Atlas mózgu marmozety Brain/MINDS 2.0: populacyjna parcellacja kory z szablonami multimodalnymi

Dlaczego mózg małego małpiszona ma znaczenie

Pospolita marmozeta to małpa o niewielkich rozmiarach, ale jej mózg zaskakująco przypomina nasz pod względem organizacji i połączeń. Badacze coraz częściej wykorzystują marmozety do studiowania schorzeń takich jak choroba Alzheimera i związane z wiekiem osłabienie funkcji mózgowych, ponieważ eksperymenty niemożliwe do przeprowadzenia u ludzi można bezpiecznie wykonać na zwierzętach. W artykule przedstawiono nową, wysokoprecyzyjną trójwymiarową mapę mózgu marmozety, nazwaną Brain/MINDS Marmoset Brain Atlas 2.0 (BMA2.0). Zapewnia ona wspólny system odniesienia, dzięki któremu dane z wielu laboratoriów, aparatów i eksperymentów można porównać i połączyć — to istotny krok w kierunku zrozumienia, jak działają mózgi naczelnych i jak zawodzą w chorobie.

Od jednego mózgu do obrazu populacyjnego

Wcześniejsze atlasy mózgu marmozety zwykle powstawały na podstawie jednego osobnika. To podobne do próby zrozumienia „typowej” ludzkiej twarzy na podstawie jednego zdjęcia: pomija naturalne różnice w rozmiarze, kształcie i drobnych szczegółach. BMA2.0 zamiast tego uśrednia informacje pochodzące od wielu osobników — 91 skanów MRI ex vivo (pośmiertnych), 446 skanów MRI in vivo (u żywych marmozet) oraz szczegółowych barwień tkankowych z 10 mózgów. Starannie wyrównując wszystkie te mózgi w jednym układzie współrzędnych, atlas uchwycił najbardziej typowy układ zagięć i obszarów, wygładzając przy tym osobnicze odmienności. Efektem jest symetryczny szablon oparty na populacji, który lepiej odzwierciedla wygląd przeciętnego mózgu marmozety.

Warstwowe spojrzenia na strukturę mózgu

Aby podzielić mózg na sensowne części, zespół połączył kilka typów obrazów. Wysokorozdzielcze barwienie mielinowe uwypukla „okablowanie” mózgu, podczas gdy barwienie Nissla pokazuje rozmieszczenie ciał komórek. MRI ex vivo i in vivo dostarcza pełnego pokrycia mózgu podobnego do tego używanego w szpitalach ludzkich. Korzystając z tych kontrastów razem, eksperci ręcznie wyznaczyli 117 obszarów w zewnętrznej „istocie szarej” na półkulę oraz dopracowali 156 struktur głębokich i 45 regionów móżdżku. Zaawansowane oprogramowanie do rejestracji oraz modele sztucznej inteligencji posklejały następnie tysiące dwuwymiarowych plastrów tkankowych z powrotem w spójne objętości 3D, dopasowały je do MRI i uśredniły między zwierzętami. Końcowy atlas dzieli każdą półkulę na 323 regiony i zawiera mapy płaskie oraz modele powierzchniowe, które pozwalają naukowcom wizualizować korę tak, jakby została rozłożona na płaszczyźnie.

Sprytne algorytmy w tle

Stworzenie tak szczegółowego atlasu jest technicznie wymagające. Plastry tkanki mogą się odkształcać, kolory barwień różnią się między metodami, a obrazy z różnych skanerów nie pokrywają się same z siebie. Aby temu zaradzić, autorzy użyli współczesnych algorytmów rejestracji obrazów wraz z narzędziami głębokiego uczenia. Jedna sieć uczy się przekształcać obrazy Nissla w obrazy przypominające mielinę, tak by dwa bardzo różne barwienia stały się bardziej porównywalne. Inna sieć uczy się zaznaczać granice między korą, strukturami głębszymi i tłem, dostarczając dodatkowych „punktów orientacyjnych”, które pomagają rejestracji ustabilizować położenie struktur. Aby zapewnić, że regiony podążają naturalnym, kolumnowym kierunkiem kory, zastosowano matematyczne podejście oparte na równaniu Laplace’a, które śledzi linie przepływu od zewnętrznej powierzchni mózgu w dół do istoty białej, przypisując każdy mały element objętości najbardziej prawdopodobnemu regionowi wzdłuż tych ścieżek.

Łączenie anatomii z funkcją

BMA2.0 to więcej niż statyczne zdjęcie; zaprojektowano go tak, by łączył strukturę z aktywnością. Autorzy pokazują, że gdy używają obszarów atlasu do podsumowania sygnałów fMRI w stanie spoczynku u czuwających marmozet, wzorce aktywności w czasie są bardziej spójne między sesjami i zwierzętami niż przy dzieleniu mózgu na arbitralne, oparte na odległości kawałki. Opracowali także populacyjny mapę połączeń istoty białej wykorzystując MRI dyfuzyjne z 126 zwierząt i porównali ją z odrębnym zbiorem danych z wstrzyknięciami tracerów, które śledzą rzeczywiste aksony. Dwie niezależne mapy dobrze ze sobą współgrają, co wspiera tezę, że atlas odzwierciedla biologicznie istotne połączenia. Ponieważ BMA2.0 można przetłumaczyć na układy współrzędnych kilku innych atlasów marmozety, działa on również jako węzeł umożliwiający scalanie danych z przeszłości i przyszłości.

Co to oznacza dla badań nad mózgiem

Dla osób niebędących ekspertami kluczowy przekaz jest taki, że BMA2.0 daje naukowcom znacznie bardziej wiarygodną „mapę geograficzną” mózgu marmozety, opartą nie na jednym osobniku, lecz na populacji i wielu metodach obrazowania. Ułatwia to porównywanie wyników między badaniami, wiązanie drobnej anatomii z sygnałami mózgowymi i zachowaniem oraz badanie, jak choroby i terapie przekształcają sieci mózgowe. Ponieważ marmozety są bliskimi krewnymi ludzi i są już szeroko stosowane w badaniach starzenia się i demencji, atlas powinien pomóc w przenoszeniu odkryć z małych małp na ważne pytania dotyczące ludzkiego mózgu.

Cytowanie: Gong, R., Ichinohe, N., Abe, H. et al. Brain/MINDS Marmoset Brain Atlas 2.0: Population Cortical Parcellation With Multi-Modal Templates. Sci Data 13, 274 (2026). https://doi.org/10.1038/s41597-026-06601-z

Słowa kluczowe: atlas mózgu marmozety, populacyjne neuroobrazowanie, multimodalne MRI, parcellacja kory, connectom naczelnych