Nat Neurosci︱在人鼠对应脑区中重看树突：彭汉川/张力伟团队建立跨物种皮层神经元比较框架|彭汉川|树突|皮层|神经元|细胞|脑区

2026年7月14日，复旦大学脑智研究院、原东南大学脑科学与智能技术研究院彭汉川教授团队，与北京天坛医院张力伟教授团队，共同在Nature Neuroscience在线发表题为A framework for comparative analysis of human and mouse cortical neuron dendrites in corresponding brain regions的研究论文。该研究建立了一个人鼠对应脑区中的皮层神经元树突比较框架，并在单神经元尺度揭示了人类皮层树突局部组织的形态结构特征。

过去，研究者理解跨物种大脑差异，常常从脑体积、细胞数量、基因表达、功能活动和宏观解剖结构等尺度展开，这些研究从不同层面揭示了物种间大脑组织的差异。此前，少量神经元形态学工作已为人类神经元结构特征和跨物种局部脑区比较提供了重要参照【1,2】。然而，要在单神经元尺度比较人脑和鼠脑，仍需要解决几个更基础的问题：首先，人脑和鼠脑并不是两张可以简单拉伸重叠的地图，人类皮层具有复杂脑沟和脑回，小鼠皮层则相对平滑，因此不能只依赖空间上的“硬对齐”，而需要找到真正可比的“对应脑区”；其次，树突长度、分支数量和局部复杂度与神经元整体尺度密切相关，因此不能只比较原始大小，而需要在合适的归一化尺度下分析局部结构特征。与此同时，人类单神经元三维重建数据长期稀缺，也限制了人鼠皮层树突形态的系统比较。

本研究围绕这一问题，获得了2,363个人类皮层神经元和16,011个小鼠皮层神经元的三维树突重建数据，结合解剖学标注、功能对应关系、脑配准稳定性和跨物种转录组细胞类型组成分析，建立了人鼠皮层对应脑区比较框架。在此基础上，研究发现，控制神经元整体尺度后，人类皮层神经元表现出更高的局部分支频率和更短的分支间隔，提示其局部树突结构更加紧凑。研究还发现，在部分脑叶配对中，人类局部树突形态表现出比小鼠更高的可分性。进一步分析显示，小鼠脑叶区分度主要来自树突拓扑结构差异，而人类脑叶区分度更多体现在局部树突空间组织差异上。这为理解人类皮层区域化组织和跨物种差异提供了新的单神经元尺度证据。

图 1 人鼠对应脑区中的皮层神经元树突比较框架

一、跨物种比较的第一步：建立可比较的脑区对应关系

在人鼠之间比较单个神经元的形态，首先要回答的不是两个神经元长得像不像，而是它们所在的脑区是否真的可比。脑区名称相近，并不意味着它们可以直接比较；解剖位置看似相似，也不代表它们具有相同的功能、细胞组成和形态组织方式。本研究采用双标准空间下的统一比较策略，先将小鼠脑图像和人脑影像分别配准到各自的标准脑空间，再结合专家神经解剖学标注、功能对应关系、脑配准稳定性和跨物种转录组细胞组成分析，确定人鼠之间可比较的皮层区域。

这一步相当于在两张比例尺、地形和标注方式都不同的地图中，先确认哪些“城区”可以相互对应，再进入这些区域内部比较组成它们的“街道”和“建筑”。对于单神经元形态研究而言，这使跨物种比较从经验性的区域匹配，推进到可量化、可检验的对应脑区框架。

二、可靠的数据基础：大规模重建与标准化比较

有了对应脑区，还需要足够可靠的神经元数据。近年来，小鼠全脑神经元形态数据快速积累，但人类皮层神经元三维重建依然困难。人脑样本来源珍贵，组织获取、离体保存、单细胞标记、三维成像、形态追踪和脑区定位，每一步都需要高度标准化。

针对这一瓶颈，研究团队在人类侧基于23位患者手术过程中获得、经临床评估为非病变的皮层组织，重建了2,363个人类皮层神经元，覆盖额叶、顶叶和颞叶。研究使用ACTomography方法【3】，将厚切片制备、染料灌注、双光子成像和三维重建整合为适用于离体人脑组织的单神经元形态获取流程，使这些珍贵的临床来源样本能够进入标准脑空间中的单神经元形态分析。在小鼠侧，研究团队基于100个小鼠全脑fMOST成像样本，通过自动神经元追踪和协作增强重建系统【4】，获得了16,011个皮层神经元的树突重建，并通过神经元形态数据平台NeuroXiv【5】开放。

