Nature Neuroscience | 人、鼠皮层锥体神经元的树突，到底哪里不同？

认知神经科学前沿文献分享

基本信息

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

发表时间:2026-07-14

发表期刊:Nature Neuroscience

获取原文:

1. 添加小助手:PSY-Brain-Frontier即可获取PDF版本

引言

哺乳动物皮层神经元形态的数字重建在过去十几年里已经积累到了相当可观的体量：从小鼠fMOST全脑成像到人类外科标本的单细胞注射，公开可用的形态数据正快速膨胀。一个自然出现的问题是，那些主要在鼠脑里总结出的形态规律——分支密度、分支阶数、空间拓扑——在人类皮层中是否依然成立？更进一步说，鼠与人脑之间的形态差异，究竟是单纯的尺寸放大，还是存在组织原理层面的分异？

这个问题的难点并不在数据量，而在于比较本身。人和鼠脑的解剖框架完全不同：鼠脑皮层是平滑的，人类皮层布满沟回；功能划分也并非一一对应；不同物种脑图谱的分辨率、可比性差异巨大。过去基于少数神经元或单一脑区的对比研究，往往缺乏对区域对应关系的严格定义，也没有对整体尺寸进行归一化，这使得跨物种比较常常停留在描述层面，难以判定观察到的差异究竟反映了生物学分异还是技术或采样偏差。

这篇发表于Nature Neuroscience的工作，正是要正面解决这三条瓶颈。作者团队搭建了一套端到端的可扩展框架：先把人和鼠的单神经元树突重建放到各自标准脑模板中，再通过解剖注释、功能对应与转录组数据三重证据确定可比的皮层区域，最后在size-normalized的形态特征空间里进行系统比较。数据集的规模本身已经回答了一部分问题——16,011个小鼠皮层神经元与2,363个人类皮层神经元，覆盖额、顶、颞三叶的多个对应区域。

实验设计与方法逻辑

文章的整体逻辑可以概括为四步流水线，对应Fig. 1a的S1–S4。S1是脑图谱对齐：小鼠用mBrainAligner配准到Allen CCFv3，人类用同一工具配准到ICBM 2009c非线性模板，由此获得每个重建神经元在各自标准空间中的坐标。S2是神经元建模：小鼠fMOST图像经APP2自动追踪后由CAR众包系统校对，人类组织则通过Lucifer Yellow单细胞注射结合ACTomography双光子成像获取，采样区域集中在23例外科切除标本的皮层。S3是区域对应：先用神经解剖学家注释建立粗略对应，再用MERFISH/snRNA-seq的细胞类型组成相似度对区域对做遗传验证，得到带confidence值的对应图。S4是神经元比较：在50 μm球形邻域内提取R50_前缀的局部形态特征，按soma直径比对鼠神经元做线性缩放，消除整体尺寸差异后，再做分支拓扑、空间密度与分类可分性分析。

样本规模需要单独点出。小鼠侧由100个全脑fMOST数据生成16,011个皮层神经元，其中6,606个为锥体神经元；人类侧由23例患者产生2,363个神经元，其中1,052个为锥体神经元，2/3层与5层均有覆盖。三个脑叶的神经元采样数量基本均衡：FL约526个人类神经元、PL 334个、TL 192个；小鼠FL 1,296个、PL 2,556个、TL 670个。

核心发现

发现一：人和鼠对应皮层区域的遗传相似度可被量化，区域对应不再是凭经验

区域对应是跨物种比较的前提，但过去长期靠专家经验，缺乏量化验证。这篇工作的一个关键基础，是把"哪些区域可以比"从经验判断升级为可计算问题。

作者整合了三套全脑转录组数据：小鼠MERFISH（1,166,147个细胞）、小鼠scRNA-seq（299,219个细胞）和人类snRNA-seq（648,730个细胞），筛选出1,013个同源基因后做跨物种整合与无监督聚类（Fig. 4a,b）。随后用归一化的细胞类型比例构建区域相关矩阵，用PCA+Pearson相关计算相似度，并定义confidence指标评估稳定性。结果在脑叶尺度上非常干净——同一脑叶的人鼠对应区在相关图上落在对角线高值区（Fig. 4c）；在区域尺度上也能看到清晰的对应，例如人类TTG对应小鼠AUD（Fig. 4d），人类SPL对应小鼠PTLp（Fig. 4d）。

