Il cervello è costituito da miliardi di cellule nervose. Per comprendere questa complessa rete, è necessario esaminare con precisione come queste cellule nervose sono disposte e connesse. "LICONN", un nuovo metodo di microscopia sviluppato dagli scienziati dell'Istituto di Scienza e Tecnologia Austriaco (ISTA) e da Google Research, aiuta a ricostruire questo puzzle biologico. Il metodo si basa su microscopi ottici disponibili in commercio e utilizza l'idrogel e il deep learning.
I microscopi ottici sono in fase di sviluppo da secoli. Permettono agli scienziati di illuminare le strutture biologiche più complesse, letteralmente e metaforicamente. Tuttavia, svelare i dettagli intricati e l'architettura del cervello rimane un compito apparentemente impossibile, nonostante miliardi di neuroni densamente raggruppati, ciascuno connesso ad altre cellule tramite migliaia di sinapsi. Una nuova pipeline di microscopia chiamata "LICONN" (connettomica basata sulla microscopia ottica), sviluppata presso l'Istituto austriaco di scienza e tecnologia (ISTA), offre ora una svolta.
LICONN è la prima tecnologia, oltre la microscopia elettronica, in grado di ricostruire il tessuto cerebrale con tutte le connessioni sinaptiche tra i neuroni. Permette di visualizzare non solo la struttura dei neuroni, ma anche complessi meccanismi molecolari, il tutto utilizzando microscopi ottici standard.
LICONN è la più recente tecnica di microscopia del gruppo Danzl. Funziona come un meticoloso tassello di un puzzle, ricomponendo le complesse reti cerebrali assemblando i più sottili processi neuronali e collegando correttamente ogni connessione sinaptica al neurone corrispondente. "Fino ad ora, questo non era possibile con nessuna tecnica di microscopia ottica", afferma Johann Danzl, medico e fisico, ora professore all'ISTA. "Sviluppare una pipeline di questo tipo per la ricostruzione del tessuto cerebrale è un obiettivo di lunga data del nostro gruppo. E LICONN ci riesce inserendo molecole specifiche nel contesto della ricostruzione strutturale."
La particolarità di questa tecnica è che l'immagine viene acquisita utilizzando un microscopio standard disponibile in commercio, molto veloce e che consente l'imaging multicolore. La tecnica può essere replicata ovunque nel mondo, poiché i ricercatori non necessitano delle apparecchiature all'avanguardia e costose richieste dagli attuali approcci alla ricostruzione del tessuto cerebrale. Per raggiungere questo livello di dettaglio, la risoluzione deve essere eccezionalmente elevata, nell'ordine di poche decine di nanometri, ovvero 10.000 volte inferiore allo spessore di un capello umano.
Per LICONN, il team ha sfruttato le proprietà chimiche e fisiche dell'idrogel, una rete polimerica tridimensionale. L'idrogel ha proprietà simili a quelle dei pannolini per bambini: può assorbire acqua e quindi gonfiarsi, ma lo fa in modo molto controllato.
Il tessuto cerebrale da esaminare è incorporato in questo idrogel. "I componenti cellulari si legano all'idrogel, trasferendo la fine ultrastruttura delle cellule al gel e preservandola per l'osservazione al microscopio", spiega Danzl. Prima dell'imaging, le strutture vengono espanse aggiungendo acqua al materiale. Questo fa sì che il gel si espanda in tutte le direzioni, preservando la disposizione relativa delle strutture tissutali con estrema precisione.
In confronto, i microscopi ottici convenzionali sono in genere limitati a una risoluzione di circa 250-300 nanometri. Sebbene questa sia sufficiente per visualizzare strutture cellulari più grandi, non è sufficiente per ricostruire tessuti cerebrali densamente compatti. "Espandendo l'idrogel, le strutture del tessuto cerebrale vengono separate a tal punto da poterle distinguere con un microscopio ottico standard. Questo metodo aumenta la risoluzione effettiva di 16 volte, raggiungendo una risoluzione superiore a 20 nm", spiega Tavakoli.
Non solo neuroscienze e chimica sono state integrate in questo progetto. Anche i metodi informatici hanno svolto un ruolo cruciale nello sviluppo della pipeline. Le immagini microscopiche hanno portato all'acquisizione di numerosi punti dati. La complessità dei set di dati riflette quindi la complessità del cervello.
Pertanto, sarebbe troppo laborioso interpretare e ricostruire manualmente tutte le strutture neuronali su larga scala. Per questo motivo, gli strumenti di deep learning di Google Research sono stati addestrati per segmentare le singole cellule nel tessuto. "Automatizzando l'identificazione dei neuroni e delle loro complesse strutture su larga scala utilizzando l'intelligenza artificiale, l'arduo compito di ricostruire tutti i componenti cellulari è diventato praticamente gestibile", spiega Viren Jain di Google Research. "La capacità di visualizzare simultaneamente molecole specifiche fornisce una nuova dimensione informativa".
Julia Lyudchik, dottoranda e informatica del gruppo Danzl, ha svolto un ruolo cruciale nell'interpretazione dei complessi set di dati. "Grazie all'altissima risoluzione dei dati, è stato possibile rilevare automaticamente le connessioni sinaptiche tra i neuroni e trasformare i dati grezzi delle immagini cerebrali in mappe di connettività dettagliate. Questa è una sfida complessa per l'elaborazione delle immagini", spiega Lyudchik. "Inoltre, i metodi dovevano essere efficienti e scalabili, poiché anche una piccola porzione di tessuto cerebrale può contenere decine di migliaia di connessioni sinaptiche".
LICONN consente di mappare la posizione di specifiche molecole nelle ricostruzioni neuronali, ad esempio quelle coinvolte nella trasmissione del segnale tra neuroni a livello delle sinapsi. Poiché le visualizzazioni sono strumenti potenti per rendere i dati scientifici complessi più accessibili e interpretabili, Lyudchik ha anche sfruttato il suo talento artistico per creare rappresentazioni 3D dettagliate della rete cerebrale.
Utilizzando questo approccio completo, gli scienziati possono ricostruire meticolosamente il tessuto cerebrale e visualizzare connessioni e reti neurali. L'interazione tra esperimenti e analisi provenienti da varie discipline – dall'imaging e dagli esperimenti dell'ISTA, all'applicazione di tecnologie avanzate di deep learning presso Google Research, all'analisi computazionale dell'ISTA – porta a visualizzazioni 3D dell'architettura cerebrale a un nuovo livello di complessità. "LICONN ci avvicina di un passo alla ricostruzione dei pezzi del puzzle del cervello dei mammiferi e alla comprensione del suo funzionamento sia in condizioni di salute che di malattia", riassume Danzl.
Leggi anche
Come il cervello controlla i movimenti in tempi di incertezza | Pugnalom
Cervello di axolotl: un nuovo metodo consente la ricerca sull'organizzazione neuronale | Pugnalom
