パッチシーケンス (patch-seq )は、 パッチクランプ法 を改良したもので、個々のニューロンの電気生理学的 、トランス クリプトーム解析、形態学的特徴付けを組み合わせた手法です。この手法では、ニューロンの電気生理学的記録を行った後、細胞質 を採取してRNAシーケンス 解析を行います。同時に、細胞内に色素を注入し、その後の形態学的再構築を可能にします。
背景
神経細胞の型判定には、複数のデータモダリティの同時取得が必要となる。 パッチシーケンス図は、この技術から得られる3つの主要なデータタイプ(電気生理学的特性、トランスクリプトーム解析、形態学的再構築)を示しています。 皮質マイクロサーキット 細胞の種類を定義する際にはニューロンの電気的特性が重要ですが、その形態、放出される 神経伝達物質 の種類、シナプスで発現する神経伝達物質受容体 、神経系におけるニューロンの位置、および 局所回路も同様に重要です。ニューロンは、 細胞体(ソマ) 、樹状突起 、軸索 に多くの違いがあり、形状が非常に多様です。樹状突起の位置によって、細胞がどの他のニューロンから入力を受け取るかが決まり、樹状突起の形状は、ニューロンがこの入力にどのように反応するかに大きな影響を与える可能性があります。同様に、ニューロンの軸索の標的によって、その出力が決まります。ニューロンの軸索と樹状突起の間に形成されるシナプス の種類も同様に重要です。[ 1 ] 例えば、右図に示す哺乳類の皮質の皮質マイクロ回路では、細胞は局所回路内だけでなく、皮質領域と非皮質領域をまたいで、非常に特異的な投射パターンを持っています。樹状突起の形状はニューロンの電気的挙動にも影響を与え、樹状突起がシナプス後電位 の形で入力を処理する 方法に大きな影響を与えます。形状と投射パターンの乱れは、自閉症や統合失調症を含むさまざまな精神疾患や神経疾患と関連付けられていますが、これらの表現型の行動的関連性はまだ理解されていません。[ 2 ] ニューロン細胞の種類は、互いに連続的に変化することが多いようです。形態電気的特性によるニューロンの分類のこれまでの試みは、互換性のない方法論の使用と異なる細胞株の選択によって制限されてきました。[ 3 ]
シングルセルRNAシーケンス(scRNA-seq) の登場により、特定の古典的に定義された特性を持つニューロンでのみ一貫して発現する遺伝子が存在することが期待されました。これらの遺伝子は細胞マーカーとして機能します。これにより、mRNAシーケンスのみを使用して、ニューロンの種類を迅速かつ容易に区別するためのより良い手段が提供されます。しかし、scRNA-seqは、過度に厳格な細胞タイプの定義がニューロンを特徴付ける最良の方法ではないという事実を強化するだけであるように思われました。[ 4 ] さらに、遺伝子発現は動的に制御され、ニューロンの可塑性を可能にするために、細胞タイプ特有の方法で活動に応じてさまざまな時間スケールで変化します。[ 5 ] [ 6 ] 他の組織と同様に、発生プロセスも考慮する必要があります。[ 7 ] これらのすべての理由から、scRNA-seqの結果を古典的に定義されたニューロン細胞タイプに一致させることは非常に困難です[ 8 ]。 さらに、シングルセルRNA-seqには、ニューロンの分類に関する独自の欠点があります。 scRNA-seqは個々のニューロンの遺伝子発現パターンの研究を可能にするが、個々の細胞を分離するために組織を破壊するため、組織内でのニューロンの元の位置を推測したり、その形態を観察したりすることは困難である。電気生理学的および形態学的特徴によって以前に定義されたニューロンのサブタイプにシーケンス情報をリンクすることは、時間がかかり複雑なプロセスである。[ 9 ] patch-seqによる複数のデータタイプの同時取得と統合は、ニューロンの分類に最適であり、遺伝子発現、電気生理学的および形態学的特性とニューロン機能の間の新しい相関関係を明らかにする。[ 10 ] このため、patch-seqは真に学際的な方法であり、電気生理学、シーケンス、およびイメージングの専門家間の協力が必要となる。[ 10 ]
準備とモデルシステムの選択 パッチシーケンスは、ニューロンの細胞培養 を含むあらゆるモデルシステムで実行できます。培養用のニューロンは、神経組織から採取して解離するか[ 11 ] 、ヒト幹細胞株から培養されたニューロンである誘導多能性幹細胞(iPSC)から作製できます [ 12 ] 。細胞培養の準備は、パッチクランプを適用するのに最も簡単で、実験者がニューロンに曝露されるリガンド (たとえばホルモンや神経伝達物質)を制御できます。ただし、実験を完全に制御できるという利点は、ニューロンが発達中に曝露される自然環境に曝されないことも意味します。前述したように、樹状突起と軸索が伸びる位置、および脳構造に対するニューロンの位置は、回路内での役割を理解する上で非常に重要です。さまざまな動物種の脳スライス用の多くの準備が存在します。[ 13 ] [ 14 ] ピペットと標的細胞の間に細胞や破片が存在するため、調製を少し変更する必要があり、意図しないシールの形成を防ぐためにピペットにわずかな正圧 をかけることがよくあります。行動が神経イベントのダイナミクスとどのように結びついているかを理解することに興味がある場合は、生体内で 記録すること もできます。パッチクランプを生体内 研究に適用することは、特に行動課題中は機械的な理由から非常に難しい場合がありますが、実行されています。[ 15 ] 自動化された生体内 パッチクランプ法が開発されています。[ 16 ] 哺乳類種間で調製にほとんど違いはありませんが、非ヒト霊長類と霊長類皮質の神経細胞サイズの多様性が大きいため、標的神経細胞を殺さずにシールを形成するために異なるチップ径と圧力を使用する必要がある場合があります。[ 10 ] パッチシーケンスは、膵臓細胞や心臓細胞などの非神経細胞研究にも適用されます。[ 17 ]
