为了更好地了解诸如大脑这样的复杂器官是如何运作的，近日，来自贝勒医学院等机构的科学家们通过研究揭示了大脑中的详细细胞架构以及其内部是如何发生细胞间通讯的。
       研究人员使用了先进的计算方法来帮助理解大脑的复杂结构和功能，这或许有望帮助解释在疾病和健康状态下复杂器官的表现。

       目前我们所拥有的技术能帮助在组织中识别并锁定单一细胞，同时还能确定组织中每个单细胞所产生的副产物。哺乳动物的大脑非常复杂且由几百万到几千亿个细胞所组成，对其进行分析时能产生大量的数据，如今研究人员所面临的挑战就是如何开发出整个这些数据集信息的方法来产生一种能可靠地反映器官如何发挥作用的模型。

       当前研究中，研究人员开发出了一种神经网络模型来阐明复杂组织的架构和功能方面，他们将这种模型称之为STANN（Spatial Transcriptomics cell-types Assignment using Neural Networks），即利用神经网络的空间转录组学细胞类型分配模型。
       研究者还还使用了其它先进的复杂计算方法使该模型更加严格，研究者将STANN和其它方法应用到小鼠嗅球现有的大脑数据集中，并开始发现大脑的细胞架构和功能中出现了非常有趣的模式。大脑由不同的形态层组成，STANN模型能帮助研究人员预测其细胞组织的详细图谱，而研究者的模型能逐层提供不同细胞类型的精确位置，以及其是否相互沟通和通过何种方式沟通等。
       研究人员确定，细胞类型的组成在一个形态层内是相当一致的，比如，一个特定的层或许会有一定比例的星形胶质细胞、神经元和小胶质细胞，其在同一层内会保持不变；如果我们从同一形态层的不同区域取下多个小的切片，这些百分比看起来就会非常相似，然而这些百分比可能会从一个层改变到另外一个层。
       研究人员在研究细胞共同定位时观察到了不同模式的出现，比如，在一个形态层的一个区域他们就会看到星形胶质细胞会与嗅觉神经元共区域化，但在同一形态层的另一个区域这些细胞就可以完全被分开；此外研究者还观察到，在一个形态层的不同区域中，两种细胞类型之间的细胞间交流或许会发生变化，这或许就反映了基因调节网络正在随着位置的改变而发生变化。
       研究人员假设，大脑中的形态层有着不同的空间定位的细胞类型群体，这些群体在细胞类型的组成上是相似的，但细胞类型的共同定位和交流方式却存在很大差异，这就表明，大脑细胞类型有着能执行特定位置功能的空间定位亚型。此前并没有描述过在单细胞和功能水平上对大脑组织详细的分析。
       研究人员所开发的神经网络模型方法或能为其它研究人员提供一种指导性手册，从而帮助研究大脑和其它器官（比如心脏）的其它区域。综上，研究结果表明，主要的细胞类型或许会被细化为以空间定位的基因调控网络和受体-配体使用为特征的亚型。