不同深透明的动物的薄板瘘，标有神经系统特异性标记。
神经科学研究和显微学的进步：由维也纳大学和维也纳医科大学的合资企业Max Perutz Labs维也纳的研究人员推动的协作项目，以及Tu Wien（维也纳）允许研究人员深入使用器官和动物的神经系统，从鱿鱼和蠕虫到鱼和蝾螈。
在整个器官或组织背景下的近似细胞的分析在生物学中变得越来越重要。到目前为止的标准方法是将较大的组织切成薄层，研究这些部分中的每一部，然后再次将信息拼成到3D模型中。然而，这是一个费力的过程，往往会产生不完整的结果。例如，构成我们神经系统的细胞具有可通过整个身体到达的长延伸部。重建从小切片的这种突起非常具有挑战性。
探测器和组织清除使鱿鱼神经系统的浅色薄片进行三维重建。
避免这种情况的优雅解决方案是由组织清除技术提供的，这些技术可以使不透明组织透明。当施加到包括大脑的复杂组织时，这种技术允许可视化inpidual细胞及其延伸，使科学家能够捕获细胞和组织的3D图像而不需要截面。然而，到目前为止的现有的清算技术未得到优化，以除去组织中存在的各种颜料，并限制这些样品的成像多么深。因此，尽管有组织清除方法的力量，但它们基本上仍然限于特定的未珍明的器官，如大脑，以及少量具有减少色素沉着的模型物种。
在团队努力中，来自维也纳医科大学和Tu Wien（维也纳）的Max Perutz实验室的研究人员现在已经开发出一种新的方法，将组织清除与其他颜料类型相结合，因为它们是大多数的特征动物。这种新方法 - 被称为“深度清晰” - 现已发表在国际期刊科学的进步。
深层处理斑马鱼的浅照片图像显示增殖细胞（粉红色）和神经系统（绿色）。
有助于开发新方法的一个重要观察结果是不同化学处理的组合具有协同作用，允许快速的抗腔和组织清除。“缩短化学加工保留了组织和生物的完整性，从而更有可能保留分子和内部结构，”清算方法的显影剂，从Hans-Ulrich Dodt的实验室中解释说清算方法的显影剂Tu Wien和维也纳医科大学大脑研究中心，以及研究的第一作者之一。这样，可以从不同的枝条上成像多种生物，从软体动物到骨鱼到两栖动物。“这些只是一些例子。我们认为该方法适用于多种生物。该研究的高级作者Hans Ulrich Dodt教授汉斯Ulrich Dodt教授解释了这一点。
然后，该团队系统地探讨了仍然可以在深层清晰加工的样品中标记和检测到哪种类型的分子，调查从鱿鱼和蠕虫到鱼和蝾螈的物种。这项工作 - 在Max Perutz实验室的佛罗里亚州的博士学位Karim Vadiwala在Max Perutz实验室的实验室中进行了 - 表明深透明与各种重要的生物分子的检测兼容，允许图像特异性蛋白质，DNA标记和RNA完整的标本。“深透明的这种多功能性使其成为一种高度有吸引力的工具来探索目前标准组织清除技术的一系列动物，解释说，Karim Vadiwala（Max Perutz Labs）解释道。
全动物神经系统的3D视图探索神经干细胞生物学
除了与许多物种的兼容性之外，深处的另一个有吸引力的特点是加工生物体的透明度允许横跨秤的图像样本：一方面，团队调查非常小的细节，例如神经元之间的接触点，或者近在的隐藏细胞簇之间。另一方面，它们利用了Dodt Lab开发的最新一代所谓的光板显微镜，其中二维激光用于快速扫描整个样本，导致全三维模型在计算机上创建。“使用非常薄的光片使我们能够克服大量光学限制，并且允许我们产生这种高分辨率图像，即使来自几毫米厚的样本，显微镜的设计师Saiedeh Saghafi（ Tu Wien）。
该团队的期望是“深度清晰”将有助于普及组织清除，允许世界各地的研究人员在各种物种中加强分子和细胞研究，该物种具有高度兴趣，但探索的神经科学特征差。例如，蠕虫，鱼和蝾螈可以再生他们中枢神经系统的部分，表明它们具有人类和其他哺乳动物丢失的分子能力。“可视化负责的干细胞，并研究其分子化妆，或者它们对再生组织的贡献将受到深处的促进，”弗洛安博士（Max Perutz Labs）相协调，他们也参与其中Oleg Simakov博士（UniVienna）和Elly Tanaka博士（分子病理学研究所）中的其他研究人员。
参考：Marko Pende，Karim Vadiwala，Hannah Schmidbaur，Alexander W. Stockinger，Ligher Psehafi，Marcus Ps Dekens，Klaus Becker，Roger Revilla，Roger Revilla-I-Domingo ，Sofia-Christina Papadopoulos，Martin Zurl，Pawel Pasierbek，Oleg Simakov，Elly M. Tanaka，Florian Wly和Hans-Ulrich Dodt，2020年5月29日，科学推进.DOI：
10.1126 / sciadv.aba0365