パッチシーケンスワークフロー モデルシステムと準備タイプを選択した後、パッチシーケンス実験は同様のワークフローで行われます。まず、記録と収集が行えるように、細胞とピペットの間にシールが確立されます。記録中にイメージングするために、細胞に蛍光標識を充填することができます。[ 18 ] 記録後、負圧が加えられ、細胞質 と多くの場合核がシーケンスのために捕捉されます。このプロセスは、準備中の細胞が分解され、データ収集に値しなくなるまで繰り返されます。イメージングデータの事後解析により、形態学的再構築が可能になります。同様に、ピペットを介して細胞から細胞質内容物を収集する際に、多数の交絡因子に対処するために、トランスクリプトームデータの複雑な事後処理も必要となることがよくあります。[ 19 ] [ 20 ] [ 21 ] 初期段階では、ピペットと細胞の間にシールを形成する前に、圧縮切片バイブラトーム を使用して組織切片が準備されます。これらの装置は、組織の薄切片を得るために使用されます。この装置により、ターゲット細胞がパッチクランプにアクセスできることが保証されます。組織切片の品質と精度は、パッチシーケンス実験の成功にとって重要です。これらの組織切片の厚さと状態は、細胞ターゲティングの効率とパッチシールの品質に影響します。適切な切片調製は、パッチシーケンスワークフロー全体の成功に不可欠です。[ 22 ]
パッチピペットは全細胞記録用に設計されているため、その開口径は単一イオンチャネルを調べる実験よりも大きい。ほとんどの場合、標準的なパッチクランププロトコルを使用できるが、ピペットと内部溶液には状況に応じて若干の変更を加える必要がある。細胞内部をピペット内に吸引しやすくするために、さらに広い直径を使用することもできるが、対象細胞の種類に基づいて調整する必要があるかもしれない。[ 23 ] 負圧をかけることでシールを強化し、記録に有利になるだけでなく、細胞内容物の収集後または収集中に細胞内液の漏出や汚染を防ぐことができる。記録中は、ビオチンを ピペットを介して細胞内に拡散させ、イメージングやその後の形態学的再構築に利用できる。[ 18 ]
電気生理学的記録 シールが確立されると、細胞は電圧クランプを使用して、ランプ、方形パルス、ノイズ電流注入などのさまざまな刺激レジメンに曝されます。 静止膜電位 や閾値電位 などの細胞体膜の特徴が記録されます。生成された活動電位 (AP) から観察されるAP 幅、AP 振幅、後脱分極、後過分極振幅などの特徴も記録されます。[ 3 ] [ 9 ] 全細胞記録は、少量の細胞内溶液 (RNA の希釈を避けるため)、カルシウムキレート剤、RNA キャリア、RNase 阻害剤で満たされたパッチ記録ピペットを使用して実行されます。[ 10 ] EGTA などの RNase 阻害剤の添加は、サンプルからより高品質の RNA を保持することにより、トランスクリプトーム解析を強化します。[ 9 ] 記録時間は、膨潤によるニューロン構造への影響なしに 1 ~ 15 分かかる場合があり、値が小さいほど、この技術のスループットが向上します。[ 14 ]データは、MIES [ 3 ] [ 24 ] PATCHMASTER [ 25 ] pCLAMP [ 26 ] WaveSurfer [ 27 ] などの商用またはオープンソースのソフトウェアを使用して記録および分析されます。
ニューロンは、静止膜電位を確認し、実験全体および実験内でベースラインを安定させるために、事前に刺激されます。次に、細胞はランプ電流と方形電流によって刺激され、その電気生理学的特性が記録および測定されます。刺激後、記録が一貫性があり堅牢であるためには、膜電位がベースライン値に戻る必要があります。記録の最後に負圧を使用して膜の安定性を回復します。測定値は、さらなる分析の対象となるために、これらの条件を満たす必要があります。[ 14 ] パッチクランプは細胞にとってストレスとなるため、記録中は細胞の生存率を維持する必要があります。
電気生理学的記録には、健康な急性または生きた脳スライスが不可欠です。ニューロンの健康状態は、得られるデータの質に大きく影響するからです。健康な脳スライスは通常、コンプレッストーム振動切片などのツールを使用して準備され、正確で信頼性の高い記録のための最適な条件が確保されます。[ 28 ]
負圧は、電極を細胞体の中心付近に移動させながら、核をピペットの先端付近に移動させるために使用されます。対象となるモデルシステムによって、適用する負圧が変わります。ヒトおよび非ヒト霊長類では、細胞の生存を確保することがより困難です。げっ歯類 モデルと比較してニューロンのサイズのばらつきが大きいということは、細胞質と核を抽出するために適用する必要のある負圧の量に大きなばらつきがあることを意味します。[ 10 ] 回収後、ピペットは負圧を維持しながらゆっくりと引き抜かれ、先端が膜シールを形成して核を囲む膜が細胞から剥がれます。膜シールは、ピペット内に抽出された内容物を閉じ込め、ピペットを別の記録用に準備する前に、シーケンスのために取り出す際の汚染を防ぎます。シールの形成は、抵抗(MΩ)の増加によって電気的に観察できます。[ 14 ] 回収プロセスは、細胞を破裂させないように精密さが必要なため、通常10分程度かかります。[ 14 ]
トランスクリプトミクス RNA-seq 解析は、記録されたニューロンから抽出された核と細胞質を用いて行われる。[ 9 ] [ 14 ] RNAは全長cDNAに増幅され、シーケンス用のライブラリーが構築される。核を含む解析では、mRNAの収量が高くなるだけでなく、データ品質 も向上する。[ 3 ]
サンプルはRNA含有量に高いばらつきがあり、場合によってはアストロサイトや他の種類のニューロンなどの隣接細胞からのRNA汚染が含まれる。品質は定義されたマーカー遺伝子によって評価され、RNA含有量に目的の細胞クラスのターゲットが含まれているかどうか(オン マーカー)、および汚染マーカーがないかどうか(オフ マーカー)が示される。[ 14 ] 収集されたRNAの品質を判断するためにさまざまな指標が使用される。
