Nature Neuroscience | 人、鼠皮層錐體神經元的樹突，到底哪里不同？

認知神經科學前沿文獻分享

基本信息

Title:A framework for comparative analysis of human and mouse cortical neuron dendrites in corresponding brain regions

發表時間:2026-07-14

發表期刊:Nature Neuroscience

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

哺乳動物皮層神經元形態的數字重建在過去十幾年里已經積累到了相當可觀的體量：從小鼠fMOST全腦成像到人類外科標本的單細胞注射，公開可用的形態數據正快速膨脹。一個自然出現的問題是，那些主要在鼠腦里總結出的形態規律——分支密度、分支階數、空間拓撲——在人類皮層中是否依然成立？更進一步說，鼠與人腦之間的形態差異，究竟是單純的尺寸放大，還是存在組織原理層面的分異？

這個問題的難點并不在數據量，而在于比較本身。人和鼠腦的解剖框架完全不同：鼠腦皮層是平滑的，人類皮層布滿溝回；功能劃分也并非一一對應；不同物種腦圖譜的分辨率、可比性差異巨大。過去基于少數神經元或單一腦區的對比研究，往往缺乏對區域對應關系的嚴格定義，也沒有對整體尺寸進行歸一化，這使得跨物種比較常常停留在描述層面，難以判定觀察到的差異究竟反映了生物學分異還是技術或采樣偏差。

這篇發表于Nature Neuroscience的工作，正是要正面解決這三條瓶頸。作者團隊搭建了一套端到端的可擴展框架：先把人和鼠的單神經元樹突重建放到各自標準腦模板中，再通過解剖注釋、功能對應與轉錄組數據三重證據確定可比的皮層區域，最后在size-normalized的形態特征空間里進行系統比較。數據集的規模本身已經回答了一部分問題——16,011個小鼠皮層神經元與2,363個人類皮層神經元，覆蓋額、頂、顳三葉的多個對應區域。

實驗設計與方法邏輯

文章的整體邏輯可以概括為四步流水線，對應Fig. 1a的S1–S4。S1是腦圖譜對齊：小鼠用mBrainAligner配準到Allen CCFv3，人類用同一工具配準到ICBM 2009c非線性模板，由此獲得每個重建神經元在各自標準空間中的坐標。S2是神經元建模：小鼠fMOST圖像經APP2自動追蹤后由CAR眾包系統校對，人類組織則通過Lucifer Yellow單細胞注射結合ACTomography雙光子成像獲取，采樣區域集中在23例外科切除標本的皮層。S3是區域對應：先用神經解剖學家注釋建立粗略對應，再用MERFISH/snRNA-seq的細胞類型組成相似度對區域對做遺傳驗證，得到帶confidence值的對應圖。S4是神經元比較：在50 μm球形鄰域內提取R50_前綴的局部形態特征，按soma直徑比對鼠神經元做線性縮放，消除整體尺寸差異后，再做分支拓撲、空間密度與分類可分性分析。

樣本規模需要單獨點出。小鼠側由100個全腦fMOST數據生成16,011個皮層神經元，其中6,606個為錐體神經元；人類側由23例患者產生2,363個神經元，其中1,052個為錐體神經元，2/3層與5層均有覆蓋。三個腦葉的神經元采樣數量基本均衡：FL約526個人類神經元、PL 334個、TL 192個；小鼠FL 1,296個、PL 2,556個、TL 670個。

核心發現

發現一：人和鼠對應皮層區域的遺傳相似度可被量化，區域對應不再是憑經驗

區域對應是跨物種比較的前提，但過去長期靠專家經驗，缺乏量化驗證。這篇工作的一個關鍵基礎，是把"哪些區域可以比"從經驗判斷升級為可計算問題。

作者整合了三套全腦轉錄組數據：小鼠MERFISH（1,166,147個細胞）、小鼠scRNA-seq（299,219個細胞）和人類snRNA-seq（648,730個細胞），篩選出1,013個同源基因后做跨物種整合與無監督聚類（Fig. 4a,b）。隨后用歸一化的細胞類型比例構建區域相關矩陣，用PCA+Pearson相關計算相似度，并定義confidence指標評估穩定性。結果在腦葉尺度上非常干凈——同一腦葉的人鼠對應區在相關圖上落在對角線高值區（Fig. 4c）；在區域尺度上也能看到清晰的對應，例如人類TTG對應小鼠AUD（Fig. 4d），人類SPL對應小鼠PTLp（Fig. 4d）。

