使用变压器在小鼠大脑中以数据驱动的细粒度区域的发现

科学领域:

• 空间转录组学 空间转录组学
• 计算生物学是一种计算生物学.
• 神经科学是一个神经科学.

背景情况:

• 空间转录学能够详细地绘制组织组织,但分析大型数据集会带来计算挑战.
• 现有的方法在器官尺度空间转录组数据的可扩展性方面存在困难,这阻碍了全面的分析.
• 识别不同的空间领域和利基对于理解组织结构和功能至关重要.

研究的目的:

• 建立一个可扩展的工作流程,用于在大型空间转录数据集中进行自我监督的空间域检测.
• 开发一种新的计算框架,CellTransformer,用于学习组织空间域的潜在表示.
• 为了能够在像老鼠大脑这样的复杂器官结构中发现已知和未被目录的空间领域.

主要方法:

• 利用自我监督的框架来学习组织空间域的潜在表示.
• 开发了一种新的编码器解码器架构,CellTransformer,用于从细胞和分子数据中学习等级特征.
• 集成的表示学习与微分批的GPU加速集群,可扩展到数百万个单元数据集 (例如MERFISH,Slide-seqV2).

主要成果:

• 细胞转换器成功识别了数百万细胞MERFISH和全脑Slide-seqV2数据集中的空间域.
• 工作流整合了组织部分的细胞,确定了已知的域 (例如,艾伦老鼠大脑CCF),并发现了数百个未被目录的区域.
• 在大规模分析中,在多个小鼠和组织截面上显示了多达100个空间域的高一致性 (几乎完美).

结论:

• 细胞转换器 (CellTransformer) 提供了一种高性能和可扩展的解决方案,用于在大规模空间转录学数据中检测细粒度空间域.
• 工作流程促进了复杂的多动物分析,并有助于发现新的神经解剖学子区域.
• 计算分析的这种进步对于推进空间转录学和大脑映射领域的发展至关重要.