新しい脳画像システム、約200個のニューロンを同時追跡

研究者らが高速光学イメージングで生体脳活動のより深部へ

Nature Methods に掲載された新しいイメージング・プラットフォームは、生体組織内で約200個のニューロンの電気活動を同時に捉えることで、脳内の情報処理を研究する方法を広げる可能性がある。FlatMux と呼ばれるこのシステムは、特に脳の深部で、速く、微弱で、通常は大規模には観察しにくい信号を記録するよう設計されている。

この研究は、神経科学における長年の技術的課題に取り組むものだ。脳回路は、並列に計算を行う密なニューロン नेटवर्कによって機能しているが、既存の多くのツールは、一度に十分な数の細胞をサンプリングできない、十分な深さに到達できない、あるいは速い電気イベントを十分な忠実度で捉える速度がない。新しいプラットフォームは、これら3つの制約を同時に改善しようとしている。

提供された原文によると、FlatMux は1つまたは複数の平面から同時に約200個のニューロンの信号を記録でき、深さは最大500マイクロメートル、フレームレートは毎秒最大2000に達する。さらに、個々のニューロン活動を確実に検出するために必要なエネルギーを抑えつつ、毎秒1億5000万サンプルの走査速度を実現するとされる。

これらの性能数値が重要なのは、電気信号がきわめて短い時間スケールで進行するからだ。遅すぎる方法では重要なダイナミクスを見逃す可能性がある。十分な深さまで撮像できない方法では、皮質の重要な層を除外してしまうかもしれない。そして、一度に少数の細胞しか捉えない方法では、生体ネットワークにおける分散処理が実際にどのように機能しているかを明らかにするのが難しい。

なぜ電気活動の撮像は、ニューロンが光る様子を見るより難しいのか

神経科学者には脳を研究する多くの方法があるが、それぞれに利点と欠点がある。電極プローブは電気活動を直接検出できる一方で侵襲的であり、細胞の位置や同定を光学的に示すのと同じ視点は自然には得られない。蛍光に基づく光学法は空間情報を保てるが、歴史的には信号強度、速度、視野、あるいは撮像深度に制約があった。

Rockefeller のチームが縮めようとしているのは、まさにそのギャップだ。蛍光によって電気活動を直接撮像することで、研究者はニューロンがいつ活動しているかを見るだけでなく、それらのニューロンがどこにあり、どのような細胞タイプである可能性があるかも推定できる。理論上、同じ実験内で回路の挙動と解剖学的特徴、細胞同定を結びつけやすくなる。

この研究のより広い科学的動機は明快だ。脳機能を理解するには、単一細胞の記述を超えて、ネットワークレベルの説明へ進む必要がある。原文はこの問題をまさにそのような言葉で示している。長年、この分野の多くは個々のニューロンの応答特性に焦点を当ててきた。しかし、感覚、行動、認知は、層をまたぎ、空間をまたいで相互作用する大量の細胞集団から生まれる。

こうした関係をリアルタイムで捉えるのは困難だった。信号は弱く、組織は複雑で、撮像能力を上げると実用上も生物学上も制約が生じる。FlatMux は、単一ニューロンの活動検出にかかるエネルギーコストを下げる一方で、走査戦略を迅速に多数のニューロンへ広げることで、こうした制約の最適化を目指しているようだ。

FlatMux が可能にしそうなこと

原文資料で最も重要なのは、単にプラットフォームが速いという点ではない。感度、速度、深さの組み合わせによって、機能的につながり、因果的に相互作用するニューロンをマッピングできるかもしれないという点だ。この違いは意味が大きい。多くの実験は相関を示せるが、生きた脳組織で活動が回路内をどのように伝播するかを解き明かすには、現実的な条件下で多くの関連細胞を同時に観察できるツールが必要だ。

もしこのシステムが記載どおりに機能するなら、研究者は小さな細胞集団の断片的なスナップショットを見るのではなく、情報パターンが皮質層をまたいでどのように移動するかを研究し始められるだろう。それは感覚処理、ネットワーク動態、そしてニューロン集団が協調して行動を生み出す仕組みの研究を支える。

ここでは深さが特に重要だ。500マイクロメートルまで撮像できるということは、多くの光学的手法が無理なく扱える範囲よりも表面下の活動を観察できることを意味する。これにより、最も浅い構成要素だけでなく、皮質組織の複数層にまたがる相互作用を捉えられる可能性が高まる。

また、1つまたは複数の平面を同時に扱えるという報告も重要だ。神経計算は本質的に3次元であり、重要な相互作用は1枚の平坦な断面にきれいに並ぶわけではない。高速度を維持しながら複数平面をサンプリングできるプラットフォームの方が、実際の回路構造をよりよく表現できる。

単一ニューロン神経科学から分散計算へ

Rockefeller の神経技術・生物物理学研究所を率いる Alipasha Vaziri は、原文で、この分野が脳を個別の応答特性の集合として理解する段階から、高度に相互接続された分散計算システムとして理解する段階へ移行しつつあると述べている。これは概念的な変化であると同時に、技術的な変化でもある。

ツールは理論を形づくる。少数のニューロンしか十分には監視できない方法では、自然な分析単位は単一細胞になる。計測機器が向上すれば、分析単位は回路、層、あるいは分散ネットワークへと移ることができる。FlatMux は、生体組織における大規模な電気活動撮像をより実用的にすることで、その移行を後押ししうるツールとして提示されている。

ただし、それで難問が解決したわけではない。観察精度が上がっても、自動的に脳計算の完全な理論になるわけではない。しかし、実験的に扱える問いの種類は変えられる。研究者は、相互接続されたニューロン集団を通過する際に情報がどのように変換されるのか、活動パターンがどのように同期または分岐するのか、特定の細胞タイプが共有計算にどう寄与するのかを、より問いやすくなるだろう。

幅広い研究的意義を持つ技術進歩

この研究は、光学神経技術における基準的なプラットフォームとして位置づけられている。今後の研究でもそれが裏付けられれば、その価値は一つの研究室にとどまらない。速度、規模、深さのトレードオフを改善する手法は、特にシステム神経科学において、さまざまな実験を可能にする基盤となることが多い。

現時点での重要なポイントは、研究者らが、従来の同等の光学的手法よりもはるかに多くのニューロンから、より深く、より速く電気活動を撮像する方法を示したことだ。膨大な数の相互接続したニューロンがどのように協調して計算するのかを理解することが中心課題である分野において、これは意味のある一歩だ。

脳は依然として、その本来の条件のまま観察することが難しい。しかし、生体組織内で約200個のニューロンを同時に追跡し、空間的および細胞種の文脈を保てるプラットフォームは、認知が孤立した部分ではなく回路からどのように立ち上がるのかを、科学者により明確に示すかもしれない。それが FlatMux の約束であり、この技術的進展が単なる段階的なイメージング改良以上のものとして際立つ理由だ。

この記事は Medical Xpress の報道に基づいています。元記事を読む。