Tissue clearing and its applications in neuroscience.
Tissue clearing and its applications in neuroscience.
复制标题
DOI：
10.1038/s41583-019-0250-1
复制
发表时间：
2020-02
期刊：
影响因子：
--
通讯作者：
Keller PJ
中科院分区：
文献类型：
--
作者：
Ueda HR;Ertürk A;Chung K;Gradinaru V;Chédotal A;Tomancak P;Keller PJ
最先进的组织清除方法提供了对来自单个器官甚至一些整个哺乳动物的完整组织的亚细胞水平的光学访问。当与光片显微镜和自动化方法结合进行图像分析时，现有的组织清除方法可以加快速度，并可能将传统组织学的成本降低几个数量级。此外，组织清除化学允许全器官抗体标记，甚至可以应用于厚的人体组织。通过结合最强大的标记，清除，成像和数据分析工具，科学家们正在以更快的速度提取复杂哺乳动物身体和大型人类标本的结构和功能细胞和亚细胞信息。此外，TB级成像数据的快速生成对解决大规模数据分析和管理挑战的高效计算方法产生了很高的需求。在这篇综述中，我们讨论了如何组织清除方法可以提供一个公正的，系统级的哺乳动物身体和人类标本的观点，并讨论了这些方法在人类神经科学中使用的未来机会。
State-of-the-art tissue-clearing methods provide subcellular-level optical access to intact tissues from individual organs and even to some entire mammals. When combined with light-sheet microscopy and automated approaches to image analysis, existing tissue-clearing methods can speed up and may reduce the cost of conventional histology by several orders of magnitude. In addition, tissue-clearing chemistry allows whole-organ antibody labelling, which can be applied even to thick human tissues. By combining the most powerful labelling, clearing, imaging and data-analysis tools, scientists are extracting structural and functional cellular and subcellular information on complex mammalian bodies and large human specimens at an accelerated pace. The rapid generation of terabyte-scale imaging data furthermore creates a high demand for efficient computational approaches that tackle challenges in large-scale data analysis and management. In this Review, we discuss how tissue-clearing methods could provide an unbiased, system-level view of mammalian bodies and human specimens and discuss future opportunities for the use of these methods in human neuroscience.
登录
查看更多内容
光学成像。膨胀显微镜。
DOI：
10.1126/science.1260088
发表时间：
2015-01-30
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Chen F;Tillberg PW;Boyden ES
通讯作者：
Boyden ES
使用2,2'-硫代二乙醇的快速光学清除方案，用于对固定小鼠脑的微观观察。
影响因子：
3.7
作者：
Aoyagi Y;Kawakami R;Osanai H;Hibi T;Nemoto T
通讯作者：
Nemoto T
影响因子：
4.6
作者：
Behjati, Sam;Lindsay, Susan;Haniffa, Muzlifah
通讯作者：
Haniffa, Muzlifah
影响因子：
64.8
作者：
Chen JY;Miyanishi M;Wang SK;Yamazaki S;Sinha R;Kao KS;Seita J;Sahoo D;Nakauchi H;Weissman IL
通讯作者：
Weissman IL
影响因子：
25
作者：
Chan KY;Jang MJ;Yoo BB;Greenbaum A;Ravi N;Wu WL;Sánchez-Guardado L;Lois C;Mazmanian SK;Deverman BE;Gradinaru V
通讯作者：
Gradinaru V