正規化マーカー合計(NMS)スコア: パッチシーケンス細胞からのオン マーカー遺伝子の比率を、蛍光活性化セルソーティング (FACS )などの細胞解離法を用いた類似データからの同じ遺伝子の中央値発現と比較したものです。細胞解離法は技術的な問題を軽減し、標準化法として機能します。[ 19 ] このスコアは、サンプルから既知の細胞クラスへの遺伝子発現の類似性パターンを測定します。NMSスコアが低いほど、オフ マーカー遺伝子の増加よりもオン マーカー遺伝子の検出の減少を示します。[ 14 ] 汚染スコア: 抽出中に近くの細胞からRNAが汚染される可能性を示します。汚染は、ピペットが細胞体まで移動し、他の神経突起と相互作用することによって発生する可能性があります。[ 19 ] これは、割り当てられた細胞クラスと一致しないすべての広範な細胞タイプのNMSスコアの合計として計算されます。品質スコア: パッチシーケンスの結果から得られたオン マーカー遺伝子とオフマーカー 遺伝子の相関を、同じタイプの細胞解離法を用いて解析した細胞の平均発現プロファイルと比較します。 [ 14 ] 核存在マーカー: 核特異的遺伝子(哺乳類のMalat1 など) [ 19 ] [ 29 ] の検出とイントロンリードの比率の増加は、RNA-seq解析における核の組み込みの証拠となる。
形態学的再構築 樹状突起/軸索の分岐、軸索の形状、シナプス結合、細胞体の位置などのニューロンの形状と構造は、ニューロンタイプの分類に使用されます。急性スライス標本または生体内では、層状位置も重要な機能的影響があるため注目されます。 ビオチン による染色は、ニューロンの電気生理学的記録中に行われます。[ 30 ] あるいは、細胞外にローダミンを加えることで、記録前に生細胞をイメージすることができます。 [ 31 ] イメージングは、明視野透過チャネルと蛍光チャネルによる個々の細胞の2次元タイル画像によって行われ、その後、市販またはオープンソースのソフトウェアで処理されます。[ 14 ] 培養ニューロンからは、急性スライスと比較して高解像度の画像が得られ、より高品質の形態学的再構築が得られます。[ 10 ]
事後3D再構成は、TReMAP [ 32 ] Mozak [ 33 ] または Vaa3D [ 34 ] などの画像処理ソフトウェアによって行われます。結果の品質は、電気生理学的記録時間から核抽出手順まで、さまざまな要因に依存します。再構成された細胞は、構造の完全性と完全性に応じて、4つの品質レベルに分類されます。細胞体と突起が完全に視認でき、適切なデジタル再構成が可能な場合は高品質 、細胞体と一部の突起は視認できるが3D再構成には適さない場合は中品質、樹状突起はビオチンで満たされているが軸索は弱く染色されている場合は 不十分な軸索 、核抽出後の構造の沈降により細胞体の染色が欠如している場合は不十分な充填となります。 [ 14 ]
下流データ分析 結果として得られるマルチモーダルデータを処理および結合するためのワークフローの設計は、patch-seq が適用される特定の研究課題 に依存します。細胞型付け研究では、データは、より大きなサンプルサイズ (数十または数百の細胞と比較して数千の細胞オーダー) を持つ既存の scRNA-seq 研究と比較する必要があり、したがって、トランスクリプトームデータのみを使用して細胞型を識別するための統計的検出力が大きくなります。相関ベースの方法は、このステップには十分です。[ 3 ] [ 35 ] T 分布確率的近傍埋め込み や均一多様体近似および投影 などの次元削減 法を使用して、収集したデータの位置を、より高品質の scRNA-seq データの参照アトラス上で視覚化できます。[ 36 ] 機械学習を 適用して、遺伝子発現データを形態学的および電気生理学的データに関連付けることができます。これを行う方法には、オートエンコーダ 、[ 37 ] ボトルネックネットワーク 、[ 38 ] またはその他のランク削減法が含まれます。[ 36 ] 形態学的データを含めることは、コンピュータビジョンタスクであり、 機械学習 において非常に複雑な問題として知られているため、困難であることがわかっています。形態学的再構成からの画像データを、分析に含める特徴ベクトル として表現することは困難です。 [ 10 ]
アプリケーション パッチシーケンス統合データセットは、特にニューロンにおける細胞タイプの包括的な特徴付けを可能にします。神経科学者は、この技術をさまざまな実験やプロトコルに適用し、トランスクリプトームデータとニューロンの形態電気的特性との相関に基づいて新しい細胞サブタイプを発見してきました。パッチシーケンスデータに機械学習を適用することで、トランスクリプトームデータを研究し、それぞれの形態電気的特性にリンクすることが可能になります。[ 10 ] 堅牢な細胞タイプ分類の確証された正解データがあれば、研究者は、行動、言語、神経疾患や精神疾患の根底にあるプロセスなどの複雑なプロセスにおける特定のニューロンタイプとサブタイプの機能を調べることができます。プロテオミクスとトランスクリプトミクスの比較では、転写データが必ずしも同じタンパク質発現に変換されるとは限らないことが示されており[ 39 ] 、同様に、トランスクリプトームデータと組み合わせた古典的な分類方法からニューロンの表現型の正解データを調べる能力は、神経科学にとって重要です。パッチシーケンス実験では、トランスクリプトームの結果を支持する結果が得られているが、異なる脳領域でトランスクリプトーム的に定義された類似の細胞型の形態が一致しないケースも見つかっている。[ 10 ] この技術は神経科学に特に適しているが、一般的には、電気生理学、形態、トランスクリプトームを同時に知ることが関心のある組織であれば、パッチシーケンスが利用できる。例えば、パッチシーケンスは、糖尿病の研究のために膵島 などの非神経組織にも適用されている。[ 17 ]
Patch-Seqデータセットを機械学習アルゴリズムに統合し、シングルセルシーケンスから得られたトランスクリプトームデータからニューロンの形態と電気生理学的特性を予測する。 標的ニューロン集団の研究: Patch-seq は、サンプルを破壊することなく標的ニューロンから遺伝情報を測定および抽出できる点で、他の方法論よりも優れています。これにより、トランスクリプトームデータを、接続性、スライス内の位置、形態などのニューロンの特性に正確にトレースバックできます。これらのデータタイプ間の相関研究は、ニューロンタイプ間での差次的発現遺伝子を特定し、迅速な分類のための遺伝子マーカーを発見するのに役立ちます。[ 10 ] マルチモーダル細胞型データベースのコンパイルと統合: Patch-seq は、ニューロンの機能特性をシングルセル RNA-seq 研究からの大規模な転写データベースに統合するために使用されてきました。 Patch-seq は電気生理学的データと形態学的データを提供できますが、形態学的データは高品質基準を達成するのが難しいためあまり一般的ではありません。[ 14 ] 細胞型の正しいラベル付けは単一のデータタイプからは得られないため、マルチモーダルデータの統合が必要です。これまでの研究では、トランスクリプトーム的に類似したニューロンでも形態電気的特性が異なる可能性があることが示されています。[ 40 ] 形態的および機能的多様性の分子基盤: ニューロンの形態的および機能的多様性を規定する分子メカニズムの研究は進行中である。パッチシーケンスにより、既知の異なる細胞型間で発現が異なる遺伝子を特定することができる。遺伝子発現のわずかな変化が細胞に刺激に対する異なる反応を引き起こす可能性があり、適切な分類のためにこのデータを相関させることの重要性を強調している。[ 41 ]
