Articulo de referencia

Rastreo neuronal

El rastreo neuronal , o reconstrucción neuronal , es una técnica utilizada en neurociencia para determinar la trayectoria de las neuritas o procesos neuronales, los axones y den...

El rastreo neuronal , o reconstrucción neuronal , es una técnica utilizada en neurociencia para determinar la trayectoria de las neuritas o procesos neuronales, los axones y dendritas , de una neurona . Desde el punto de vista de la preparación de la muestra, puede referirse a algunas de las siguientes técnicas, así como a otras técnicas de marcaje genético de neuronas:

En sentido amplio, el rastreo neuronal se relaciona más frecuentemente con la reconstrucción digital de la morfología de una neurona a partir de datos de imágenes de las muestras anteriores o con el proceso de generación de conectomas . [ 1 ]

Reconstrucción neuronal digital y rastreo neuronal

La reconstrucción digital o el trazado de la morfología neuronal es una tarea fundamental en la neurociencia computacional . [ 2 ] [ 3 ] [ 4 ] También es crucial para mapear circuitos neuronales basados ​​en imágenes de microscopio avanzadas, generalmente basadas en microscopía óptica (por ejemplo, microscopía de barrido láser, imágenes de campo claro) o microscopía electrónica u otros métodos. Debido a la alta complejidad de la morfología neuronal y el ruido intenso que a menudo se observa en dichas imágenes, así como la gran cantidad de datos de imagen que se suele encontrar, se ha considerado ampliamente como una de las tareas computacionales más desafiantes para la neurociencia computacional. Se han propuesto muchos métodos basados ​​en el análisis de imágenes para trazar la morfología neuronal, generalmente en 3D, de forma manual, semiautomática o completamente automática. Normalmente hay tres pasos de procesamiento: generación y edición de prueba, y anotación de una reconstrucción. [ 5 ] [ 6 ] [ 7 ] [ 8 ]

Historia

La necesidad de describir o reconstruir la morfología de una neurona probablemente comenzó en los albores de la neurociencia, cuando las neuronas se etiquetaban o visualizaban mediante los métodos de Golgi . Muchos de los tipos de neuronas conocidos, como las neuronas piramidales y las células candelabro , se describieron basándose en su caracterización morfológica. El primer sistema de reconstrucción neuronal asistida por ordenador, ahora conocido como Neurolucida , fue desarrollado por el Dr. Edmund Glaser y el Dr. Hendrik Van der Loos en la década de 1960. [ 9 ]

Los métodos modernos para rastrear neuronas comenzaron con la adquisición de imágenes digitalizadas de neuronas mediante microscopios. Inicialmente, esto se realizaba en 2D. Poco después del desarrollo de la imagen 3D avanzada, especialmente la imagen de fluorescencia y la imagen de microscopía electrónica , surgió una gran demanda para rastrear la morfología neuronal a partir de estos datos de imagen. Para reconstruir volúmenes 3D de neuronas, un método popular es la microscopía electrónica de secciones seriadas , en la que la muestra se corta en capas delgadas y cada sección se visualiza, lo que da como resultado un conjunto de datos de vóxeles . [ 7 ] [ 10 ] [ 11 ] [ 12 ]

Los esfuerzos modernos de rastreo neuronal se han completado en volúmenes de vóxeles con una resolución de hasta 4 × 4 × 34 nm 3 y tamaños de bases de datos de más de 1,4 petabytes. [ 12 ] [ 13 ]

Métodos

Ilustración esquemática del trazado digital de la morfología de una neurona.

Las neuronas a menudo se pueden rastrear manualmente tanto en 2D como en 3D. Para ello, se puede dibujar directamente la trayectoria de los procesos neuronales en secciones individuales de 2D de un volumen de imagen 3D y conectarlas, o bien utilizar la herramienta de dibujo 3D Virtual Finger , que convierte directamente cualquier trayectoria dibujada en 2D en una imagen de proyección en procesos neuronales 3D reales. La principal limitación del rastreo manual de neuronas es la enorme cantidad de trabajo que implica.

