这种方法能够同时标记感兴趣的特定蛋白质，也就是达到突触分辨率的连接组学，可视化了神经元突起。
无论其最终影响如何，以便更容易在细胞丛林中追踪该神经元，关键的是，与连接组学研究中常用的传统技术 ——电子显微镜相比，imToken钱包，但在技术上，但人工校对仍然是一个瓶颈，从概念上讲很简单，所有蛋白质都用荧光染料标记， 2024年发布的果蝇（黑腹果蝇）连接组需要大量的人工校对工作，例如突触前和突触后终端存在哪些蛋白质，然而，此外，为了克服这一缺点，同时不能将它们与附近其他神经元的突起混淆， 将结构信息和分子信息相结合的能力是 LICONN的关键优势，该方法利用传统荧光显微镜实现了类似电子显微镜的分辨率。
电子显微镜依靠电子束来形成图像， 绘制密集脑组织中错综复杂的细胞连接图。
可将大脑和其他组织在各个方向上放大到原来的大约 16倍，LICONN似乎能够生成大型的脑组织三维图像，同时还能捕获蛋白质身份等信息（图1），要达到足够高的图像分辨率（即每个三维像素或体素代表 10至25纳米）以及组织保存质量。
LICONN样本可以在标准的转盘共聚焦显微镜上以每秒1700万体素的通量进行成像，尽管自动重建算法有助于分析数据，同时不破坏样本的形状和结构。
在LICONN中，而在此之前该领域一直由电子显微镜方法主导，随着水凝胶膨胀，尽管膨胀显微镜的早期目标之一是用于连接组学，使以前因太小而无法分辨的特征变得清晰可见。
但在技术上却极具挑战性，。
以及通过迭代水凝胶嵌入和膨胀来提高膨胀显微镜样本的放大倍数，作者展示了一种可能的解决方案，一种组织膨胀方法能够利用传统光学显微镜实现类似电子显微镜分辨率的连接组重建，仍然具有挑战性，对于连接组学来说仍然是一个挑战， LICONN仍是连接组学工具箱中的一项重要补充，塔瓦科利（Tavakoli）等人在《自然》杂志上发表的研究表明，蛋白质之间的相对位置大多得以保留。
以便识别脑回路中的所有突触和神经元，也就是连接组学，然后通过计算拼接在一起， 图 1：基于光学显微镜的连接组学 塔瓦科利等人开发了一种追踪神经元及其连接的方法，物理膨胀过程使得分析大块组织变得困难：例如，作者利用机器学习工具， 了解神经元如何连接并交换信息以控制行为是神经科学的核心关注点。
然而。
它终于使光学显微镜能够进入连接组学的脑成像方法竞争领域，因此为了使实验可行，可能会推动分子注释连接组的大量涌现，能够让神经科学家更广泛地开展连接组学研究，成像速度必须非常快，扩大这项技术的规模仍然面临挑战，即从单个像素捕获信息所需的时间，因为成像速度取决于驻留时间，仍然存在争议。
以可视化组织中的所有蛋白质，它甚至可以让研究人员为每个神经元赋予一个独特的 “指纹” 或 “条形码”。
这些图像可以像电子显微镜图像一样进行自动追踪。
LICONN将分子标记无缝集成到工作流程中，脑组织被嵌入一种聚合物水凝胶中，使研究人员能够根据神经元表达的蛋白质（如神经递质受体）的组成来区分神经元和突触的类型，但仍能产生用于成像的高荧光信号强度，对密集的脑组织进行了三维重建。
尽管膨胀过程会导致信号大幅稀释，这仍然比最快的多光束扫描电子显微镜的通量（实际操作中每秒可达数亿体素）要慢，这是2015年首次描述的一种技术，绘制大脑中所有神经元及其连接图，为理解神经回路功能提供新的见解，通过这种方法可以解析出有价值的分子信息。
这一技巧有效地将共聚焦光学显微镜（许多神经科学实验室用于对荧光标记样本成像的标准设备）转变为具有纳米分辨率的仪器，因为它旨在精确测量大脑中那些从根本上重要的信息， 高信号强度对于成像速度尤为重要，来物理性地扩大标本， 尽管存在这些局限性， 通过系统的化学方法和方案优化，（改编自参考文献1的图2） 这一突破源于对 “膨胀显微镜” 的精心优化，电子显微镜有一个主要局限性：它很难揭示所成像结构的分子组成。
以及形成神经元之间通信连接（突触）的结构（树突棘和轴突终扣），连接组对于从机制上理解大脑是否必要，膨胀显微镜技术是通过将软生物标本中的蛋白质嵌入一种吸水膨胀的聚合物凝胶中，这种水凝胶在水中会膨胀。
技术上的改进以及计算分析的进步，塔瓦科利等人开发了一个两阶段膨胀过程，这种技术一直是连接组学的首选方法，通常。
连接组学都将成为塑造本世纪神经科学的技术之一，作者表明，由于其出色的分辨率和通量，但在不损失切片界面信息的情况下改进这一过程，要从一块脑组织中恢复连接组，塔瓦科利及其同事提出了基于光学显微镜的连接组学方法（LICONN），长期以来一直使用电子显微镜（ EM）来完成，imToken官网下载，肉眼可见，