Figure 4. Measurement of cross-species genetic correspondence based on cell type composition

這一步驟的價值不只是確認對應關系。作者專門引入integrated rank，用三種相似度指標（Pearson、cosine、Jaccard）的平均排序來篩選最佳匹配，避免了單一指標的偏差（Extended Data Fig. 4）。這種處理使得后續所有形態比較都能落到統計學穩健的"對應區域對上"，而不是寬泛的腦葉層級比較。

發現二：歸一化后的人類皮層神經元表現出更高的分支頻率與更短的分支間隔

這是文章最核心的形態學發現。乍看之下，人類神經元的總分支長度更高，但作者立刻指出，這主要來自整體尺寸的差異——人類神經元的soma直徑平均是小鼠的1.68倍（Extended Data Fig. 1d），整體尺寸放大就會拉長分支。因此，作者按soma直徑比對鼠神經元做了線性縮放，再重新比較。

Figure 1. A comparative framework of mouse?human cortical neurons along with dendritic morphometry

歸一化之后的圖景發生了顯著變化（Fig. 5a）。在低階非末端分支（BO2–BO5）層面，人鼠單分支長度分布的峰值差異很小，提示在基本信號傳遞單元上保守；而一旦進入整體分支拓撲，人類神經元在R50_鄰域內的bifurcation number（B_R50_Bifur Num，d = -1.9, P = 7.2 × 10?2）和total length（B_R50_Total Length，d = -0.95, P = 5.6 × 10?1）顯著高于小鼠（Fig. 5a，下半部分）。更細致看，BO1的分支數量和分支間隔的差異主導了這一結果（Fig. 5a），意味著人類神經元使用了更多、更密集的初級分支來快速分叉。

Figure 5. Cross-species morphometric analysis through multi-granular correspondence

在腦葉尺度上（Fig. 5b）以及具體的對應區域對（Fig. 5c）層面，這一規律都成立。其中MOs與SFG的差異最大（Fig. 5c），SFG神經元在分支豐富度上顯著超越對應的小鼠區域，作者推測這與人類高級執行功能和運動規劃能力的擴展有關。WGCNA進一步提示了幾個可能驅動這一形態差異的分子候選：人類SLIT2表達更高，可能參與組織化的樹突延伸；EPHA4在鼠側更高，可能抑制樹突過度延伸（Extended Data Fig. 7）。

Figure 7. Multimodal comparison of brain lobe separability in the human brain

發現三：人類皮層神經元在跨腦葉可分性上顯著高于小鼠，反映更明顯的區域特化

如果說發現二回答了"人和鼠單個神經元有什么不同"，發現三回答的就是"人和鼠的腦葉之間，形態分化程度有何差異"。

作者用五折交叉驗證的隨機森林分類器，以迭代加入mRMR篩選的特征來評估腦葉間可分性，用balanced accuracy和MJSD作為量化指標（Fig. 6a–c）。FL與PL這對組合上，人類神經元分類準確率約70%，小鼠僅約60%（Fig. 6a, d = 5.7, P = 9.5 × 10??）；PL與TL組合差距更明顯（d = -2.7, P = 2.9 × 10??）。

Figure 6. Neuronal classification accuracy and distributional differences in morphological features between lobes within species

更關鍵的是NDD分析：對41個形態特征在人和鼠之間做分布差異對比，FL–PL組合上有37/41個特征的人類差異大于小鼠，PL–TL組合為35/41，FL–TL組合也有27/41（Fig. 6a–c, 中部散點圖）。用mRMR篩選的top 5特征重復這一比較，結果方向一致：人類高差異的特征更多，且top 5特征在兩個物種間幾乎不重疊——小鼠的可分性主要由topological depth相關特征（如Max Branch Order、Branch Num）驅動，而人類主要由空間組織特征（如3D Density、Center Shift、Max Path Dist）驅動（Fig. 6a–c, 下部加粗文字）。