Las reconstrucciones automatizadas de neuronas se pueden hacer usando ajuste y marcha de modelos (por ejemplo, esferas o tubos), [ 14 ] poda de sobre-reconstrucción, [ 15 ] conexión de costo mínimo de puntos clave, ráfaga de rayos y muchos otros. [ 16 ] La esqueletización es un paso crítico en la reconstrucción automatizada de neuronas, pero en el caso de poda de todas las rutas y sus variantes [ 17 ] se combina con la estimación de parámetros del modelo (por ejemplo, diámetros de tubos). La principal limitación del trazado automatizado es la falta de precisión especialmente cuando la morfología de la neurona es complicada o la imagen tiene una cantidad sustancial de ruido. Los métodos más nuevos también incluyen el uso de redes neuronales convolucionales para segmentar, reconstruir y anotar grandes conjuntos de datos. [ 8 ] [ 12 ] [ 13 ] [ 18 ] [ 19 ] Estos modelos de IA se entrenan a partir de la "verdad fundamental" proporcionada por reconstrucciones manuales o semiautomáticas y desde entonces han alcanzado una precisión sobrehumana. [ 20 ] [ 12 ]

El rastreo neuronal semiautomático suele depender de dos estrategias. Una consiste en realizar un rastreo neuronal completamente automatizado seguido de la revisión manual de dichas reconstrucciones. [ 21 ] La alternativa es generar información previa, como la ubicación de las terminaciones de una neurona, lo que facilita su rastreo automático. El rastreo semiautomático se considera una solución equilibrada con un tiempo de procesamiento aceptable y una precisión de reconstrucción razonablemente buena. El software de código abierto Vaa3D -Neuron, Neurolucida 360 , Imaris Filament Tracer y Aivia ofrecen ambos tipos de métodos.

Se cree que el trazado de imágenes de microscopía electrónica es más difícil que el trazado de imágenes de microscopía óptica, mientras que este último sigue siendo bastante difícil, según la competición DIADEM . [ 22 ] Para el trazado de datos de microscopía electrónica, el trazado manual se utiliza con más frecuencia que los métodos alternativos automatizados o semiautomatizados. [ 23 ] Para el trazado de datos de microscopía óptica, se utilizan con mayor frecuencia los métodos automatizados o semiautomatizados.

Dado que el trazado de imágenes de microscopía electrónica requiere una cantidad considerable de tiempo, el software de trazado manual colaborativo resulta útil. El crowdsourcing es una forma alternativa de recopilar eficazmente resultados de reconstrucción manual colaborativa para dichos conjuntos de datos de imágenes. [ 24 ]

Herramientas y software

Existen varias herramientas de rastreo neuronal, especialmente paquetes de software. Un paquete de software de código abierto integral que contiene la implementación de varios métodos de rastreo neuronal desarrollados en diferentes grupos de investigación, así como muchas funciones de utilidad neuronal como medición cuantitativa, análisis y comparación, es Vaa3D y sus módulos Vaa3D-Neuron . Algunas otras herramientas gratuitas como NeuronStudio [ 25 ] también proporcionan funciones de rastreo basadas en métodos específicos. Los neurocientíficos también utilizan herramientas comerciales como Neurolucida , Neurolucida 360 , Aivia , Amira, etc., para rastrear y analizar neuronas. Un estudio de 2012 muestra que Neurolucida se cita más de 7 veces más que todos los demás programas de rastreo neuronal disponibles combinados [ 26 ] , y también es el sistema más utilizado y versátil para producir reconstrucción neuronal. [ 27 ] El proyecto BigNeuron (https://alleninstitute.org/bigneuron/about/) [ 28 ] es un reciente esfuerzo de colaboración internacional sustancial para integrar la mayoría de las herramientas conocidas de rastreo de neuronas en una plataforma común para facilitar el acceso fácil y de código abierto a varias herramientas en un solo lugar. Se han producido nuevas y potentes herramientas como UltraTracer, [ 29 ] que pueden rastrear volúmenes de imágenes arbitrariamente grandes, a través de este esfuerzo. La herramienta en línea WEBKNOSSOS tiene un Modo Vuelo para el rastreo de alta velocidad de axones o dendritas, en el que multitudes de anotadores capacitados logran velocidades de rastreo de 1,5 ± 0,6 mm/h para axones y 2,1 ± 0,9 mm/h para dendritas en datos de microscopía electrónica 3D. [ 30 ]

Formatos y bases de datos neuronales

Las reconstrucciones de neuronas individuales pueden almacenarse en diversos formatos. Esto depende en gran medida del software utilizado para rastrear dichas neuronas. El formato SWC, que consiste en varios compartimentos estructurales conectados topológicamente (por ejemplo, un solo tubo o esfera), se usa frecuentemente para almacenar neuronas rastreadas digitalmente, especialmente cuando la morfología carece de modelos de forma 3D detallados para los compartimentos individuales o no los necesita. Otros formatos de neuronas más sofisticados cuentan con un modelado geométrico separado del cuerpo celular y las prolongaciones neuronales utilizando Neurolucida [ 31 ] [ 32 ] [ 33 ], entre otros.