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

这一步骤的价值不只是确认对应关系。作者专门引入integrated rank，用三种相似度指标（Pearson、cosine、Jaccard）的平均排序来筛选最佳匹配，避免了单一指标的偏差（Extended Data Fig. 4）。这种处理使得后续所有形态比较都能落到统计学稳健的"对应区域对上"，而不是宽泛的脑叶层级比较。

发现二：归一化后的人类皮层神经元表现出更高的分支频率与更短的分支间隔

这是文章最核心的形态学发现。乍看之下，人类神经元的总分支长度更高，但作者立刻指出，这主要来自整体尺寸的差异——人类神经元的soma直径平均是小鼠的1.68倍（Extended Data Fig. 1d），整体尺寸放大就会拉长分支。因此，作者按soma直径比对鼠神经元做了线性缩放，再重新比较。

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

归一化之后的图景发生了显著变化（Fig. 5a）。在低阶非末端分支（BO2–BO5）层面，人鼠单分支长度分布的峰值差异很小，提示在基本信号传递单元上保守；而一旦进入整体分支拓扑，人类神经元在R50_邻域内的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）显著高于小鼠（Fig. 5a，下半部分）。更细致看，BO1的分支数量和分支间隔的差异主导了这一结果（Fig. 5a），意味着人类神经元使用了更多、更密集的初级分支来快速分叉。

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

在脑叶尺度上（Fig. 5b）以及具体的对应区域对（Fig. 5c）层面，这一规律都成立。其中MOs与SFG的差异最大（Fig. 5c），SFG神经元在分支丰富度上显著超越对应的小鼠区域，作者推测这与人类高级执行功能和运动规划能力的扩展有关。WGCNA进一步提示了几个可能驱动这一形态差异的分子候选：人类SLIT2表达更高，可能参与组织化的树突延伸；EPHA4在鼠侧更高，可能抑制树突过度延伸（Extended Data Fig. 7）。

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

发现三：人类皮层神经元在跨脑叶可分性上显著高于小鼠，反映更明显的区域特化

如果说发现二回答了"人和鼠单个神经元有什么不同"，发现三回答的就是"人和鼠的脑叶之间，形态分化程度有何差异"。

作者用五折交叉验证的随机森林分类器，以迭代加入mRMR筛选的特征来评估脑叶间可分性，用balanced accuracy和MJSD作为量化指标（Fig. 6a–c）。FL与PL这对组合上，人类神经元分类准确率约70%，小鼠仅约60%（Fig. 6a, d = 5.7, P = 9.5 × 10⁻⁷）；PL与TL组合差距更明显（d = -2.7, P = 2.9 × 10⁻⁶）。

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

更关键的是NDD分析：对41个形态特征在人和鼠之间做分布差异对比，FL–PL组合上有37/41个特征的人类差异大于小鼠，PL–TL组合为35/41，FL–TL组合也有27/41（Fig. 6a–c, 中部散点图）。用mRMR筛选的top 5特征重复这一比较，结果方向一致：人类高差异的特征更多，且top 5特征在两个物种间几乎不重叠——小鼠的可分性主要由topological depth相关特征（如Max Branch Order、Branch Num）驱动，而人类主要由空间组织特征（如3D Density、Center Shift、Max Path Dist）驱动（Fig. 6a–c, 下部加粗文字）。

这意味着，人和鼠的皮层区域化在形态层面走的是不同路径：鼠脑叶之间的形态差异更多由分支拓扑结构承担，人类则更多由树突在三维空间中的密度与排布承担。FL与TL组合上人类神经元在小邻域内反而比小鼠更相似（Fig. 6b），与之前一些基于全树突野的结论形成对比，提示局部与全局形态分化方向可能不同。

