發展神經定序法分析果蠅神經網路圖譜

Abstract

序列相似的基因可能擁有相同的功能表現，同樣的具有相似型態的神經影像在訊息傳導方面也可能扮演相同的角色。因此比對神經影像型態將有助於我們更容易去建構一個完整的全腦神經網路圖譜。然而，具有三維結構的神經影像比對程序，顯然較基因的一維序列比對程序要複雜的許多，而且很難將此流程帶入一高通量篩選程序。因此為了解決這個難題，我們建構一個能將複雜的三維神經影像型態，轉換為如同基因一維序列的演算法。這個演算法提供神經影像型態上三個不同層次的資訊：一條簡易且具有神經訊息傳導路徑資訊的神經叢一維序列(Neuron Motif)、一條描述由神經細胞核所延伸之神經骨架與神經叢群交集的一維序列(Global Neuron Sequence)、一條能描述位於單一神經叢內神經突觸分佈狀況的一維序列(Local Neurite Sequence) 。經過這些轉換後，複雜三維神經影像比對就可以被較為簡單的一維序列比對所取代。特別的是這個演算法不僅可以比對位於同側或是異側腦中的神經影像,它亦可被用來比對別屬於不同性別腦中的神經影像。更進一步的，這個演算法可用來尋找具有同樣來源卻將訊息傳遞到不同的區域、來源不同卻將訊息傳遞到相同的區塊、或是尋找神經影像型態上可能的連結點。這些優勢都為建構神經網路圖譜過程提供了一個寶貴的捷徑。最後我們將這個演算法與上述功能應用於Flycircuit內約16,000個神經影像。這個網站將會是實驗學家在完成神經網路圖譜過程中的一大助力。

As sequence similarity can be used to suggest function to genes, clustering of neuron morphology may reflect a functional link between neurons. However, 3D neuron morphology comparison is much more time consuming than 1D sequence alignment and difficult to be carried out in a high-throughput screening procedure. Here, we created new representations of neuron morphology in the Drosophila brain to provide three levels of information: a sequential neuropilar pathway (Neuron Motif), a sequence representing neuron skeleton innervating neuropils (Global Neuron Sequence) and a neurite distribution within neuropilar subdomains (Local Neurite Sequence). Thus, 3D morphological comparisons became 1D sequence alignments. In a relative framework constructed, we found similar neurons disregard their lateralization or gender differences. Similar neurons may express different genes or sexual dimorphisms. Furthermore, mining divergence, convergence, or connectivity between neurons provides a valuable shortcut for mapping and manipulating circuits in a brain. A website for statistically handling massive neuron image was also constructed to excavate neurological insights together with anatomies. Finally, a website for statistically handling massive neuron image was also constructed to excavate neurological insights together with anatomies.