Existen varias bases de datos comunes para la reconstrucción de neuronas individuales. Una base de datos muy utilizada es http://NeuroMorpho.Org [ 34 ] , que contiene más de 86 000 morfologías neuronales de más de 40 especies, aportadas por diversos laboratorios de investigación de todo el mundo. El Instituto Allen para la Ciencia del Cerebro , el Campus de Investigación Janelia del HHMI y otros institutos también generan bases de datos de neuronas individuales a gran escala.

Recientemente, también se han puesto a disposición bases de datos de volúmenes neuronales reconstruidos completos. El Atlas del Cerebro del Pez Cebra de Max Planck y su conjunto de datos asociado son el conectoma reconstruido de las 208 neuronas de una larva de pez cebra . [ 35 ] La base de datos CATMAID contiene el conectoma trazado de un conectoma larvario de Platynereis con 1500 neuronas y 6500 células no neuronales. [ 36 ] El conectoma Flywire es una reconstrucción y anotación de las aproximadamente 140 000 neuronas anotadas que componen el cerebro de una Drosophila adulta . [ 18 ] [ 37 ] El conjunto de datos H01 es un milímetro cúbico reconstruido de tejido cerebral humano. [ 13 ]

También existen numerosas bases de datos de datos neuronales relacionadas, a diferentes escalas .