制限事項 パッチシーケンスの最も深刻な制限は、パッチクランプ全般に共通する制限であり、それは高精度かつ熟練した手作業が必要であるという点である。パッチクランプは、繊細な運動能力と練習を必要とする芸術形式と表現されてきた。これは労力を要し、技術を完璧にするには何年もの訓練が必要である。[ 42 ] [ 43 ] 現在までに最大のパッチシーケンス研究は、マウス一次視覚野 の急性皮質スライスで行われた。4000個強のニューロンがパッチされ、シーケンスされたが、この作業には膨大な量の手作業が必要であった。[ 14 ] 他のほとんどのデータセットは、数十個または数百個の細胞から収集された。組織を解離してシーケンス用に収集された細胞数よりは大幅に少ない。[ 10 ] それにもかかわらず、他のどの電気生理学的記録技術も、パッチシーケンスの時間分解能や特定のイオン電流を特徴付ける能力、あるいは電圧クランプを生成する能力に匹敵することはできない。こうした理由から、パッチクランプ法を用いたアプリケーション(パッチシーケンスを含む)において、この技術の自動化は世界中の多くの研究室で積極的に研究されている分野である。
デジタル画像による形態学的再構成は、合格率が50%を下回ることが多いこの技術のもう一つの限界である。[ 14 ] 大量のノイズを含む膨大な数の画像の適切な統合と、核抽出によって引き起こされる構造的破壊は、神経科学における計算上の課題となっている。新しい自動トレース方法が開発されているが、品質は低いままである。[ 44 ]
今後の方向性
他のシーケンス技術、プロテオミクス、および単一細胞遺伝子操作を統合するこれまでのところ、使用されている唯一のシーケンス技術はmRNAシーケンスです。他のモダリティも含めることで、生成されるデータに含まれる「オミクス 」の数を増やすことができます。たとえば、mRNAをDNAから分離する技術により、DNAの修飾を研究することができます。[ 23 ] クロマチンアクセシビリティは、 DNAメチル化と メチル化DNA免疫沈降 、およびChIPシーケンス からのヒストンアセチル化と脱アセチル化 を使用して判断できます。これにより、パッチシーケンス実験でエピジェネティクス を研究することができます。同様に、タンパク質を分離することは、タンパク質の存在量を判断するのに役立ち、プロテオミクス との統合を可能にします。CRISPRを ピペットに含めて記録中に注入することで、単一細胞レベルでの変異の影響を調べることができます。[ 10 ]
自動パッチ適用 パッチシーケンスのスループットにおける最大のボトルネックは、パッチクランプに必要な労力です。自動化されたパッチクランプは 徐々に標準になりつつありますが、まだ広く普及していません。これは、一部の自動パスリグが人間よりも高いシール試行成功率とデータ収集率を示しているにもかかわらずです。自動パッチクランプは、画像情報なしで盲目的に行うこともできます。代わりに、圧力センサーに頼ってアルゴリズムに入力し、ロボットリグを誘導してシールを形成し、記録します。あるいは、蛍光標識された細胞をターゲットにできる画像誘導アルゴリズムも存在します。一部のシステムは、特定のモデルシステムや準備により適しています。[ 43 ]
参考文献 ↑ Larsen, Rylan S; Sjöström, P Jesper (2015-12-01). "局所回路におけるシナプス型特異的可塑性" . Current Opinion in Neurobiology . Circuit plasticity and memory. 35 : 127– 135. doi : 10.1016/j.conb.2015.08.001 . ISSN 0959-4388 . PMC 5280068 . PMID 26310110 . ↑ Pathania, M.; Davenport, EC; Muir, J.; Sheehan, DF; López-Doménech, G.; Kittler, JT (2014年3月) 「自閉症および統合失調症関連遺伝子CYFIP1は、樹状突起の複雑性の維持と成熟したスパインの安定化に不可欠である」 Translational Psychiatry . 4 (3): e374. doi : 10.1038 / tp.2014.16 . ISSN 2158-3188 . PMC 3966042. PMID 24667445 . 1 2 3 4 5 Gouwens, Nathan W.; Sorensen, Staci A.; Berg, Jim; Lee, Changkyu; Jarsky, Tim; Ting, Jonathan; Sunkin, Susan M.; Feng, David; Anastassiou, Costas; Barkan, Eliza; Bickley, Kris (2019). "マウス視覚皮質における電気生理学的および形態学的ニューロンタイプの分類" . Nature Neuroscience . 22 (7): 1182– 1195. bioRxiv 10.1101/368456 . doi : 10.1038/s41593-019-0417-0 . PMC 8078853 . PMID 31209381 . ↑ Cembrowski, Mark S.; Menon, Vilas (2018-06-01). "神経系の細胞型における連続的変動". Trends in Neurosciences . 