通过深度学习增强的高通量质谱仪对大脑进行多层次的生物化学测绘

科学领域:

• 神经科学是一个神经科学.
• 生物化学 生物化学
• 计算生物学 计算生物学

背景情况:

• 空间奥米克技术提供了对大脑分子复杂性的洞察.
• 质谱成像 (MSI) 提供空间复合物定位,但缺乏大脑范围的3D单细胞分辨率.

研究的目的:

• 开发一个全面的框架,大脑的多尺度生化绘图.
• 通过使用质谱学实现全脑和单细胞分辨率的3D分子分析.

主要方法:

• 开发了MEISTER,一个整合性的实验和计算质谱 (MS) 框架.
• 集成深度学习为15倍加速高质量分辨率的MS.
• 利用多式联络注册进行3D分子分布重建.
• 采用数据集成来将细胞特异性质谱与3D数据集相匹配.

主要成果:

• 在大鼠大脑组织中,在整个大脑和单细胞水平上实现了详细的脂质分析.
• 确定了特定区域的脂质含量和特定细胞的脂质局部化.
• 根据细胞亚群和解剖起源,证明了脂质分布的变化.

结论:

• 该MEISTER框架使得整个大脑和单细胞生物化学映射的互补.
• 建立了用于大脑生物化学表征的多尺度技术的蓝图.
• 进步了对大脑中的分子异质性的理解.