Referencias

  1. Saleeba, Christine; Dempsey, Bowen; Le, Sheng; Goodchild, Ann; McMullan, Simon (27 de agosto de 2019). "Guía para estudiantes sobre el rastreo de circuitos neuronales" . Frontiers in Neuroscience . 13 897. doi : 10.3389/fnins.2019.00897 . ISSN 1662-4548 . PMC 6718611. PMID 31507369 .   
  2. Peng, Hanchuan; Roysam, Badri; Ascoli, Giorgio (2013). "El procesamiento automatizado de imágenes transforma la neurociencia computacional" . BMC Bioinformatics . 14 293. doi : 10.1186/1471-2105-14-293 . PMC 3853071. PMID 24090217 .  
  3. Meijering, Erik (2010). "Rastreo de neuronas en perspectiva". Cytometry Part A . 77 (7): 693– 704. CiteSeerX 10.1.1.623.3000 . doi : 10.1002/cyto.a.20895 . PMID 20583273 . S2CID 14047936 .   
  4. SchwartzE (1990). Neurociencia computacional . Cambridge, Masa: MIT Press. ISBN 978-0-262-19291-0.
  5. Peng, H., Long, F., Zhao, T., y Myers, EW (2011). "La corrección de pruebas es el cuello de botella de la reconstrucción de neuronas 3D: el problema y las soluciones" . Neuroinformatics . 9 ( 2–3 ) : 103–105 . doi : 10.1007/s12021-010-9090-x . PMID 21170608. S2CID 4995280 .  {{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )
  6. Peng, H., Tang, J., Xiao, H., Bria, A.; et al. (2014). "El dedo virtual mejora la obtención de imágenes tridimensionales y la microcirugía, así como la visualización y el análisis de imágenes volumétricas de terabytes" . Nature Communications . 5 4342. Bibcode : 2014NatCo...5.4342P . doi : 10.1038/ncomms5342 . PMC 4104457. PMID 25014658 .   {{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )
  7. 1 2 Svara, Fabián; Forster, Dominique; Kubo, Fumi; Januszewski, Michał; dal Maschio, Marco; Schubert, Philipp J.; Kornfeld, Jörgen; Wanner, Adrián A.; Laurell, Eva; Denk, Winfried; Baier, Herwig (24 de octubre de 2022). "Reconstrucción automatizada a nivel de sinapsis de circuitos neuronales en el cerebro de las larvas del pez cebra" . Métodos de la naturaleza . 19 (11): 1357–1366.doi : 10.1038 / s41592-022-01621-0 . ISSN 1548-7091 . PMC 9636024 . PMID 36280717 .   
  8. 1 2 Dorkenwald, Sven; Matsliah, Arie; Sterling, Amy R.; Schlegel, Philipp; Yu, Szi-chieh; McKellar, Claire E.; Lin, Albert; Costa, Marta; Eichler, Katharina; Yin, Yijie; Silversmith, Will; Schneider-Mizell, Casey; Jordan, Chris S.; Brittain, Derrick; Halageri, Akhilesh (3 de octubre de 2024). "Diagrama de cableado neuronal de un cerebro adulto" . Nature . 634 (8032): 124– 138. doi : 10.1038/s41586-024-07558-y . ISSN 0028-0836 . PMC 11446842. PMID 39358518 .   
  9. Glaser, EM; Vanderloos, H. (1965-01-01). "Un microscopio computarizado semiautomático para el análisis de la morfología neuronal". IEEE Transactions on Biomedical Engineering . 12 (1): 22– 31. Bibcode : 1965ITBE...11...22G . doi : 10.1109/TBME.1965.4502337 . ISSN 0018-9294 . PMID 14291539 .  
  10. Zheng, Zhihao; Lauritzen, J. Scott; Perlman, Eric; Robinson, Camenzind G.; Nichols, Matthew; Milkie, Daniel; Torrens, Omar; Price, John; Fisher, Corey B.; Sharifi, Nadiya; Calle-Schuler, Steven A.; Kmecova, Lucia; Ali, Iqbal J.; Karsh, Bill; Trautman, Eric T. (26 de julio de 2018). "Un volumen completo de microscopía electrónica del cerebro de Drosophila melanogaster adulta" . Cell . 174 (3): 730–743.e22. Bibcode : 2018Cell..174..730Z . doi : 10.1016/j.cell.2018.06.019 . ISSN 0092-8674 . PMC 6063995 . PMID 30033368 .   
  11. ^ Randel, Nadine; Shahidi, Réza; Verasztó, Csaba; Bezares-Calderón, Luis A; Schmidt, Steffen; Jékely, Gáspár (10 de junio de 2015). Marder, Eva (ed.). "Estereotipia interindividual del conectoma visual larvario de Platynereis" . eVida . 4e08069 . doi : 10.7554/eLife.08069 . ISSN 2050-084X . PMC 4477197 . PMID 26061864 .   
  12. 1 2 3 4 Macrina, Tomás; Lee, Kisuk; Lu, Ran; Turner, Nicolás L.; Wu, Jingpeng; Popovich, Sergiy; Platero, William; Kemnitz, Nico; Bae, J. Alexander (5 de agosto de 2021). "Reconstrucción de circuitos neuronales a petaescala: métodos automatizados". bioRxiv 10.1101/2021.08.04.455162 . 
