当前位置: 主页 > 生物资源 > 电子书库

重建树突节段数据集:Synapse Web

2026-04-03 17:39 bioguider synapses.mcg.edu 阅读 0
核心摘要: 本数据集提供大鼠海马CA1区辐射层锥体神经元树突的3D重建,基于连续超薄切片的电子显微镜图像。这些重建数据可用于研究树突棘形态、突触分布和神经毡结构,尤其适合研究发育过程中树突棘的形成和修剪,以及突触与胶质细胞的相互作用。

 

大鼠海马CA1区辐射层锥体神经元树突的3D重建。这些数据基于连续超薄切片的电子显微镜图像,是研究树突棘形态、突触分布和神经毡结构的经典资源。


? 一、数据集概览

 

该数据集共包含 5 个树突节段 的完整重建:

 
 
树突编号 动物 日龄 脑区 处理条件 VRML Flipbook EM Series
K18 Rat 21 38-39 天 CA1 s. radiatum perfusion
K18+ K18 衍生 CA1 s. radiatum 含星形胶质细胞和突触 bouton
K22.1 Rat 34 77 天 CA1 s. radiatum perfusion
K22.2 Rat 34 77 天 CA1 s. radiatum perfusion
K24 Rat 34 77 天 CA1 s. radiatum perfusion
K21 Rat 34 77 天 CA1 s. radiatum perfusion

? 二、关键信息解读

1. 动物与年龄

 

 
 
动物编号 日龄 相当于人类发育阶段
Rat 21 38-39 天 青年期(青春期后期)
Rat 34 77 天 成年早期(性成熟)

? 研究意义:对比不同年龄的树突形态,可用于研究发育过程中树突棘的形成、成熟和修剪。

2. 脑区定位

 

  • CA1 s. radiatum:海马 CA1 区的辐射层

  • 该区域包含大量锥体神经元的树突,接受来自 CA3 区 Schaffer 侧支的突触输入

  • 是研究突触可塑性(如 LTP/LTD) 的核心区域

3. 数据类型说明

 

 
 
数据类型 说明 可用性
VRML 可交互的 3D 模型(需插件) 所有树突均提供
Flipbook 连续切片的翻页动画 仅 K18、K24 提供
EM Series 原始电子显微镜图像序列 仅 K18、K24 提供

? 三、K18+ 的特殊性

 

K18+ 是在 K18 树突基础上,额外添加了与其相互作用的细胞结构:

  • 星形胶质细胞(Astrocyte):围绕突触的胶质细胞突起

  • 突触 Bouton:突触前末梢

这使得 K18+ 模型能够展示突触-胶质三元复合体的超微结构,是研究突触与胶质细胞互作的宝贵资源。


? 四、2026 年可用性评估

 

 
 
项目 状态 说明
原网站 ⚠️ 可能无法访问 synapses.mcg.edu 域名已不活跃
VRML 模型 ⚠️ 技术过时 现代浏览器已不支持 VRML 插件
EM 原始图像 ✅ 潜在价值 如有备份,仍可用于重新分析
Internet Archive ✅ 可尝试访问 通过 Wayback Machine 查看历史存档

替代访问方式

 

  1. Wayback Machine:访问 https://web.archive.org,搜索 http://synapses.mcg.edu

  2. 联系原始作者:K. M. Harris 实验室(波士顿大学)可能保留原始数据

  3. 使用现代格式:VRML 模型可转换为 glTF 或 OBJ 格式(需相应工具)


? 五、现代替代资源

 

如果你需要类似的高分辨率树突重建数据,以下资源可供参考:

 
 
资源 链接 特点
NeuroMorpho.Org https://neuromorpho.org 全球最大神经元形态数据库,含海马锥体细胞
Allen Cell Types https://celltypes.brain-map.org 小鼠和人类神经元 3D 重建
MouseLight https://ml-neuronbrowser.janelia.org Janelia 小鼠全脑单神经元形态数据集
EBRAINS siibra https://atlases.ebrains.eu/viewer 3D 脑图谱,含细胞层面数据

? 六、数据集的研究价值

 

即使在 2026 年,这类基于连续超薄切片 EM 的树突重建数据集仍具有重要价值:

 
 
研究方向 可用数据
树突棘形态分类 K18、K24 的完整 EM 序列
突触密度分析 树突节段上的突触分布
发育比较 38 天 vs 77 天的大鼠
胶质-突触互作 K18+ 星形胶质细胞模型
方法学参考 连续切片 EM 重建技术路线

? 提示:如能获取原始 EM 图像,可使用现代深度学习分割工具(如 EMpanada、SegEM)重新分析,可能获得比原始研究更精细的结果。

    发表评论