41 (6): 337– 348. doi : 10.1016/j.tins.2018.02.010 . ISSN 0166-2236 . PMID 29576429 . S2CID 4338758 . ↑ Hrvatin, Sinisa; Hochbaum, Daniel R.; Nagy, M. Aurel; Cicconet, Marcelo; Robertson, Keiramarie; Cheadle, Lucas; Zilionis, Rapolas; Ratner, Alex; Borges-Monroy, Rebeca; Klein, Allon M.; Sabatini, Bernardo L. (2018 年 1 月). "マウス視覚皮質における経験依存的な転写産物状態の単一細胞解析" . Nature Neuroscience . 21 (1): 120– 129. doi : 10.1038/s41593-017-0029-5 . ISSN 1546-1726 . PMC 5742025 . PMID 29230054 . ↑ Yap, Ee-Lynn; Greenberg, Michael E. (2018-10-24). "活動制御転写:神経活動と行動の間のギャップを埋める" . Neuron . 100 (2): 330– 348. doi : 10.1016/j.neuron.2018.10.013 . ISSN 0896-6273 . PMC 6223657 . PMID 30359600 . ↑ Fleming, Angeleen; Rubinsztein, David C. (2020-10-01). "Autophagy in Neuronal Development and Plasticity" . Trends in Neurosciences . 43 (10): 767– 779. doi : 10.1016/j.tins.2020.07.003 . ISSN 0166-2236 . PMID 32800535 . S2CID 221106496 . ↑ Johnson, Matthew B; Walsh, Christopher A (2017-02-01). "単一細胞解像度での脳皮質ニューロンの多様性と発達" . Current Opinion in Neurobiology . Developmental neuroscience. 42 : 9– 16. doi : 10.1016/j.conb.2016.11.001 . ISSN 0959-4388 . PMC 5316371 . PMID 27888678 . 1 2 3 4 Cadwell, Cathryn R; Palasantza, Athanasia; Jiang, Xiaolong; Berens, Philipp; Deng, Qiaolin; Yilmaz, Marlene; Reimer, Jacob; Shen, Shan; Bethge, Matthias; Tolias, Kimberley F; Sandberg, Rickard (2016 年 2 月) 「Patch-seq を使用した単一ニューロンの電気生理学的、トランスクリプトームおよび形態学的プロファイリング」 Nature Biotechnology 34 ( 2): 199– 203. doi : 10.1038/nbt.3445 . ISSN 1087-0156 . PMC 4840019 . PMID 26689543 . 1 2 3 4 5 6 7 8 9 10 11 12 Lipovsek, Marcela; Bardy, Cedric; Cadwell, Cathryn R.; Hadley, Kristen; Kobak, Dmitry; Tripathy, Shreejoy J. (2021-02-03). " Patch-seq: 過去、現在、そして未来" . Journal of Neuroscience . 41 (5): 937– 946. doi : 10.1523/JNEUROSCI.1653-20.2020 . ISSN 0270-6474 . PMC 7880286 . PMID 33431632 . ↑ 矢沢和人、海原宗茂、大原正弘、亀山正樹 (1990) 「パッチクランプ研究に有用な心筋細胞分離法の改良」 日本 生理学 会誌 40 (1): 157–163 . doi : 10.2170/jjphysiol.40.157 . ISSN 0021-521X . PMID 2163463 . ↑ Belinsky, Glenn S.; Rich, Matthew T.; Sirois, Carissa L.; Short, Shaina M.; Pedrosa, Erika; Lachman, Herbert M.; Antic, Srdjan D. (2014-01-01). "パッチクランプ記録とカルシウムイメージングに続いてシングルセルPCRにより、iPSC由来ヒト神経細胞における13遺伝子の発達プロファイルが明らかになった" . Stem Cell Research . 12 (1): 101– 118. doi : 10.1016/j.scr.2013.09.014 . ISSN 1873-5061 . PMC 3947234 . PMID 24157591 . ↑ Cadwell, Cathryn R.; Scala, Federico; Li, Shuang; Livrizzi, Giulia; Shen, Shan; Sandberg, Rickard; Jiang, Xiaolong; Tolias, Andreas S. (2017 年 12 月). "Patch-seq を使用した単一細胞形態、電気生理学、および遺伝子発現のマルチモーダル プロファイリング" . Nature Protocols . 12 (12): 2531– 2553. doi : 10.1038/nprot.2017.120 . ISSN 1750-2799 . PMC 6422019 . PMID 29189773 . 