神经*理学研究是新药及先导化合物早期筛选和临床前安全性评价的重要组成部分。接触某些可能透过血脑屏障进入大脑的化合物会损害神经元和其他支持细胞，如星形胶质细胞；反过来又可能导致各种神经系统疾病，如帕金森氏症或亨廷顿舞蹈症以及各种痴呆症。
由于神经系统的*性取决于多种因素，如*性化合物的剂量、动物的年龄和性别以及暴露于剂量的时间，因此量化神经*性非常重要。神经*性的定量分析有助于更好地了解化合物和药物的*性作用.
临床前阶段的神经*性评估通常在接触这些*性化合物后，由病理学家通过定性或半定量的方法对神经*性的严重程度进行4~5分的评分标准进行评估。
尽管这样的组织病理学评估是金标准，但往往需要耗费大量的时间。
HALO数字病理图像全组织切片的量化分析，为神经*性的定量提供了客观标准化的、高通量的评估方法。
特别是借助HALO-AI深度学习平台，可以自动的识别受损或死亡的神经元。
本期我们将描述HALO平台在分割大脑区域、退化神经元定量、小胶质激活等方面的应用。
01HALO对不同脑区域的快速分割
由于受体分布不均匀、氧化应激和突触连接的差异等因素，大脑的不同区域对各种*性物质的易感性存在显著差异。通过统计比较不同大脑区域的变性程度，对神经*性进行量化是说明这些易感性差异的一个极好的工具。此外，获得总体的*性值是一种比仅仅报告不同区域的量变更好的方法，大量小变化的叠加效应(全局效应)在评估大脑的整体综合损害方面非常重要。它为更好的*性效应统计比较提供了数据，支持了病理学家对*性的传统组织病理学分析。
手动的对大脑不同区域及感兴趣区域进行标注，是一个非常耗时的步骤。该过程也极大的限制了实验中能够进行动物分析的样本数量。HALO提供了多种易用的图像注释工具，可快速地实现不同区域的快速标记。下图描述了发表在《NatureNeuroscience》上的一个案例，该研究对每只小鼠的5个冠状面切片共手工注释了个区域，使用HALOAreaQuantificationBF算法，对每个区域α-突触核蛋白阳性区域的百分比进行定量分析。
图1HALO对大脑不同区域进行手工标记及定量分析
此外，深度学习/人工智能在分割大脑区域方面很有帮助。HALO-AI提供了基于VGG、MiniNet和DenseNet不同神经网络算法，可适用于HE染色、银染色、ISH染色和IHC染色切片的图像分割和量化。目前，HALO-AI已用于HE染色图像的乳腺癌淋巴结转移进行鉴别和分期；对H＆E-染色胰腺组织中不同形态的胰岛进行稳健的鉴别等方面已得到充分的验证。未来，HALO-AI在用于大脑中不同区域的识别及分割，有可能会进一步得到验证，这将大大减少分割大脑区域所花费的时间。
02HALO对退化神经元进行定量检测
对退化神经元进行计数，用以估计由于化合物的*性作用或神经退行性疾病而丢失的神经元的正确数量，有助于了解药物在不同阶段的作用，暴露于化合物或神经退行性疾病的进展。
HALOAreaQuantification可用于单张组织玻片上同时定量分析至多五种染料的阳性染色区域和光密度，并根据染色强度（阴性、弱阳性、中阳性或强阳性）对其进行分级，以及定量分析共表达区域的面积及百分比。
一项关于对红藻氨酸（KainicAcid）治疗的成年雄性大鼠的神经病理变化进行定性和定量评估中，病理学家使用AreaQuantification算法，对获得的大脑内特定区域（大脑皮层、隔膜核、杏仁核、嗅觉球、海马、丘脑和下丘脑）的银染色组织切片进行定量分析，并基于染色颜色和光学密度进行定量研究。
发现红藻氨酸引起的大脑皮层神经元退化主要发生在梨状区、岛状区、鼻状区和扣带状区。结果表明红藻氨酸治疗引起全身神经*性，某些大脑结构比其他结构表现出更严重的退化，反映了神经元对KA的不同敏感性。
图2大脑冠状切面铜银染色（A，生理盐水对照及B，Kainicacid治疗）及HALO定量分析后图示
03HALO检测小胶质细胞激活
暴露于神经*性药物会导致炎症反应，如激活的小胶质细胞。检测活化的小胶质细胞对于了解化合物的*性是至关重要的。
HALOMicroglialActivation可检测小胶质细胞、细胞体及其过程，并最终报告激活的小胶质细胞数量、失活的小胶质细胞的数量以及检测到的阴性（非小胶质）细胞的数量。
图3HALO定量分析小胶质细胞的激活状态。（左：小胶质细胞-棕色；右：激活小胶质细胞的细胞体-红色，未激活或休眠的小胶质细胞-绿色。）
本期我们描述了HALO在神经*理学的部分研究应用。在神经科学的研究过程中，HALO更多的模块，包括ObjectColocalizationBF/FL,MuscleFiberBF/FL,Axon等，可用于β-淀粉样蛋白，Tau蛋白，微血管病变，肌肉纤维，神经元轴突、树突定量。这些测定将有助于小分子和生物药物开发方案评估疗效和*性，在以后的我们将针对这些不同的模块做更多的说明。
参考文献：
[1].SrivastavaA,HanigJP.Quantitativeneurotoxicology:Potentialroleofartificialintelligence/deeplearningapproach[J].JournalofAppliedToxicology,.
[2].HendersonMX,CornblathEJ,DarwichA,etal.Spreadofα-synucleinpathologythroughthebrainconnectomeismodulatedbyselectivevulnerabilityandpredictedbynetworkanalysis[J].Natureneuroscience,,22(8):.
[3].SrivastavaA,LiachenkoS,SarkarS,etal.QuantitativeNeurotoxicology:AnAssessmentoftheNeurotoxicProfileofKainicAcidinSpragueDawleyRats[J].InternationalJournalofToxicology,:.