就好比一个国家内部，不同省域、市域乃至县域居民的民族、性别、年龄结构等缺乏准确数据掌握。这显然不利于整个社会的有序治理。”李安安说，要解决这一问题，需要进行一场细致的“人口普查”。

在国际范围内，目前存在一些相关的“人口普查”手段，近些年引起很多人关注的空间转录组测序技术便是其中的一个代表。作为一种新型的组学研究技术，该技术在通过测量大脑内部每个点上的细胞基因序列，可以得到整个脑部范围内的神经元细胞分布情况。

不过，该项技术也有一些不足。

“最大的问题是测量精度不足。”海南大学生物医学工程学院教授李向宁告诉《中国科学报》，这就好比在一场“人口普查”中，该技术只能将市域范围作为最小普查单元，不能准确测量出某个县的人口组成情况。

骆清铭团队的做法却不相同。

“我们的做法类似于利用经纬线，将普查区域（大脑）划分成为等距的小方块，然后再去分析每个小方块中，居民的性别、年龄、民族……”李向宁说，当所有区域的信息都掌握后，他们再将信息融合在一起，从而形成一个完整的“人口分布图”。

这项技术的优势在于能大幅提升神经元细胞分布图的清晰度和数据完整性。“依然以‘人口普查’作为类比，如果传统方式只能获得‘市域’范围的分析图的话，借助我们的技术以及平台，可以获得‘县域’乃至于‘村域’的人口分布图。”骆清铭说。

只不过，此处的“人口”并非“全国人口”。

“全覆盖”与“挑重点”

正如前文所言，以空间转录组测序技术为代表的传统方式，其特点可以归结为“广度”占优而“精度”不足，而骆清铭团队的方式则恰恰相反

具体来说，动物大脑中的神经元细胞有着各种不同的类型，如果将这种差异性比作居民中存在不同姓氏的话，传统的“普查”方式是要统计所有姓氏的具体情况，这显然意味着巨大“工作量”。

相比之下，骆清铭团队的方式则倾向于瞄准某几个“大姓”，全面而详实地记录这些“姓氏”在普查范围内的所有精确信息。

“对于大脑中神经元细胞究竟有多少种，目前没有定论，但现代神经科学研究中，哪些种类的神经元细胞最受重视，被研究和使用的频率更高？这个答案却并不难找。”李安安说。

最终，研究团队选取了20种关键类型的脑细胞进行研究和统计。经过多年努力，他们不仅成功绘制出这20种细胞的全脑三维分布图，还实现了对脑内所有单个标记细胞的清晰识别，并能将其精准映射到参考脑模板中。

“这相当于我们在‘人口普查’中，不仅获得了这些‘大姓’在每个县乃至每个村子的详细分布比例、人口数量等精确信息，同时也绘制出某个单一‘姓氏’在全国的详细分布图，甚至可以精确定位某一个被标记的‘居民’个体。”李安安说。

骆清铭表示：“这项成果填补了全脑单细胞分辨率分布图谱的国际空白，推动脑科学研究从传统‘宏观描述’阶段迈向精准化‘精细解析’阶段。”

“工具书”的作用

在研究中，团队成员发现在已知脑区内，还可能存在某种独特的三维组织模式，这也许意味着大脑可能存在更精细的功能分区。

此外，通过全脑尺度的信息学整合分析，他们还发现大脑皮层整体偏向“兴奋性”神经信号，小脑则偏向“抑制性”神经信号。这种平衡机制的发现，为脑疾病的研究提供了新的视角。

“需要注意的是，这些发现是建立在对20种关键类型脑细胞的统计和研究基础上的，但并不意味着我们只能统计这20种细胞。”骆清铭表示，团队构建的研究平台以及相关的共享数据集，将支持科研人员对其他类型脑细胞进行统计与分析。

这意味着，这幅由不同的脑部神经元细胞组成的“人口普查图”，还将继续扩大规模，扩充内容。对于脑神经研究来说，这无疑有着重要的意义。

“简单举例，如果有科研人员想研究多巴胺能神经元，他便可以先在我们的数据平台中，查询此类神经元细胞在不同脑区的分布情况和具体数量，再根据这些数据设计相关实验。”李安安说，如果研究人员在实验中观察到神经元细胞数量与查询到的数量不符，则很有可能意味着其实验设计存在某些问题。

“从这个角度上看，我们的成果其实起到了某种科研‘工具书’的作用。”他说。

除脑神经科学外，这部“工具书”还能在其他领域体现其独特的价值。

以人工智能为例，李安安表示，仿人脑技术通过模拟人脑神经网络结构与信息处理机制，可以构建具备低功耗、低功耗、自适应等特征的计算系统。但要模仿大脑，首先需要明确大脑的神经元细胞分布情况。“我想，该领域的研究人员看到我们的研究成果后，应该会感到非常兴奋。”李安安笑着说。

对此，骆清铭表示，虽然目前的研究成果足以令人兴奋，但针对神经元细胞精准定位与组织模式的研究仍处于起步阶段。“目前，我们仅仅解决了不同神经元细胞的空间定位问题，但诸如神经元之间的信息传递方式等问题，依然有待我们进一步探索，在这方面，我们还有很多工作要做。”

相关论文信息：https://doi.org/10.1038/s41467-025-65238-5