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Lee, Brian R.; Budzillo, Agata; Hadley, Kristen; Miller, Jeremy A.; Jarsky, Tim; Baker, Katherine; Hill, DiJon; Kim, Lisa; Mann, Rusty; Ng, Lindsay; Oldre, Aaron (2021). " Scaled, high fidelity electrophysiological, morphological, and transcriptomic cell characterization" . eLife . 10 e65482 . bioRxiv 10.1101/2020.11.04.369082 . doi : 10.7554/eLife.65482 . PMC 8428855. PMID 34387544 . ↑ Lee, Albert K.; Manns, Ian D.; Sakmann, Bert; Brecht, Michael (2006 年 8 月). "自由に動くラットにおける全細胞記録" . Neuron . 51 (4): 399– 407. doi : 10.1016/j.neuron.2006.07.004 . PMID 16908406 . S2CID 13524757 . ↑ Kodandaramaiah, Suhasa B.; Franzesi, Giovanni Talei; Chow, Brian Y.; Boyden, Edward S.; Forest, Craig R. (2012 年 6 月). "生体内ニューロンの自動全細胞パッチクランプ電気生理学" . Nature Methods . 9 (6): 585– 587. doi : 10.1038/nmeth.1993 . ISSN 1548-7105 . PMC 3427788 . PMID 22561988 . 1 2 Camunas-Soler, Joan; Dai, Xiao-Qing; Hang, Yan; Bautista, Austin; Lyon, James; Suzuki, Kunimasa; Kim, Seung K.; Quake, Stephen R.; MacDonald, Patrick E. (2020-05-05). "Patch-Seqにより、糖尿病におけるヒト膵島機能障害と単一細胞トランスクリプトームが関連付けられる" . Cell Metabolism . 31 (5): 1017–1031.e4. doi : 10.1016/j.cmet.2020.04.005 . ISSN 1550-4131 . PMC 7398125 . PMID 32302527 . 1 2 Cadwell, Cathryn R; Scala, Federico; Li, Shuang; Livrizzi, Giulia; Shen, Shan; Sandberg, Rickard; Jiang, Xiaolong; Tolias, Andreas S (2017 年 12 月). "Patch-seq を使用した単一細胞形態、電気生理学、および遺伝子発現のマルチモーダル プロファイリング" . Nature Protocols . 12 (12): 2531– 2553. doi : 10.1038/nprot.2017.120 . ISSN 1754-2189 . PMC 6422019 . PMID 29189773 . 1 2 3 4 Tripathy, Shreejoy J.; Toker, Lilah; Bomkamp, Claire; Mancarci, B. Ogan; Belmadani, Manuel; Pavlidis, Paul (2018). "Assessing Transcriptome Quality in Patch-Seq Datasets" . Frontiers in Molecular Neuroscience . 11 363. doi : 10.3389/fnmol.2018.00363 . ISSN 1662-5099 . PMC 6187980 . PMID 30349457 . ↑ Lipovsek, M.; Bardy, C.; Cadwell, CR; Hadley, K.; Kobak, D.; Tripathy, SJ (2021). "Patch-seq: 過去、現在、そして未来" . The Journal of Neuroscience . 41 (5): 937– 946. doi : 10.1523/JNEUROSCI.1653-20.2020 . PMC 7880286 . PMID 33431632 . ↑ Tripathy, Shreejoy J.; Toker, Lilah; Bomkamp, Claire; Mancarci, B. Ogan; Belmadani, Manuel; Pavlidis, Paul (2018). "Assessing Transcriptome Quality in Patch-Seq Datasets" . Frontiers in Molecular Neuroscience . 11 363. doi : 10.3389/fnmol.2018.00363 . PMC 6187980 . PMID 30349457 . ↑ Mahfooz, Kashif; Ellender, Tommas J. (2021). "全細胞パッチクランプ記録と単一細胞RNAシーケンスの組み合わせ" . パッチクランプ電気生理学 . Methods in Molecular Biology. Vol. 2188. pp. 179–189 . doi : 10.1007 /978-1-0716-0818-0_9 . ISBN 978-1-0716-0817-3 . PMID 33119852 . S2CID 226203486 . 1 2 Lipovsek, Marcela; Browne, Lorcan; Grubb, Matthew S. (2020 年 12 月). "小型介在ニューロンの Patch-Seq プロトコル" . STAR Protocols . 