统一社区全脑成像数据集使得强大的神经元识别成为可能,并揭示了C. elegans中神经元位置的决定因素

科学领域:

• 神经科学是一个神经科学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 卷度显微镜产生大数据集,用于C. elegans的神经活动.
• 实验室间的数据异质性阻碍了大规模分析和算法概括.

研究的目的:

• 开发C. elegans体积显微镜数据的数据协调方法.
• 为数据和分析工具创建一个集中存储库 (WormID).
• 改进跨不同数据集的自动神经元识别算法.

主要方法:

• 标准化数据格式,预处理技术和人机循环机器学习工具.
• 统一118个来自五个实验室的全脑神经活动成像数据集.
• 在协调数据上训练和评估自动细胞识别算法 (CPD,StatAtlas,CRF_ID).

主要成果:

• 在实验室中实现了对神经元自动识别的通用准确性.
• 在某些情况下,成功恢复了所有人类标记的神经元.
• 通过存储库挖矿,确定了影响神经元发育定位的因素.

结论:

• 虫ID存储库为C. elegans神经解剖学和神经活动研究提供了宝贵的资源.
• 协调方法使得可靠的算法开发和基准测试成为可能.
• 促进数据共享和遵守社区标准.