神经元三模态整合解析（Neuronal Multimodal Integration）
1. 定义
神经元三模态整合解析是指在同一神经元上同时获取并整合其功能特征（神经元在活体中的电活动与响应模式）、结构特征（神经元的形态、树突分支模式及轴突投射路径）和分子特征（基因表达谱、RNA亚细胞定位等）三大维度信息的综合性技术体系。2026年，中国科学院脑智卓越中心王凯团队和徐圣进团队自主研发的基于成像的多模态解析平台（Imaging-based Multimodal Characterization, IMC），首次实现了这一目标。这一突破相当于为同一个神经元同时拍摄了“工作视频”（功能）、“全身照”（结构）和“基因身份证”（分子），使科学家第一次能够在单细胞水平上完整地回答“一个神经元是什么、长什么样、在做什么”这一神经科学最根本的问题。
2. 历史背景：神经科学的“盲人摸象”困境
我们的大脑中约有860亿个神经元。有的神经元对棋盘格画面“兴奋”，有的只对特定方向的运动有反应；有的长得像一棵枝繁叶茂的大树，轴突伸到大脑的另一头，有的则只在局部活动。
科学家很早就知道这些差异，但始终无法回答一个根本问题：一个神经元的分子构成，加上它的形态和连接，是如何塑造出不同具体功能的？
这一困境源于技术层面的根本局限。过去，神经科学研究形成了三个各自独立的“孤岛”：
功能研究：通过电生理记录或钙成像，观察神经元“在做什么”
结构研究：通过组织切片或示踪技术，观察神经元“长什么样、怎么连接”
分子研究：通过测序或原位杂交，观察神经元“由什么构成”
这些研究各自积累了海量数据——中国脑计划与美国脑计划均投入巨资，分别建立了庞大的神经元分子、结构和功能数据库。但正如美国脑计划主任倪约翰（John Ngai）所指出的：这些数据库在各自领域发挥着巨大作用，但彼此之间缺乏联系，从而限制了它们发挥更大的作用。
每一种研究看到的都只是大象的一部分——有人摸到象腿，有人摸到象鼻，却没有人能看到完整的大象。神经科学迫切需要一种能够将三者融合的技术。
3. 技术突破：IMC平台的诞生
为攻克这一难题，王凯团队和徐圣进团队联合攻关，从底层技术开始重新设计。他们开发了基于成像的神经元多模态解析技术——IMC（Imaging-based Multimodal Characterization）平台。
3.1 多平面并行化双光子显微镜
传统的双光子显微镜一次只能对一个深度成像。团队自主开发了多平面并行化双光子显微镜——将一束光分成8束，同时进行8个不同深度的成像。这一创新将原本需要1个月的扫描时间压缩到100个小时。
3.2 双色编码膨胀荧光原位杂交技术（2cEASI-FISH）
为避免切片丢失信息，团队坚持对完整鼠脑进行透明化处理。但透明化面临一个两难：透明化过度会洗掉荧光蛋白，不透明又看不清深层结构。团队反复优化透明化配方，最终自主开发了双色编码膨胀荧光原位杂交技术（2cEASI-FISH） 。他们在200微米厚的鼠脑组织中完成3D原位基因解析，最大限度地保留了神经元的完整3D形态及局部空间微环境。
3.3 从“盲人摸象”到“全景拼图”
IMC平台打通了从活体功能记录、全脑形态重构到3D原位分子检测的完整技术链路。研究团队用柔性透明材料替换了传统的玻璃“窗口”，既保证功能数据最优，又不损伤脑组织。
依托这一平台，团队以小鼠初级视觉皮层为切入点，获得了207个具有在体功能活动和形态信息的神经元，并进一步获得了141个神经元的完整三模态数据集。这些数据包括皮层内投射神经元（IT）和锥体束神经元（PT）。
4. 核心发现
4.1 功能由分子、形态、连接共同塑造
研究发现，神经元的功能身份由分子特征、细胞形态和环路连接共同塑造。相比单一模态，多模态特征相结合能更准确地预测神经元的功能。这一发现证实了神经科学家长久以来的猜想：神经元的“身份”不是由任何一个单一因素决定的，而是分子、形态和连接三者的“合力”。
4.2 mRNA亚细胞定位：新的分子特征维度
研究团队借助新技术成功保留了单个RNA分子在细胞内的空间分布。结果显示，mRNA的亚细胞定位模式本身构成了新的分子特征维度，可用于辅助区分不同投射类型和功能类型的神经元。这意味着，即使两个神经元表达完全相同的基因，它们把mRNA“放在细胞哪里”也可能决定它们的功能差异——这一发现为理解神经元多样性开辟了全新的视角。
4.3 识别新的神经元亚型
研究成功解析了对棋盘格视觉刺激有偏好响应神经元的特征，并识别到了新的神经元亚型。这证明了IMC平台不仅能够整合已知信息，还能发现此前未知的神经元类型。
5. 科学意义
5.1 改写神经科学的研究范式
IMC的出现，首次实现了在同一个神经元中获取跨尺度、可直接对齐且相互验证的多模态数据。由此，在同一细胞上同时获取功能、结构、分子三类信息的理想研究模式成为可能。复杂脑功能解析和脑疾病机制研究从此有了一个全新的技术平台。
正如论文通讯作者王凯研究员所说：“通过IMC一旦能够找到功能特殊神经元的分子特征和结构特征，就可以帮助研究者更好地靶向调控这些神经元”。
5.2 为脑图谱提供“真实基准”
IMC平台产生的真实同源、跨尺度三模态数据，可作为评估和训练多模态整合方法的高质量真实基准（Ground-truth）资源。平台有望帮助建立整合分子、细胞、环路和行为的多模态、多尺度数据生态的脑知识库。这将为脑图谱范式升级、复杂脑功能解码以及脑疾病干预注入强劲的新动力。
5.3 为脑疾病精准治疗提供靶点
未来，IMC平台可扩展到更多脑区、细胞类型和行为范式，用于解析任务相关计算、环路结构和分子身份之间的关系。也可用于研究脑疾病中特定神经元亚型的功能异常、联接改变和分子状态变化。这一方面可以在基础研究中帮助解析一些具体问题，另一方面对精准的脑调控和神经疾病治疗都有重要意义。
6. 未解问题与未来方向
扩展到更多脑区：IMC目前聚焦于小鼠初级视觉皮层，未来能否扩展到更复杂的脑区（如前额叶皮层、海马体）？
从动物到人类：IMC目前基于小鼠模型，能否最终应用于人类脑组织样本或活体人类研究？
实时整合：目前是“先分别采集、后整合分析”，未来能否实现三大模态的实时同步采集？
临床应用：IMC识别的新神经元亚型与脑疾病有何具体关联？能否转化为诊断标志物或治疗靶点？
数据共享与标准化：IMC产生的三模态数据如何标准化，以便全球科学家共享和比较？