TrimNN:为研究复杂组织中的多细胞拓组织而表征细胞社区图案
Yang Yu1, Shuang Wang2, Jinpu Li3
1Department of Electrical Engineering and Computer Science, Christopher S. Bond Life Sciences Center, University of Missouri, Columbia, MO 65211, USA.
Research square
|January 29, 2025
概括
我们介绍了TrimNN,这是一种新的深度学习工具,用于识别保存的细胞组织模式,称为细胞社区 (CC) 图案. 这种方法揭示了细胞空间安排如何影响组织中的生物功能.
科学领域:
- 计算生物学 计算生物学
- 系统生物学 系统生物学
- 基因组学就是基因组学.
背景情况:
- 细胞的空间布局对于组织功能和疾病至关重要.
- 了解组织中细胞相互作用的拓规则仍然具有挑战性.
- 现有的方法往往忽略了复杂的多细胞邻居模式.
研究的目的:
- 开发一种新的计算框架,用于识别保存的细胞组织模式 (细胞社区动机).
- 分析空间转录组学和蛋白质组学数据以了解组织架构.
- 将空间细胞模式与生物功能联系起来.
主要方法:
- 介绍了三角化细胞社区动机神经网络 (TrimNN),一种基于图形的深度学习方法.
- 使用了自下而上的策略来识别空间奥米克数据中的细胞社区 (CC) 动机.
- 在一个三角空间内采用半分割法.
主要成果:
- TrimNN有效地估计了显著的,保存的细胞组织模式 (CC动机) 的流行率.
- 该方法将细胞区分为可解释的拓块,代表多细胞社区.
- 鉴定到的CC动图强烈地与空间细胞类型的模式与各种尺度上的生物功能相关联.
结论:
- TrimNN提供了一个强大的,可通用的工具,用于分析空间奥米克数据.
- 该框架增强了对组织组织及其功能影响的理解.
- 该方法为细胞架构与生物结果之间的关系提供了新的见解.
