计算散射光成像技术展示了微米级分辨率下组织纤维的方向和组织结构。不同颜色代表不同的纤维方向。图片来源：Marios Georgiadis
人体内的每种组织都含有极小的纤维，这些纤维有助于协调器官的运动、功能和通信。肌肉纤维引导物理力，肠道纤维支持消化道的运动，而脑纤维则传递电信号，使不同区域能够交换信息。这些复杂的纤维系统共同帮助塑造每个器官的结构并使其正常运作。
许多疾病会破坏这些精细的网络。在大脑中，纤维连接的损伤出现在几乎所有神经系统疾病中，这会导致神经通信的变化。
尽管这些微观结构发挥着关键作用，但长期以来一直难以研究。研究人员一直难以确定纤维在组织内的方向，这使得全面了解它们在健康和疾病状态下的变化变得困难。
揭示隐藏微观结构的简单方法
由神经成像学讲师Marios Georgiadis博士领导的研究团队现已推出一种新方法，能够以异常清晰的细节和相对较低的成本使这些难以观察的纤维模式变得可见。
该技术在《自然通讯》杂志上进行了描述，被称为计算散射光成像（ComSLI）。它可以在几乎任何组织切片上揭示微米级分辨率的组织纤维方向和组织结构，无论其染色或保存方式如何——即使切片已有数十年历史。
放射学教授Michael Zeineh医学博士与曾在Zeineh实验室担任访问学者的Miriam Menzel博士共同担任资深作者。
"关于组织结构的信息一直都在那里，只是隐藏在显而易见之处，"Georgiadis说。"ComSLI只是给了我们一种方法来观察这些信息并将其绘制出来。"
ComSLI如何绘制纤维方向
传统的成像策略存在显著限制。MRI可以突出显示大型解剖网络，但无法捕捉微小的细胞结构。组织学技术通常需要特殊染色、高端设备和精心保存的样本，而且仍然难以清晰地描绘纤维交叉。
ComSLI依赖于一个基本物理原理：当光线遇到微观结构时，它会根据其方向向不同方向散射。通过旋转光源并记录散射信号如何变化，研究人员可以重建图像每个像素内纤维的方向。
该方法只需要一个旋转LED光源和一个显微镜相机，与其他高级显微镜形式相比，这种设置更为便捷。收集图像后，软件分析散射光中的细微模式，生成纤维方向和密度的彩色编码地图，称为微观结构信息纤维方向分布。
ComSLI不受样本制备限制。它适用于甲醛固定、石蜡包埋切片（医院和病理实验室的标准做法），也适用于新鲜冷冻、染色或未染色的切片。
科学家还可以重新研究最初为不相关项目创建的切片，甚至是储存了几十年的切片，从而在不改变样本的情况下获得新的结构见解。
"这是一种任何实验室都可以使用的工具，"Zeineh说。"你不需要特殊准备或昂贵设备。最让我兴奋的是，这种方法为任何人——从小型研究实验室到病理实验室——提供了从他们已有的切片中发现新见解的机会。"
绘制神经微观结构与疾病
神经科学的一个主要目标一直是高精度绘制大脑的微观通路。使用ComSLI，Georgiadis及其同事对完整的甲醛固定、石蜡包埋人脑切片和标准尺寸的切片进行了可视化，揭示了整个组织中的详细纤维结构。
他们还研究了这些纤维在多发性硬化症、脑白质脑病和阿尔茨海默病等神经系统疾病中的变化。
其中一个重点是海马体，这是一个位于大脑深处、对记忆形成和检索至关重要的区域，通常在神经退行性疾病早期受到影响。当将阿尔茨海默病患者的海马体切片与健康样本进行比较时，研究团队观察到了明显的结构退化。通常帮助连接海马体区域的纤维交叉大大减少，而负责将与记忆相关的信号带入该区域的主要通路（穿通通路）几乎看不见。相比之下，健康的海马体在整个区域显示出密集且相互连接的纤维网络。通过这些详细的地图，研究人员可以看到随着疾病进展，记忆回路是如何崩溃的。
为了测试该方法的极限，研究人员分析了一个1904年制备的脑切片。即使在这个已有百年历史的样本中，ComSLI也识别出了复杂的纤维模式，使科学家能够研究历史标本并探索结构特征如何在疾病代际中演变。
超越大脑的应用
尽管最初是为脑部研究设计的，ComSLI在其他组织中也表现良好。研究团队用它来研究肌肉、骨骼和血管样本，每个样本都揭示了与其生物功能相关的独特纤维排列。
在舌肌中，该方法突出了与运动和灵活性相关的分层纤维方向。在骨骼中，它捕捉到了与机械应力对齐的胶原纤维。在动脉中，它显示了交替的胶原和弹性蛋白层，既支持强度又支持弹性。
这种跨物种、器官和档案标本映射纤维方向的能力可能会显著改变科学家研究结构和功能的方式。这也意味着全球储存的数百万张切片可能包含未开发的微观结构信息。
"尽管我们刚刚介绍了这种方法，但已经有多个实验室和诊所请求扫描样本并复制ComSLI设置——他们希望在组织切片上获得微米分辨率的纤维方向和微连接信息，"Georgiadis说。"另一个令人兴奋的计划是回到特征明确的大脑档案或名人的大脑切片，恢复这些微连接信息，揭示那些被认为早已丢失的'秘密'。这就是ComSLI的美妙之处。"
【全文结束】
