主要观点总结
文章介绍了奥地利科学技术研究所以及谷歌研究院的研究团队开发的一种新技术“LICONN”，该技术结合了膨胀显微镜技术和深度学习，能够在标准显微镜下重建脑组织，并自动检测神经元之间的突触连接，分辨率达到20纳米。这项研究为理解大脑的工作机制提供了经济高效的新手段，有助于解决神经科学领域最艰巨的挑战之一。
关键观点总结
关键观点1: 大脑神经连接的复杂性及理解的重要性
文章首先介绍了大脑神经连接的复杂性以及理解其工作机制的重要性，强调了神经科学领域面临的挑战。
关键观点2: 电子显微镜与光学显微镜的优劣
文章指出电子显微镜在成像分辨率和通量方面的优势，但也提到了其无法识别成像结构分子组成的局限性。而光学显微镜在可视化特定分子方面具有优势，但其分辨率有限。
关键观点3: LICONN技术的原理及应用
文章详细介绍了LICONN技术的原理，包括膨胀显微镜技术和深度学习的应用。该技术通过让脑组织膨胀，在标准显微镜下重建脑组织，并自动检测神经元之间的突触连接，实现了神经元连接与网络的3D可视化。
关键观点4: LICONN技术的经济高效性及其对科研的影响
文章强调了LICONN技术的经济高效性，以及其在全球实验室中得到复制的可能性。该技术的推广将有助于更多实验室绘制分子级精细的大脑连接图谱，更好地理解大脑在健康与病理状态下的功能。
正文
LICONN重建的哺乳动物脑组织连接组（图片来源：参考资料[1]）
只有这一点还不够，基于深度学习技术，研究团队能够在更大范围内自动识别神经元及其精细结构，从而
自动检测神经元之间的突触连接，分辨率达到20纳米，并且能够将原始脑成像数据转换为详细的连接图。
最终，研究团队实现了神经元连接与网络的3D可视化。
▲利用深度学习预测的脑组织中神经元结构（图片来源：参考资料[1]）
值得注意的是，LICONN的图像采集是在一台现有的标准显微镜上完成的，这意味着
科学家们不需要像目前重建脑组织那样使用昂贵设备，因此该技术能够在全球各地的实验室中得到复制。
作者指出，这种强大且经济高效的电子显微镜替代方案，为更多实验室绘制分子级精细的大脑连接图谱提供了新的机遇，将帮助我们更好地理解大脑在健康与病理状态下的功能。
参考资料：
[1]
Tavakoli, M.R., Lyudchik, J., Januszewski, M. et al. Light-microscopy-based connectomic reconstruction of mammalian brain tissue. Nature (2025). https://doi.org/10.1038/s41586-025-08985-1
[2]
Piecing together the brain puzzle. Retrieved on May 8th, 2025 from https://www.eurekalert.org/news-releases/1082498
