multiVIB: Un marco probabilístico unificado de aprendizaje contrastivo para la integración a escala de atlas de datos...

Área de la Ciencia:

• Neurociencia
• Biología Computacional
• Genómica

Sus antecedentes:

• Los atlas completos de células cerebrales son cruciales para comprender las funciones neuronales y la medicina traslacional.
• La proliferación de tecnologías de células únicas genera diversos conjuntos de datos que requieren métodos de integración robustos.
• Las herramientas de integración de datos existentes a menudo son limitadas, lo que requiere flujos de trabajo complejos y propensos a artefactos.

Objetivo del estudio:

• Presentar multiVIB, un marco unificado de aprendizaje contrastivo probabilístico para integrar datos heterogéneos de células cerebrales únicas.
• Abordar la necesidad de una integración de datos escalable y biológicamente fiel a través de diversas plataformas experimentales, especies y modalidades.
• Superar las limitaciones de las herramientas existentes y prevenir alineaciones de datos espurias.

Principales métodos:

• Desarrollo de multiVIB, un marco probabilístico de aprendizaje contrastivo.
• Aplicación de multiVIB a conjuntos de datos a escala de atlas de la Iniciativa BRAIN.
• Evaluación del rendimiento de multiVIB en la integración de diversas modalidades de datos y conjuntos de datos entre especies.

Principales resultados:

• multiVIB logra un rendimiento de última generación en la integración de datos.
• El marco mitiga eficazmente las alineaciones espurias entre conjuntos de datos.
• Demostró una integración robusta y escalable de diversas modalidades de datos y la preservación de variaciones específicas de especies en la integración entre especies.

Conclusiones:

• multiVIB proporciona un marco unificado, escalable y biológicamente fiel para la construcción de atlas de células cerebrales de próxima generación.
• El marco apoya la integración de datos heterogéneos de células únicas, crucial para avanzar en la neurociencia.
• multiVIB permite la construcción fiable de atlas cerebrales a partir del creciente volumen de datos de células únicas.