模块化策略用于对不同细胞类型的空间映射,对小鼠大脑的数据进行模块化策略
Nicholas J Tustison1, Min Chen2, Fae N Kronman3
1Department of Radiology and Medical Imaging, University of Virginia, Charlottesville, VA.
Research square
|April 29, 2025
概括
研究人员为各种小鼠大脑数据开发了模块化地图谱绘制策略. 这些在ANTsX中的新的开源工具使跨模式的空间,结构和功能细胞信息的联合分析成为可能.
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
- 生物信息学是一种生物信息学.
背景情况:
- 大脑倡议细胞普查网络 (BICCN) 正在创建一个全面的小鼠大脑细胞类型参考数据库,使用40多种多模式分析技术.
- 整合来自多个研究小组的多样化数据集,由于数据采集,处理和成像的差异,构成了重大挑战.
- 需要一个统一的映射策略,以便在不同类型和模式的细胞中共同分析空间,结构和功能信息.
研究的目的:
- 开发和突出展示模块化地图绘制策略,以整合各种小鼠大脑数据集.
- 为解决将各种数据类型映射到共同的参考空间中的多样性问题.
- 为研究人员提供开源工具和指导,帮助他们绘制具体数据挑战的地图.
主要方法:
- 使用高级规范化工具生态系统 (ANTsX) 进行映射.
- 开发了模块化策略,将空间转录组 (MERFISH) 和高分辨率形态 (fMOST) 数据映射到艾伦共同坐标框架 (AllenCCFv3) 中.
- 将发育数据 (MRI和光片光显微镜 - LSFM) 映射到发育共同坐标框架 (DevCCF) 中.
主要成果:
- 成功地将各种小鼠大脑数据模式映射到共同的参考框架中.
- 引入了对ANTsX的新开源贡献,包括发展轨迹的基于速度流的方法和结构形态学的自动化框架.
- 证明了针对特定数据类型和挑战量身定制的映射方法的适用性.
结论:
- 模块化地图图谱绘制策略对于整合异构的老鼠大脑数据集是有效的.
- 在ANTsX中开发的开源工具促进了跨模式分析,并推动了BICCN的目标.
- 提供了一般指导,以帮助研究人员适应这些策略,以应对独特的数据整合挑战.
