Pular para o conteúdo principal

DMBA: o atlas 3D mais detalhado já criado do cérebro de camundongos

Entender como o cérebro funciona depende, entre muitas coisas, de ter mapas detalhados que mostrem sua estrutura de forma clara e comparável entre diferentes estudos. No caso dos ratos, que são amplamente utilizados como modelos em pesquisas biomédicas e neurocientíficas, seria natural imaginar que já existisse um atlas tridimensional completo e preciso do cérebro — mas até recentemente isso não era verdade. Muitos dos atlas clássicos eram baseados em cortes bidimensionais, sofriam distorções ao remover o cérebro do crânio ou não tinham resolução suficiente para observar detalhes microscópicos relevantes. Foi exatamente essa lacuna que motivou a criação do Duke Mouse Brain Atlas (DMBA), apresentado no artigo de Mansour e colaboradores
O DMBA representa um avanço significativo porque combina duas tecnologias poderosas: a ressonância magnética de alta resolução aplicada em cérebros fixados ainda dentro do crânio, evitando distorções, e a light sheet microscopy (microscopia de folha de luz, em tradução livre), capaz de revelar células individuais e estruturas microscópicas após técnicas de clareamento do tecido. Ao unir esses métodos, os autores construíram um atlas tridimensional extremamente detalhado, cobrindo desde a estrutura macroscópica até níveis próximos ao celular.

Um dos destaques do estudo é a aquisição de imagens por difusão com resolução de 15 micrômetros, a mais alta já reportada para esse tipo de abordagem em cérebros de camundongos. Esses dados permitem visualizar camadas corticais, limites entre núcleos, trajetos de fibras e outros elementos que normalmente só poderiam ser vistos em histologia tradicional. Além disso, a equipe registrou as imagens ao esqueleto craniano por meio de microtomografia computadorizada (micro-CT), identificando marcos anatômicos clássicos como bregma e lambda, muito utilizados em cirurgias estereotáxicas. Isso torna o atlas compatível com procedimentos experimentais reais, algo que não era possível com outros atlas amplamente usados.

A light sheet microscopy (microscopia de folha de luz, em tradução livre) complementa essas informações ao fornecer dados sobre a distribuição de diferentes tipos de células e proteínas, usando até 17 marcadores distintos. Depois de registradas no mesmo espaço estereotáxico definido pelas imagens de ressonância, essas imagens corrigem distorções causadas por processos de extração, clareamento e coloração dos tecidos, o que normalmente gera variações importantes no tamanho e no formato das estruturas. Com isso, as imagens reconstruídas podem ser comparadas diretamente entre diferentes animais, diferentes métodos e diferentes laboratórios.

Outro resultado importante é a criação de mapas de conectividade em super-resolução utilizando track-density imaging, técnica que gera representações extremamente detalhadas das vias de substância branca. Combinada à alta resolução espacial e angular dos dados de difusão, essa abordagem produziu aquele que é, segundo os autores, o conectoma mais detalhado de um cérebro de camundongo já disponibilizado.

Além disso, todo o conjunto de dados — incluindo volumes completos de MRI, microscopias, rótulos anatômicos e grades estereotáxicas — foi organizado seguindo padrões FAIR e disponibilizado publicamente. Qualquer pesquisador, estudante ou laboratório pode acessar e baixar o atlas no portal CIVMImageSpace, mantido pela Duke University. O endereço para acesso ao DMBA é: https://civmimagespace.civm.duhs.duke.edu/ , onde os usuários podem visualizar os dados diretamente pelo navegador usando a ferramenta Neuroglancer ou selecionar arquivos específicos para download, incluindo versões de alta ou baixa resolução, dependendo da necessidade e da capacidade computacional. O conjunto completo soma cerca de 13 terabytes, mas o site permite explorar os conteúdos antes do download, tornando o processo mais eficiente.

O trabalho de Mansour e colaboradores representa um marco na integração de diferentes tecnologias de imagem e promete facilitar pesquisas em neuroanatomia, conectividade, neuroimagem e manipulação genética. Para estudantes e pesquisadores, o DMBA é não apenas um mapa, mas também uma plataforma que favorece a comparação entre estudos e aproxima diferentes escalas de investigação no cérebro.

Comentários

Postagens mais visitadas deste blog

[Livro] Meios de Contraste - Conceitos e Diretrizes

 A Sociedade Paulista de Radiologia (SPR)   publicou em abril de 2022 a segunda edição da obra "Meios de Contraste - Conceitos e Diretrizes" , com edição de Bruna Garbugio Dutra e Tufik Bauab Jr.  O aborda em 11 capítulos os meios de contraste iodados e à base de gadolínio, suas reações adversas e condições especiais. Está disponível em PDF no endereço dx.doi.org/10.46664/meios-de-contraste-2aedicao  ou ainda na plataforma issuu.com 

Hospital brasileiro usa IA para detectar casos graves no raio-X em menos de 2 minutos

Inteligência Artificial & Radiologia Ferramenta desenvolvida no Hospital de Clínicas de Porto Alegre analisa automaticamente exames de tórax e coloca os casos mais graves na frente da fila — sem tirar o médico da decisão final. Imagine que você chega a um pronto-socorro com dor no peito e falta de ar. O médico solicita um raio-X. O exame é realizado em poucos minutos — mas, em um grande hospital universitário, centenas de outros pacientes fizeram o mesmo pedido naquele dia. Seu exame entra em uma fila. Pode ser que ele só seja avaliado pelo radiologista horas depois, mesmo que a imagem mostre algo urgente. Esse é um problema real, e um hospital brasileiro encontrou uma solução inovadora para enfrentá-lo. O problema das filas invisíveis na radiologia O Hospital de Clínicas de Porto Alegre (HCPA) , vinculado à Universidade Federal do Rio Grande do Sul (UFRGS) , realiza em média 3.500 exames de raio-X de tórax por mês — o tipo de exame de image...

A Inteligência Artificial na Saúde: Do Diagnóstico por Imagem à Medicina de Precisão

  A revolução tecnológica que vivemos hoje tem o seu epicentro na área da saúde, onde a Inteligência Artificial (IA) deixou de ser uma promessa futurista para se tornar um pilar fundamental da medicina moderna. Atualmente, o setor de saúde é responsável pela geração de aproximadamente 30% de todo o volume de dados do mundo, o que cria o cenário ideal para o treinamento de modelos de aprendizado de máquina (BAJWA et al., 2021).  No campo da radiologia e da imagenologia, essa transformação é particularmente profunda, uma vez que o processamento de imagens médicas representa a aplicação líder da IA na atualidade (TORRES; WERMELINGER; FERREIRA, 2025). É importante compreender que a IA não deve ser encarada como uma substituta para o olhar atento do radiologista ou do técnico, mas sim como uma ferramenta de amplificação e aumento, focada em melhorar a eficiência e a eficácia da interação entre o profissional e o paciente (BAJWA et al., 2021). O avanço tecnológico permitiu a transiç...