  13. 1 2 3 Shapson-Coe, Alexander; Januszewski, Michał; Berger, Daniel R.; Pope, Art; Wu, Yuelong; Blakely, Tim; Schalek, Richard L.; Li, Peter H.; Wang, Shuohong; Maitin-Shepard, Jeremy; Karlupia, Neha; Dorkenwald, Sven; Sjostedt, Evelina; Leavitt, Laramie; Lee, Dongil (10 de mayo de 2024). "Un fragmento de petavoxel de la corteza cerebral humana reconstruido a resolución nanométrica" . Science . 384 (6696) eadk4858. Bibcode : 2024Sci...384k4858S . doi : 10.1126/science.adk4858 . ISSN 0036-8075 . PMC 11718559 . PMID 38723085 .   
  14. Al-Kofahi, KA; et al. (2002). "Rapid automated three-dimensional trazacing of neurons from confocal image stacks". IEEE Trans. Inf. Technol. Biomed . 6 (2): 171– 187. Bibcode : 2002ITITB...6..171A . CiteSeerX 10.1.1.57.9339 . doi : 10.1109/titb.2002.1006304 . PMID 12075671 . S2CID 12413677 .    
  15. Peng, H.; et al. (2011). "Seguimiento automático de neuronas en 3D mediante poda de todas las rutas" . Bioinformatics . 27 (13): i239– i247. doi : 10.1093/bioinformatics/btr237 . PMC 3117353. PMID 21685076 .   
  16. Rodríguez, A.; et al. (2009). "Trazado tridimensional de neuronas mediante muestreo de vóxeles" . J. Neurosci. Methods . 184 (1): 169– 175. doi : 10.1016/j.jneumeth.2009.07.021 . PMC 2753723. PMID 19632273 .   
  17. Xiao, H; et al. (2013). "APP2: trazado automático de la morfología neuronal 3D basado en la poda jerárquica de árboles de distancia de imágenes ponderadas en grises" . Bioinformatics . 29 ( 11): 1448– 1454. doi : 10.1093/bioinformatics/btt170 . PMC 3661058. PMID 23603332 .   
  18. ^ Schlegel , Philipp; Yin, Yijie; Bates, Alejandro S.; Dorkenwald, Sven; Eichler, Katharina; Brooks, Pablo; Han, Daniel S.; Gkantia, Marina; dos Santos, Marcia; Munnelly, Eva J.; Malamente, Griffin; Serratosa Capdevila, Laia; Sane, Varun A.; Fragniere, Alexandra MC; Kiassat, Ladann (3 de octubre de 2024). "Anotación de todo el cerebro y tipificación de células multiconectomas de Drosophila" . Naturaleza . 634 (8032): 139– 152. doi : 10.1038/s41586-024-07686-5 . ISSN 0028-0836 . PMC 11446831 . PMID 39358521 .   
  19. "Uso de IA para optimizar la obtención rápida de imágenes neuronales" . Noticias del MIT | Instituto Tecnológico de Massachusetts . 6 de noviembre de 2023. Consultado el 30 de mayo de 2025 .
  20. "Uso de la inteligencia artificial para mapear el cableado del cerebro" . Fundación Simons . 11 de septiembre de 2017. Consultado el 30 de mayo de 2025 .
  21. Michalowski, Jennifer (28 de septiembre de 2020). "La IA aprende a rastrear vías neuronales" . Cold Spring Harbor Laboratory . Recuperado el 30 de mayo de 2025 .
  22. Liu, Y (2011). "La DIADEM y más allá" . Neuroinformática . 9 ( 2–3 ): 99–102 . doi : 10.1007/s12021-011-9102-5 . PMID 21431331 . 
  23. Helmstaedter M, Briggman KL, Denk W (2011). "Reconstrucción de neuritas de alta precisión para neuroanatomía de alto rendimiento" . Nat Neurosci . 14 (8): 1081– 1088. doi : 10.1038/nn.2868 . PMID 21743472. S2CID 17795934 .  
  24. Kim; et al. (2014). "La especificidad del cableado espacio-temporal respalda la selectividad direccional en la retina" . Nature . 509 (7500): 331–336 . Bibcode : 2014Natur.509..331. . doi : 10.1038/nature13240 . PMC 4074887 . PMID 24805243 .   
  25. Rodríguez, Alfredo (18 de febrero de 2010). "Herramientas: NeuronStudio (Beta) Versión 0.9.92, última actualización: 19 de noviembre de 2009" . CNIC, Escuela de Medicina Mount Sinai. Archivado del original el 16 de septiembre de 2018. 
  26. Halavi, Maryam; Hamilton, Kelly A.; Parekh, Ruchi; Ascoli, Giorgio A. (2012-01-01). "Reconstrucciones digitales de la morfología neuronal: tres décadas de tendencias de investigación" . Frontiers in Neuroscience . 6 : 49. doi : 10.3389/fnins.2012.00049 . ISSN 1662-453X . PMC 3332236. PMID 22536169 .   