为了使两类数据真正进入同一比较框架，研究团队进一步进行了神经元类型筛选、皮层层次对齐和标准化质量控制。这些处理减少了样本来源、组织厚度、成像方式和追踪完整性差异带来的影响，使后续分析能够聚焦于对应脑区中的局部树突结构。

图2 人类和小鼠皮层神经元采样分布

三、在归一化尺度下观察树突局部结构

树突是神经元接收和整合信息的重要结构。一个神经元有多少分支，分支之间相距多远，局部结构有多密集，都会影响其接收输入和整合信号的方式。以往谈到人鼠神经元差异时，一个直观理解是，人类神经元更大，因此树突更长、更复杂。但对于形态比较而言，问题不仅仅只局限于尺寸大小本身。真正关键的是，在控制整体尺度差异后，人类神经元是否呈现特定的树突结构规则。

研究团队聚焦于胞体附近的局部树突结构，并对人鼠神经元进行尺寸归一化比较。结果显示，在控制整体尺度差异后，人类皮层神经元具有更多局部分支点、更高分支频率和更短分支间隔。这表明，人类树突并不是在小鼠树突结构上简单拉长，而是在局部形成了更紧凑、更密集的分支组织。如果把神经元树突理解为一套信息接收网络，那么人鼠差异不只是网络覆盖范围不同，也包括局部节点如何排列、分支如何展开、信号如何汇入胞体。人类皮层神经元的这种局部密集分支模式，为理解跨物种皮层结构差异提供了新的形态学线索。

四、脑叶可分性揭示树突形态的区域化差异

在对应脑区框架下，研究团队进一步分析了同一物种内部不同皮层脑叶之间的形态差异。结果显示，人类额叶、顶叶和颞叶之间的局部树突形态并非均一分布，而是呈现出更明显的区域化趋势。尤其在额叶与顶叶、顶叶与颞叶的比较中，人类神经元的局部树突形态比小鼠更容易被区分。

进一步分析显示，人鼠脑叶差异的形态学来源也不同。小鼠脑叶间差异更多与树突拓扑结构有关，例如分支阶次、拓扑深度等特征；人类脑叶间差异则更多体现在局部树突的空间组织方式上，例如树突分支的空间延展、直线度和局部排列方式。换言之，小鼠脑叶差异更像是树突分支层级上的差异，人类脑叶差异则更多体现在树突如何在局部空间中展开。

五、本研究与前期工作的关系

本研究延续并拓展了彭汉川教授团队近年来在单神经元形态重建、人脑神经元图谱和树突局部结构分析方面的系列工作。该研究的一个重要基础来自团队于2023年在Science Advances发表的工作Whole human-brain mapping of single cortical neurons for profiling morphological diversity and stereotypy。在该研究中，团队建立了ACTomography技术路线，对人类皮层神经元进行三维重建，并将单神经元来源映射到标准人脑空间中。这为系统获取和定位人类皮层单神经元形态提供了关键基础。

随后，团队进一步从多尺度形态分析、单神经元连接组构建和树突局部环境表征三个方向拓展单神经元形态研究。2024年发表于Nature Communications的Neuronal diversity and stereotypy at multiple scales through whole brain morphometry系统分析了小鼠全脑神经元形态的多样性、保守性和空间分布规律【6】；2025年发表于Nature Methods的Reconstruction of a connectome of single neurons in mouse brains by cross-validating multi-scale multi-modality data进一步将树突的全脑空间分布作为连接组构建中的重要参照，基于全脑配准后的轴突与树突空间配对关系，推断单神经元之间的潜在连接并构建小鼠脑单神经元连接组（详见BioArt报道：）【7】；2025年发表于Nature Neuroscience的“A mouse brain atlas based on dendritic microenvironments”提出“树突微环境”表征方法，基于超过10万个神经元的局部树突形态构建高精度小鼠全脑3D图谱（详见BioArt报道：）【8】。多项工作共同表明，树突局部结构及其全脑空间组织方式，已经从单神经元形态描述延伸到脑区组织、空间分布、潜在连接关系和脑图谱精度等问题，成为理解全脑尺度神经元组织规律的重要线索。

本研究则进一步聚焦其中的树突局部结构，将分析对象从单一物种的小鼠脑图谱扩展到人脑与鼠脑。为了使这种比较成立，研究首先需要在两套标准脑空间中确定真正可比的脑区，并在统一的神经元尺度框架下，分析对应脑区内树突局部分支组织的形态规则。