发现四：多模态数据中，单神经元形态能复现部分脑叶分离度，但基因表达最强

形态学上的脑叶分离能否在其他生物学尺度上找到呼应？作者进一步用MJSD评估了分子、几何、代谢与生理信号在人类脑叶间的分离度（Fig. 7）。

分子层面最强。人类excitatory神经元的细胞类型组成在FL/PL/TL之间产生最高的MJSD（5.76），而inhibitory群体分离度低得多（2.13）。这一分离度高于形态学（5.44），与Extended Data Fig. 9b的supercluster相关矩阵一致——不同脑叶的差异主要由excitatory神经元的类别分布贡献。

Figure 9. Extended Data Fig

几何层面较弱。皮层厚度与曲率指标在脑叶间仅有有限区分（Extended Data Fig. 8c），MJSD值远低于分子与形态。代谢（CBF、CMRO₂）信号（Extended Data Fig. 8b）和EEG/MEG生理信号（Extended Data Fig. 8a）表现出任务依赖性，静息态下分离度普遍较低。

Figure 8. Extended Data Fig

这一组结果的意义在于，它把"皮层区域形态分化"放到了一个更大的坐标系里。形态学不是最强的分离信号，但能独立地复现脑叶间的相对距离（图7b,c中FL与TL的特征边长、FL与PL的边长差异），并能区分excitatory与inhibitory神经元在区域分化中的不同贡献。

归纳总结和点评

这项工作的核心贡献有三层。第一是方法学层面，它把跨物种皮层比较从经验性区域匹配推进到基于解剖、功能、遗传三重证据的量化对应框架，并把神经元形态放到统一的标准空间中。第二是数据层面，16,011个小鼠与2,363个人类皮层神经元的规模，配合23例人类外科标本的采样，是目前公开数据中最系统的对照集。第三是科学发现层面，size normalization之后的人类皮层神经元并非鼠神经元的简单线性放大，而是呈现出更高的局部分支频率、更短的分支间隔，以及更显著的跨脑叶空间组织差异。

需要做的克制评价是，这篇论文的形态比较集中在R50邻域内的局部特征。作者明确指出，组织切片厚度、染料灌注深度与成像模态限制了人类神经元末端分支的恢复，因此他们聚焦于完全重建的非末端分支，这在方法论上是合理的，但也意味着末端分支的精细差异暂未被纳入比较。此外，作者使用了转录组细胞类型组成来推断区域对应，这一策略依赖于公开数据集（MERFISH/scRNA-seq/snRNA-seq）的质量与覆盖，在某些区域（如运动皮层）受限于原始采样的空间分辨率（Extended Data Fig. 2a）。形态学与遗传学之间的因果链条目前仍是相关性的——WGCNA揭示的EPHA4、SLIT2等候选分子，仍需直接的扰动实验验证（Extended Data Fig. 7）。

更广泛地说，这项工作为后续跨物种脑组织比较提供了一个可扩展的基线框架。它的结论并不指向"人类某个区域一定比鼠复杂"这种粗糙论断，而是说，在size-controlled的局部形态空间内，人与鼠的差异主要体现在分支拓扑密度和空间组织两个维度，且人侧的区域特化更明显——这一框架接下来可以接入非人灵长类、电生理数据与亚细胞特征，把脑演化梯度的描述推到更细的分辨率。

请打分

这篇刚刚登上 Nature Neuroscience 的研究，是否实至名归？我们邀请您作为“云审稿人”，一同品鉴。精读全文后，欢迎在匿名投票中打分，并在评论区分享您的深度见解。

分享人：BQ

审核：PsyBrain 脑心前沿编辑部

你好，这里是「PsyBrain 脑心前沿」

专注追踪全球认知神经科学的最尖端突破

视野直击 Nature, Science, Cell 正刊 及核心子刊与顶级大刊

每日速递「深度解读」与「前沿快讯」

科研是一场探索未知的长跑，但你无需独行。欢迎加入PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

点击卡片进群，欢迎你的到来

一键关注，点亮星标 ⭐ 前沿不走丢！

一键分享，让更多人了解前沿