1 (3) 100146. doi : 10.1016/j.xpro.2020.100146 . ISSN 2666-1667 . PMC 7757288 . PMID 33377040 . ↑ Seeman, Stephanie C; Campagnola, Luke; Davoudian, Pasha A; Hoggarth, Alex; Hage, Travis A; Bosma-Moody, Alice; Baker, Christopher A; Lee, Jung Hoon; Mihalas, Stefan; Teeter, Corinne; Ko, Andrew L (2018-09-26). Slutsky, Inna; Marder, Eve; Sjöström, Per Jesper (eds.). " Sparse recurrent excitatory connectivity in the microcircuit of the adult mouse and human cortex" . eLife . 7 e37349. doi : 10.7554/eLife.37349 . ISSN 2050-084X . PMC 6158007. PMID 30256194 . ↑ 「HEKA Elektronik - 最新のソフトウェアリリース、ハードウェアドライバ、マニュアルをダウンロード」 。www.heka.com 。 2021 年2月24日 取得。 ↑ 「pCLAMP 11ソフトウェアスイート」 。Molecular Devices 。 2021年2月24日 取得 。 ↑ 「WaveSurfer | Janelia Research Campus」 。www.janelia.org 。 2021年2月24日 取得 。 ↑ Fontaine, R.; Hodne, K.; Weltzien, FA (2018). "硬骨魚類の脳下垂体細胞の電気生理学的調査のための健康な脳下垂体スライス" . Journal of Visualized Experiments (138). doi : 10.3791/57790 . PMC 6126815 . PMID 30176004 . ↑ Hutchinson, John N.; Ensminger, Alexander W.; Clemson, Christine M.; Lynch, Christopher R.; Lawrence, Jeanne B.; Chess, Andrew (2007-02-01). "核転写産物のスクリーニングにより、SC35スプライシングドメインに関連する2つの連結した非コードRNAが同定された" . BMC Genomics . 8 (1): 39. doi : 10.1186/1471-2164-8-39 . ISSN 1471-2164 . PMC 1800850 . PMID 17270048 . ↑ Feldmeyer, Dirk; Egger, Veronica; Lübke, Joachim; Sakmann, Bert (1999-11-15). "発達中のラット体性感覚皮質の単一の「バレル」内の興奮性第4層ニューロンのペア間の信頼できるシナプス結合" . The Journal of Physiology . 521 (Pt 1): 169– 190. doi : 10.1111/j.1469-7793.1999.00169.x . ISSN 0022-3751 . PMC 2269646 . PMID 10562343 . ↑ van den Hurk, Mark; Erwin, Jennifer A.; Yeo, Gene W.; Gage, Fred H.; Bardy, Cedric (2018-08-10). " Patch-Seq Protocol to Analyze the Electrophysiology, Morphology and Transcriptome of Whole Single Neurons Derived From Human Pluripotent Stem Cells" . Frontiers in Molecular Neuroscience . 11 261. doi : 10.3389/fnmol.2018.00261 . ISSN 1662-5099 . PMC 6096303. PMID 30147644 . ↑ Zhou, Zhi; Liu, Xiaoxiao; Long, Brian; Peng, Hanchuan (2016-01-01). "TReMAP: 2D 投影のトレース、逆マッピング、およびアセンブリに基づく自動 3D ニューロン再構築". Neuroinformatics . 14 (1): 41– 50. doi : 10.1007/s12021-015-9278-1 . ISSN 1559-0089 . PMID 26306866 . S2CID 9636781 . ↑ Roskams, Jane; Popović, Zoran (2016-11-02). "Power to the People: Addressing Big Data Challenges in Neuroscience by Creating a New Cadre of Citizen Neuroscientists" . Neuron . 92 ( 3): 658–664 . doi : 10.1016/j.neuron.2016.10.045 . ISSN 0896-6273 . PMID 27810012. S2CID 23704393 . ↑ Peng, Hanchuan; Ruan, Zongcai; Long, Fuhui; Simpson, Julie H.; Myers, Eugene W. (2010年4月) 「V3Dは 、 大規模な生物学的画像データセットのリアルタイム3D可視化と定量的解析を可能にする」 Nature Biotechnology . 