使用DeepCellMap解开在发育中的人类大脑中的微质空间组织,这是一种与空间统计相结合的深度学习方法

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 发展生物学 发展生物学

背景情况:

• 由于多维数据和复杂的空间模式,在发育中的大脑中绘制细胞组织是复杂的.
• 高通量工具对于解释这些复杂的数据集至关重要.

研究的目的:

• 介绍DeepCellMap,这是一个深度学习辅助工具,用于绘制发育大脑中的细胞组织,特别是微质组织的地图.
• 在正常和病理条件下分析微质形态,空间分布和与血管的相互作用.

主要方法:

• 使用深度学习管道将多尺度图像处理与空间和聚类统计的整合.
• 该工具用于绘制人类大脑发育中的微质组织的地图,包括母亲接触SARS-CoV-2的病例.

主要成果:

• DeepCellMap捕捉了微质的形态多样性,并确定了增殖和细胞表型之间的合.
• 显著的微质空间集群在人类大脑发育过程中显示出有限的重叠.
• 在暴露于母体SARS-CoV-2的胎儿大脑中观察到微质和血管之间的关联.

结论:

• DeepCellMap提供了一个强大的开源平台,用于分析大型组织部分的细胞组织和空间统计数据.
• 这些发现提供了对微质网络形成,空间占用以及它们在大脑发育和病理过程中对血管完整性的作用的见解.
• 这种工具为研究大脑发育和相关疾病开辟了新的途径.