這意味著，人和鼠的皮層區域化在形態層面走的是不同路徑：鼠腦葉之間的形態差異更多由分支拓撲結構承擔，人類則更多由樹突在三維空間中的密度與排布承擔。FL與TL組合上人類神經元在小鄰域內反而比小鼠更相似（Fig. 6b），與之前一些基于全樹突野的結論形成對比，提示局部與全局形態分化方向可能不同。

發現四：多模態數據中，單神經元形態能復現部分腦葉分離度，但基因表達最強

形態學上的腦葉分離能否在其他生物學尺度上找到呼應？作者進一步用MJSD評估了分子、幾何、代謝與生理信號在人類腦葉間的分離度（Fig. 7）。

分子層面最強。人類excitatory神經元的細胞類型組成在FL/PL/TL之間產生最高的MJSD（5.76），而inhibitory群體分離度低得多（2.13）。這一分離度高于形態學（5.44），與Extended Data Fig. 9b的supercluster相關矩陣一致——不同腦葉的差異主要由excitatory神經元的類別分布貢獻。

Figure 9. Extended Data Fig

幾何層面較弱。皮層厚度與曲率指標在腦葉間僅有有限區分（Extended Data Fig. 8c），MJSD值遠低于分子與形態。代謝（CBF、CMRO?）信號（Extended Data Fig. 8b）和EEG/MEG生理信號（Extended Data Fig. 8a）表現出任務依賴性，靜息態下分離度普遍較低。

Figure 8. Extended Data Fig

這一組結果的意義在于，它把"皮層區域形態分化"放到了一個更大的坐標系里。形態學不是最強的分離信號，但能獨立地復現腦葉間的相對距離（圖7b,c中FL與TL的特征邊長、FL與PL的邊長差異），并能區分excitatory與inhibitory神經元在區域分化中的不同貢獻。

歸納總結和點評

這項工作的核心貢獻有三層。第一是方法學層面，它把跨物種皮層比較從經驗性區域匹配推進到基于解剖、功能、遺傳三重證據的量化對應框架，并把神經元形態放到統一的標準空間中。第二是數據層面，16,011個小鼠與2,363個人類皮層神經元的規模，配合23例人類外科標本的采樣，是目前公開數據中最系統的對照集。第三是科學發現層面，size normalization之后的人類皮層神經元并非鼠神經元的簡單線性放大，而是呈現出更高的局部分支頻率、更短的分支間隔，以及更顯著的跨腦葉空間組織差異。

需要做的克制評價是，這篇論文的形態比較集中在R50鄰域內的局部特征。作者明確指出，組織切片厚度、染料灌注深度與成像模態限制了人類神經元末端分支的恢復，因此他們聚焦于完全重建的非末端分支，這在方法論上是合理的，但也意味著末端分支的精細差異暫未被納入比較。此外，作者使用了轉錄組細胞類型組成來推斷區域對應，這一策略依賴于公開數據集（MERFISH/scRNA-seq/snRNA-seq）的質量與覆蓋，在某些區域（如運動皮層）受限于原始采樣的空間分辨率（Extended Data Fig. 2a）。形態學與遺傳學之間的因果鏈條目前仍是相關性的——WGCNA揭示的EPHA4、SLIT2等候選分子，仍需直接的擾動實驗驗證（Extended Data Fig. 7）。

更廣泛地說，這項工作為后續跨物種腦組織比較提供了一個可擴展的基線框架。它的結論并不指向"人類某個區域一定比鼠復雜"這種粗糙論斷，而是說，在size-controlled的局部形態空間內，人與鼠的差異主要體現在分支拓撲密度和空間組織兩個維度，且人側的區域特化更明顯——這一框架接下來可以接入非人靈長類、電生理數據與亞細胞特征，把腦演化梯度的描述推到更細的分辨率。

請打分

這篇剛剛登上 Nature Neuroscience 的研究，是否實至名歸？我們邀請您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評論區分享您的深度見解。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