28 (4): 348– 353. doi : 10.1038/nbt.1612 . ISSN 1087-0156 . PMC 2857929. PMID 20231818 . ↑ Fuzik, Janos; Rehman, Sabah; Girach, Fatima; Miklosi, Andras G.; Korchynska, Solomiia; Arque, Gloria; Romanov, Roman A.; Hanics, János; Wagner, Ludwig; Meletis, Konstantinos; Yanagawa, Yuchio (2019-12-17). "脳全体の遺伝子マッピングにより、灰白質被膜が薬理学的に無関係な精神刺激薬の出生前標的であることが特定された" . Proceedings of the National Academy of Sciences . 116 (51): 25958– 25967. Bibcode : 2019PNAS..11625958F . doi : 10.1073/pnas.1904006116 . ISSN 0027-8424 . PMC 6929682 . PMID 31796600 . 1 2 Kobak, Dmitry; Bernaerts, Yves; Weis, Marissa A.; Scala, Federico; Tolias, Andreas; Berens, Philipp (2021). "Sparse Reduced-Rank Regression for Exploratory Visualisation of Paired Multivariate Data" . Journal of the Royal Statistical Society Series C: Applied Statistics . 70 (4): 980– 1000. bioRxiv 10.1101/302208 . doi : 10.1111/rssc.12494 . ↑ ガラ、ローハン。ガウエンズ、ネイサン。ヤオ、ジジェン。ブジッロ、アガタ。ペン、オスナット。タシッチ、ボシリカ。マーフィー、ゲイブ。ゼン、ホンクイ。ウイガル州スンビュル(2019-11-05)。 「細胞型のマルチモーダル分析のための結合オートエンコーダ アプローチ」。 arXiv : 1911.05663 [ q-bio.NC ]。 ↑ Bernaerts, Yves; Berens, Philipp; Kobak, Dmitry (2020-06-18). "Sparse Bottleneck Networks for Exploratory Analysis and Visualization of Neural Patch-seq Data". arXiv : 2006.10411 [ cs.LG ]. ↑ Specht, Harrison; Emmott, Edward; Petelski, Aleksandra A.; Huffman, R. Gray; Perlman, David H.; Serra, Marco; Kharchenko, Peter; Koller, Antonius; Slavov, Nikolai (2021-01-27). "SCoPE2 を用いたマクロファージの不均一性の単一細胞プロテオミクスおよびトランスクリプトミクス解析" . Genome Biology . 22 (1): 50. doi : 10.1186/s13059-021-02267-5 . ISSN 1474-760X . PMC 7839219 . PMID 33504367 . ↑ Scala, F.; Kobak, D.; Shan, S.; Bernaerts, Y.; Laturnus, S.; Cadwell, CR; Hartmanis, L.; Froudarakis, E.; Castro, J.; Tan, ZH; Papadopoulos, S. (2019). "マウス新皮質の第4層は感覚領域間で細胞型と回路構成が異なる" . Nature Communications . 10 (1) 4174. bioRxiv 10.1101/507293 . doi : 10.1038/s41467-019-12058-z . PMC 6744474. PMID 31519874 . ↑ オラー、ヴィクトル・ヤーノス。ルカソビッチ、デヴィッド;ウィンターラー、ヨッヘン。アルショフスキー、アントニア。リンツ、アンドレア。ナッセル、ゾルタン。フォルディ、チャバ;シャバディッチ、ヤノス (2020)。 「Kv4.3補助サブユニットの代替アイソフォームによるCCK+介在ニューロンの機能的仕様」 。 eライフ 。 9 e58515。 土井 : 10.7554/eLife.58515 。 ISSN 2050-084X 。 PMC 7269670 。 PMID 32490811 。 ↑ ペナー、ラインホルト (1995)、「パッチクランプの実践ガイド」、 シングルチャンネルレコーディング 、ボストン、マサチューセッツ州:スプリンガーUS、pp. 3–30 、 doi : 10.1007/978-1-4419-1229-9_1 、 ISBN 978-1-4419-1230-5 1 2 Suk, Ho-Jun; Boyden, Edward S.; van Welie, Ingrid (2019 年 10 月). "全細胞パッチクランプ技術の自動化の進歩". Journal of Neuroscience Methods . 326 108357. doi : 10.1016/j.jneumeth.2019.108357 . ISSN 0165-0270 . PMID 31336060 . S2CID 198192157 . ↑ Liu, Siqi; Zhang, Donghao; Song, Yang; Peng, Hanchuan; Cai, Weidong (2018). "Automated 3-D Neuron Tracing with Precise Branch Erasing and Confidence Controlled Back Tracking". IEEE Transactions on Medical Imaging . 37 (11): 2441– 2452. bioRxiv 10.1101/109892 . doi : 10.1109/TMI.2018.2833420 . PMID 29993997 .