Nat子刊丨腦圖譜再升級！Nian Wang團隊通過AI助力磁共振生成10微米分辨率全腦神經元地圖

在臨床與科研中，磁共振成像（MRI）早已是觀察腦結構的常規手段，但始終停留在大體解剖層面，無法直接區分細胞類型。有沒有可能讓MRI看見神經元類型？

擴散磁共振（dMRI）可捕捉腦組織內水分子擴散特征，以此反推細胞密度、神經元突起、髓鞘等微觀組織特征，這一特性是否可用于精準判定神經元細胞亞型？

2026年7月7日，美國德克薩斯大學西南醫學中心Nian Wang教授團隊（聯合杜克大學、普渡大學、印第安納大學等）在《Communications Biology》上發表研究“High-resolution mri guided whole mouse brain neuronal cell type atlas using deep learning”。

該研究整合高分辨率擴散磁共振成像、三維光片顯微鏡與空間轉錄組數據，在艾倫小鼠腦通用坐標框架下構建了多模態融合深度學習模型 MFNet，實現了 10 微米各向同性分辨率的全腦神經元細胞類型預測，生成了完整連續的小鼠全腦神經元圖譜，驗證了擴散成像對細胞類型的預測效能，為腦科學多尺度研究提供了全新技術路徑。

如何讓MRI識別神經元類型？

擴散MRI（dMRI）：通過檢測水分子擴散規律，間接反映細胞密度、神經纖維走向等微觀結構。

研究采集了 45 微米分辨率的離體小鼠腦 dMRI 數據，擬合出 DTI、DKI、NODDI、SANDI 四類擴散模型共 14 項量化指標；同時將 dMRI、光片顯微鏡影像與艾倫腦細胞圖譜的空間轉錄組數據全部配準到統一坐標框架中，配準精度 Dice 系數達 0.96。團隊構建了多擴散 MRI 融合網絡 MFNet，結合多尺度卷積神經網絡與 Transformer 提取特征，并采用腦區分層策略，按興奮 / 抑制神經元共存水平分 3 個分區訓練，有效提升了分類精度。

因此，多模態配準（Dice=0.96）+深度學習MFNet，建立了dMRI→細胞類型的預測框架。

神經元類型預測性能系統驗證

研究以轉錄組細胞類型標簽為金標準，通過留 5 組切片交叉驗證評估性能。

結果顯示，MFNet 效果顯著優于基線模型，分腦區訓練相比全腦統一模型進一步提升精度。全腦范圍內，興奮與抑制神經元的鄰域級預測加權準確率分別達 97.8% 與 98.6%，細胞類級準確率分別為 88.6% 與 82.6%；海馬、皮層等腦區準確率同樣處于較高水平。 與僅用解剖位置的模型相比，加入 dMRI 特征后神經元類型預測準確率提升 12%~15%，說明 dMRI 的微觀信息能區分同一腦區內共存的不同神經元。UMAP 可視化證實分腦區后細胞聚類更清晰；特征分析顯示，SANDI 模型的胞體信號占比（Fsoma）與神經突起信號占比（Fneurite）是貢獻最高的指標。

影像 - 轉錄組關聯與全腦圖譜生成

研究分析了 14 項 dMRI 指標與 500 個測序基因的空間表達關聯，結果顯示少突膠質細胞相關基因與 DKI、各向異性分數等指標顯著正相關，神經元標記基因與 Fsoma、Fneurite 呈強相關，證實 dMRI 信號能反映細胞分子層面的特征差異。

在此基礎上，研究通過 NeuN 染色的光片數據分割出全腦神經元位置，將訓練好的模型應用于全腦體素，生成 10 微米分辨率的全腦神經元圖譜。與原圖譜相比，該圖譜補全了 34% 的缺損切片，覆蓋全腦 1320 個冠狀切面，形成連續三維體積；抑制性神經元的分布與原位雜交金標準的吻合度，優于傳統插值結果。

因此，dMRI信號與神經元/少突膠質細胞基因表達顯著相關，驗證了其生物學有效性；生成的10μm全腦圖譜補全了34%缺損切片。

解讀：傳統細胞圖譜依賴測序，軸向分辨率低、覆蓋不完整。本研究生成的10微米分辨率全腦圖譜，覆蓋完整三維體積，為神經環路解析提供了前所未有的高精度基礎資源。

全文總結

本研究建立了“高分辨擴散成像-深度學習-光片顯微成像”的全腦神經元分型技術體系，突破了傳統細胞圖譜依賴測序、軸向分辨率低、覆蓋不完整的局限，從分子與結構層面驗證了 dMRI 預測細胞類型的生物學有效性，生成的高精度全腦神經元圖譜為神經環路解析、腦發育機制與神經疾病模型研究提供了重要的基礎資源與技術支撐。

小編寄語：

磁共振成像，在臨床中常用于診斷腫瘤、出血、萎縮。

這項研究，讓AI學會了讀懂MRI信號里的微觀信息，無需熒光示蹤劑、無需離體腦組織切片，僅憑擴散MRI就能預測出全腦每個體素里的神經元類型，準確率超過88%。

人工智能賦予影像解析微觀細胞的能力，未來有望實現無創檢測活體人腦內神經元的種類與空間分布，為揭示各類神經疾病底層細胞病理機制，開辟一條顛覆性的全新研究路徑。

https://doi.org/10.1038/s42003-026-10608-y

歡迎轉發分享