进入小鼠的“盗梦空间”

睡眠既是脑研究的重要组成部分，又对健康产生重要影响。近年来，调控大脑睡眠状态的环路机制及关键脑区的发现，为人们从微观或介观层面理解睡眠机制提供了帮助。然而，睡眠过程涉及多个脑区的复杂调控，在全脑尺度对睡眠调控进行研究非常关键。目前很多研究利用fMRI（功能磁共振成像）或PET（正电子发射计算机断层显像）观测人睡眠中的全脑特征性变化，但由于测量尺度及物种差异，这些研究很难与动物研究中的发现进行整合。

近日，中国科学院脑科学与智能技术卓越创新中心（神经科学研究所）梁智锋研究组与北京大学未来技术学院段小洁研究组合作，建立了基于同时电生理记录的小鼠睡眠功能磁共振成像方法，揭示了小鼠觉醒状态切换及特征性神经事件全脑时空动态特征，为睡眠研究提供了全局观测新视角。该研究还公开了相关的大规模小鼠睡眠数据集，为进一步挖掘和整合多尺度睡眠研究提供了支持。相关研究已在《自然-通讯》发表。

?

对小鼠全脑进行无损成像。受访者供图

让小鼠“清醒”地睡眠

“我们在小鼠和猴子身上进行的研究，都基于清醒功能磁共振成像技术对全脑进行无损成像。”梁智锋告诉《中国科学报》。

为动物进行清醒功能磁共振成像（俗称做核磁）有两大难点，一是动物不会像人一样安静地躺着，配合研究人员进行实验。二是动物多数惧怕做核磁时的巨大噪音。因此大部分动物研究要先进行麻醉，然后再进行实验，但麻醉会改变大脑功能（而这正是麻醉起效的机理），这就制约了研究范围。

“麻醉极大的限制了动物脑功能成像的应用范围，所以我们就要想办法解决问题。”梁智锋补充说，“近五六年我们通过改造实验装置，同时结合动物行为学训练，让小鼠或猴子在不麻醉情况下做核磁，进行清醒动物的脑成像。”

为进行“清醒”小鼠的睡眠研究，研究人员进一步对成像装置进行优化，为实验小鼠定制了动物固定装置，让鼠在头部固定的同时又尽可能舒服。然后通过行为训练，降低小鼠的应激水平，一步步适应核磁的环境。

研究人员发现，做核磁时虽然噪声巨大，但有相对固定的节奏，这和火车轮轨碰撞的咣咣当当声相似，有规律噪声对睡眠的困扰并非不可克服。行为训练时，研究人员一开始让小鼠处于无噪声环境中，然后逐步提高噪声音量，让小鼠适应头部固定和噪声条件。

“这个适应过程其实并不算长。小鼠经过7至10天训练，猴子大概需要1至2个月就能慢慢适应。”梁智锋说，“这项工作中，我们用一整套措施对小鼠睡眠进行优化，让它在非麻醉状态下，可以较容易的在核磁环境中进入非快速眼动（NREM）睡眠或快速眼动（REM）睡眠。”

植入电极创新

研究团队花了两年的时间，为实验动物创造了舒适的“清醒”睡眠条件。但新问题又随之而来：如何判断小鼠是否睡着了。

“这是该工作的第二个技术创新点。”梁智锋说，进行动物实验不能简单以它是否活动或闭眼来判断是否进入睡眠状态。科学家在区分人类是否进入睡眠状态时，有个“金标准”，即通过大脑的电生理信号来判断。但问题是，核磁成像和电生理信号记录两者有非常大的互相干扰。

通常进行电生理记录要将金属电极（如常用的钨丝电极）植入脑中。一方面，金属电极会在功能磁共振成像时产生巨大伪影，“普通电极扎下去，图像中小鼠脑袋半边都黑了”。另一方面，做核磁时会产生强烈的局部磁场变化，而磁场变化会在导体（电极）内产生电流。

“做核磁时梯度磁场的切换会产生巨大干扰信号，这个信号比记录到真实脑电波信号至少大一个数量级。”梁智锋说。

为解决这一问题，梁智锋团队和段小洁团队合作，发现一种石墨烯纤维的磁化率跟脑组织非常接近。这种材料既有良好的导电性能，又不会在核磁图像中产生很大的伪影，完美解决了特殊环境下记录小鼠脑电波的难题。

?

高度核磁兼容的电生理记录装置示意。受访者供图

拓展脑研究疆域

在这项研究中，联合团队将石墨烯电极植入小鼠大脑的海马体，可以在进行功能磁共振成像时记录不同睡眠觉醒状态下的特定神经电生理事件，如尖波-涟漪波（SWRs）。利用神经事件触发的功能磁共振成像方法，研究人员揭示了尖波-涟漪波诱发状态依赖的全脑时空变化模式。

此外，研究人员还发现与两个单独事件诱发的反应总和相比，耦合的纺锤波和尖波-涟漪波诱发了更强的协同效应。尖波-涟漪波和纺锤波在记忆巩固过程中都起着重要的作用，协同效应的发现为理解记忆巩固的机制提供了新的方向。

“我们发现非快速眼动睡眠期，尖波所引起的全脑时空动态激活范围和强度远大于清醒期。”梁智锋解释说，“睡眠有助于记忆的巩固，以上的发现可能提示了睡眠巩固记忆的机制。”

该研究建立了基于同时电生理记录的小鼠睡眠功能磁共振成像方法，揭示了小鼠睡眠觉醒状态依赖的动态全脑时空特征。首次在全脑尺度观测睡眠及睡眠觉醒切换过程，这提供很多新信息，比如觉醒状态切换预测。

研究人员发现从睡觉觉醒状态的切换并非瞬间完成，不同状态间的切换涉及几乎所有脑区的次序性切换，有些脑区先变化，有些脑区后变化。为此，研究人员构建了一个机器学习模型来预测状态切换，最长能在状态切换前17秒预测接下来要进入什么状态。

“几乎所有动物都有睡眠现象，但睡眠跨物种的特性我们并不了解。人们没有在人和动物上都能应用的方法去做比较研究，现在我们提供了一个跨物种比较研究手段。同时我们对小鼠全脑时空这种动态研究，也提供了一个基础数据库，将来继续进行这方面脑研究的话都可以用这方面的科学数据。”

数据集：https://doi.org/10.12412/BSDC.1668502646.20001

相关论文信息：https://doi.org/10.1038/s41467-023-37352-9