这项研究为人鼠单神经元形态比较提供了新的分析框架，首先在人脑和鼠脑各自的标准空间中确定什么区域可比，再在对应脑区内分析经过尺度控制的局部树突结构。通过这一框架发现，人类皮层神经元具有更高的局部分支频率和更短的分支间隔，提示其树突结构在胞体附近更加紧凑。在部分脑叶配对中，人类局部树突形态也表现出更高可分性；小鼠脑叶区分度更多来自树突拓扑结构差异，人类脑叶区分度更多体现在局部树突空间组织差异上。

这些结果为理解人类皮层区域化组织和跨物种脑结构差异提供了单神经元尺度证据。未来仍需在细胞数量、脑区覆盖度和全神经元结构重建完整性等方面持续积累，以进一步检验这些局部树突组织差异的普适性和机制意义。随着非人灵长类等中间物种数据、人类神经元形态数据和多模态脑数据不断积累，这一对应脑区框架有望进一步扩展到更多物种、脑区和细胞类型。研究者也将有机会在更连续的演化梯度上观察大脑，探索哪些形态结构在物种间相对保守，哪些结构在人类皮层中发生分化，以及它们如何与细胞类型、分子状态和脑区功能相互关联。这将推动跨物种脑图谱研究从比较脑区相似性，进一步走向解析对应脑区内部的神经元组织规则。

面向重大脑病研究，人鼠对应脑区中的单神经元形态比较可提供重要基础参照。当前大量脑病机制研究仍依赖小鼠模型，而小鼠研究要更好地服务于人类脑病机制理解，首先需要在可比脑区建立非病变状态下的人鼠神经元形态参照。本研究建立的对应脑区框架和局部树突形态比较方法，可为后续比较疾病状态下的神经元结构异常提供基线，并帮助研究者评估哪些变化可能反映跨物种共有的神经元组织规律，哪些变化可能与人类皮层自身的局部结构特征有关。若未来将更多人类疾病样本和小鼠疾病模型数据纳入同一框架，将有助于更谨慎地解释动物模型结果，提升其在人类脑病机制研究中的参考价值。

复旦大学脑智研究院、东南大学脑科学与智能技术研究院、北京天坛医院为本文主要合作单位。东南大学博士生员之曦、叶雯、北京天坛医院主任医师季楠、博士生王玉金为本文共同第一作者；彭汉川教授和张力伟教授为本文主要通讯作者。

https://www.nature.com/articles/s41593-026-02376-z

制版人：十一

参考文献

1. Mohan, H., Verhoog, M. B., Doreswamy, K. K., Eyal, G., Aardse, R., Lodder, B. N., ... & de Kock, C. P. (2015). Dendritic and axonal architecture of individual pyramidal neurons across layers of adult human neocortex.Cerebral cortex, 25(12), 4839-4853.

2. Benavides-Piccione, R., Regalado-Reyes, M., Fernaud-Espinosa, I., Kastanauskaite, A., Tapia-González, S., León-Espinosa, G., ... & DeFelipe, J. (2020). Differential structure of hippocampal CA1 pyramidal neurons in the human and mouse.Cerebral cortex, 30(2), 730-752.

3. Han, X., Guo, S., Ji, N., Li, T., Liu, J., Ye, X., ... & Peng, H. (2023). Whole human-brain mapping of single cortical neurons for profiling morphological diversity and stereotypy.Science Advances, 9(41), eadf3771.

4. Zhang, L., Huang, L., Yuan, Z., Hang, Y., Zeng, Y., Li, K., ... & Peng, H. (2024). Collaborative augmented reconstruction of 3D neuron morphology in mouse and human brains.Nature Methods, 21(10), 1936-1946.

5. Jiang, S., Wang, L., Yun, Z., Chen, H., Liu, L., Yao, J., & Peng, H. (2025). NeuroXiv: AI-powered open databasing and dynamic mining of brain-wide neuron morphometry.Nature methods, 22(6), 1195-1198.

6. Liu, Y., Jiang, S., Li, Y., Zhao, S., Yun, Z., Zhao, Z. H., ... & Peng, H. (2024). Neuronal diversity and stereotypy at multiple scales through whole brain morphometry.Nature communications, 15(1), 10269.

7. Xiong, F., Liu, L., & Peng, H. (2025). Reconstruction of a connectome of single neurons in mouse brains by cross-validating multi-scale multi-modality data.Nature Methods, 22(12), 2670-2683.

8. Liu, Y., Zhao, S., Yun, Z., Xiong, F., & Peng, H. (2026). A mouse brain atlas based on dendritic microenvironments.Nature Neuroscience, 29(1), 111-122.

学术合作组织

（*排名不分先后）