  27. Aguiar, Paulo; Sousa, Mafalda; Szucs, Peter (2013-06-14). "Análisis morfométrico versátil y visualización de la estructura tridimensional de las neuronas". Neuroinformatics . 11 (4): 393– 403. doi : 10.1007/s12021-013-9188-z . ISSN 1539-2791 . PMID 23765606 . S2CID 16591493 .   
  28. Peng, Hanchuan; Hawrylycz, Michael; Roskams, Jane (15 de julio de 2015). "BigNeuron: Reconstrucción de neuronas 3D a gran escala a partir de imágenes de microscopía óptica" . Neuron . 87 ( 2): 252–256 . doi : 10.1016/j.neuron.2015.06.036 . PMC 4725298. PMID 26182412 .  
  29. Peng, Hanchuan; Zhou, Zhi; Meijering, Erik (2017). "Seguimiento automático de ultravolúmenes de imágenes neuronales" . Nature Methods . 14 (4): 332– 333. bioRxiv 10.1101/087726 . doi : 10.1038/nmeth.4233 . PMC 7199653. PMID 28362437 .   
  30. ^ Boergens, Kevin M.; Berning, Manuel; Bocklisch, Tom; Bräunlein, Dominic; Drawitsch, Florian; Frohnhofen, Johannes; Herold, Tom; Otto, Felipe; Rzepka, normando; Werkmeister, Thomas; Werner, Daniel; Wiese, Georg; Wissler, Heiko; Helmstaedter, Moritz (julio de 2017). "webKnossos: anotación eficiente de datos 3D en línea para conectómica" . Métodos de la naturaleza . 14 (7): 691– 694. doi : 10.1038/nmeth.4331 . ISSN 1548-7105 . PMID 28604722 . S2CID 30609228 .   
  31. Bianchi, Serena; Stimpson, Cheryl D.; Bauernfeind, Amy L.; Schapiro, Steven J.; Baze, Wallace B.; McArthur, Mark J.; Bronson, Ellen; Hopkins, William D.; Semendeferi, Katerina (2013-10-01). "Morfología dendrítica de las neuronas piramidales en la neocorteza del chimpancé: especializaciones regionales y comparación con los humanos" . Cerebral Cortex . 23 (10): 2429– 2436. doi : 10.1093/cercor/ bhs239 . ISSN 1047-3211 . PMC 3767963. PMID 22875862 .   
  32. Silberberg, Gilad; Markram, Henry (1 de marzo de 2007). "Inhibición disináptica entre células piramidales neocorticales mediada por células de Martinotti" . Neuron . 53 (5): 735– 746. doi : 10.1016/j.neuron.2007.02.012 . ISSN 0896-6273 . PMID 17329212. S2CID 15624023 .   
  33. Bianchi, Serena; Bauernfeind, Amy L.; Gupta, Kanika; Stimpson, Cheryl D.; Spocter, Muhammad A.; Bonar, Christopher J.; Manger, Paul R.; Hof, Patrick R.; Jacobs, Bob (2011-04-01). "Morfología de las neuronas neocorticales en Afrotheria: comparación del damán roquero con el elefante africano". Anales de la Academia de Ciencias de Nueva York . 1225 (1): 37– 46. Bibcode : 2011NYASA1225...37B . doi : 10.1111 / j.1749-6632.2011.05991.x . ISSN 1749-6632 . PMID 21534991. S2CID 18281955 .   
  34. Ascoli GA, Donohue DE, Halavi M (2007). " NeuroMorpho.Org - Un recurso central para morfologías neuronales" . J Neurosci . 27 (35): 9247– 9251. doi : 10.1523/jneurosci.2055-07.2007 . PMC 6673130. PMID 17728438 .  
  35. ^ Svara, Fabián; Forster, Dominique; Kubo, Fumi; Januszewski, Michał; dal Maschio, Marco; Schubert, Philipp J.; Kornfeld, Jörgen; Wanner, Adrián A.; Laurell, Eva; Denk, Winfried; Baier, Herwig (24 de octubre de 2022). "Reconstrucción automatizada a nivel de sinapsis de circuitos neuronales en el cerebro de las larvas del pez cebra" . Métodos de la naturaleza . 19 (11): 1357–1366.doi : 10.1038 / s41592-022-01621-0 . ISSN 1548-7091 . PMC 9636024 . PMID 36280717 .   
  36. Verasztó, Csaba; Jasek, Sanja; Gühmann, Martín; Shahidi, Réza; Ueda, Nobuo; Barba, James David; Mendes, Sara; Heinz, Konrad; Bezares-Calderón, Luis Alberto (22 de agosto de 2022). "Conectoma de animal completo y complemento de tipo celular de la larva de tres segmentos Platynereis dumerilii". bioRxiv 10.1101/2020.08.21.260984 . 
  37. Dorkenwald, Sven; Matsliah, Arie; Sterling, Amy R.; Schlegel, Philipp; Yu, Szi-chieh; McKellar, Claire E.; Lin, Albert; Costa, Marta; Eichler, Katharina; Yin, Yijie; Silversmith, Will; Schneider-Mizell, Casey; Jordan, Chris S.; Brittain, Derrick; Halageri, Akhilesh (3 de octubre de 2024). "Diagrama de cableado neuronal de un cerebro adulto" . Nature . 634 (8032): 124– 138. doi : 10.1038/s41586-024-07558-y . ISSN 0028-0836 . PMC 11446842. PMID 39358518 .