編輯 | 2049
在人類大腦發育過程中，數萬億神經元與膠質細胞形成複雜網路，而小膠質細胞作為中樞神經系統的免疫哨兵，其空間分佈與功能動態直接影響神經迴路的形成與重塑。
傳統組織學分析方法受限於手動標註的低效性和二維影像的侷限性，難以揭示細胞在三維組織中的動態互作規律。尤其在病理條件下，如母體感染 SARS-CoV-2 引發的胎兒腦出血，小膠質細胞如何響應血管損傷仍需深入解析。
針對這一挑戰，來自巴黎高等師範學院生物研究所 Institut de Biologique de l’École Normale Supérieure ，IBENS)的研究團隊開發了 DeepCellMap——一個融合深度學習與空間統計的開源分析平臺。該工具透過自動化細胞分類與多尺度空間關聯分析，首次實現了人類發育腦組織中小膠質細胞形態多樣性及其空間網路的系統解析。
該研究以「Unraveling microglial spatial organization in the developing human brain with DeepCellMap, a deep learning approach coupled with spatial statistics」為題，發表於 2025 年 2 月 13 日的《Nature Communications》。
論文連結：https://www.nature.com/articles/s41467-025-56560-z
程式碼地址：https://github.com/holcman-lab/DeepCellMap
研究背景
小膠質細胞起源於卵黃囊前體細胞，在胚胎髮育第 4 周遷入人腦，透過增殖、遷移和凋亡動態塑造神經發育微環境。
其形態從阿米巴狀（amoeboid）到高度分枝的穩態型（ramified），直接反映功能狀態的轉變：吞噬凋亡細胞、修剪冗餘突觸或響應病理訊號。
儘管齧齒類模型已揭示小膠質細胞的發育規律，但人類腦組織的複雜性與倫理限制導致相關研究長期滯後。
現有技術瓶頸集中在三方面：其一，傳統形態分類依賴人工標註，難以處理全腦切片的海量資料；其二，熒光與明場成像的細胞分割演算法在人類組織中的應用尚不成熟；其三，空間統計方法多侷限於腫瘤等區域性病變分析，缺乏針對發育動態的定量框架。
核心理念與演算法架構
DeepCellMap 將 U-Net 驅動的細胞分類與廣義空間統計方法有機結合。
其流程分為三階段：
首先，透過自適應閾值分割與形態學操作提取細胞輪廓；
其次，基於 5.5 萬張標註影像訓練深度網路，將小膠質細胞分為增殖型（proliferative）、吞噬型（phagocytic）、聚集型（aggregated）、阿米巴型（amoeboid）與分枝型（ramified）五類，分類 F1 分數達 81%；
最後，透過改進的 Ripley's K 函式與 DBSCAN 聚類演算法，量化細胞-細胞及細胞-腦區邊界的空間關聯。
為克服分類誤差對統計結果的干擾，研究團隊提出機率加權校正模型。透過構建混淆矩陣，系統評估形態分類的不確定性，並在空間關聯分析中引入機率權重。
合成資料驗證顯示，未校正時關聯距離誤差可達 400 畫素，而校正後誤差降至 5% 以內。
這種統計魯棒性使其能夠精準識別如增殖型與吞噬型細胞的緊密耦合（平均距離 68 μm），以及聚集型細胞對腦區邊界的特異性趨近（202 μm）。
發育腦中的空間動態圖譜
應用 DeepCellMap 分析 17-20 孕周人腦組織發現，不同腦區的小膠質細胞呈現顯著異質性。
在神經節隆起中，阿米巴型細胞佔比從 17 孕周的 32% 升至 20 孕周的 51%，提示其作為遷移前體的功能；而紋狀體與皮層則以分枝型細胞為主（>65%），符合區域成熟度差異。
空間關聯分析進一步揭示，吞噬型、增殖型與聚集型形成緊密的功能單元，其互作頻率是其他型別的 2-3 倍，提示其可能在凋亡清除與組織重塑中發揮協同作用。
圖示：追蹤不同腦區的小膠質細胞定植情況。（來源：論文）
DBSCAN 聚類分析顯示，吞噬型與分枝型細胞更傾向形成穩定叢集（65% 細胞聚整合簇），而阿米巴型僅 46% 形成鬆散叢集。
隨著發育推進，不同形態細胞的領地重疊度逐漸降低，至 20 孕周時分枝型叢集內其他型別細胞佔比不足 10%。
這種空間分離可能由增殖依賴性空間佔據機制驅動，與小鼠研究中觀察到的微膠質細胞透過增殖實現空間分佈的規律形成跨物種呼應。
圖示：神經節突起中的細胞群重疊。（來源：論文）
病理條件下的功能重塑
在母體感染 SARS-CoV-2 的胎兒腦樣本中，DeepCellMap 揭示了小膠質細胞與血管的異常互作。與對照組相比，感染組中 50% 的小膠質細胞呈現 CD68+ 溶酶體活性標記（IBA1+CD68+），且其與血管的最近鄰距離縮短 23%。
空間聚類分析顯示，溶酶體活化的小膠質細胞在出血區域形成緊密聚集，而血管完整性標記 claudin-5 的丟失提示其可能參與血腦屏障修復或損傷加劇的雙向調控。這一發現為理解病毒垂直傳播的神經病理機制提供了新視角。
圖示：DeepCellMap 應用於 SARS-CoV-2 (COVID19) 胎兒人腦共聚焦資料。（來源：論文）
未來展望
DeepCellMap 建立了首個針對人類發育腦的多尺度空間分析框架，其開源特性將推動神經發育與疾病研究的正規化轉變。
當前侷限主要集中於三維重建能力不足，未來整合光片顯微與空間轉錄組技術有望突破此瓶頸，揭示小膠質細胞的遷移軌跡與分子調控網路。
研究團隊特別指出，演算法在低密度腦區的分類精度仍需提升，且需擴充套件至更多病理模型驗證其普適性。
隨著空間組學技術的爆發式發展，DeepCellMap 或將成為解析腦細胞互作網路的關鍵工具，為神經免疫研究開闢新的探索維度。