连接就是你需要的一切:用NTAC推断神经元类型
Gregory Schwartzman1, Ben Jourdan2, David García-Soriano3
1Japan Advanced Institute of Science and Technology (JAIST), Japan.
bioRxiv : the preprint server for biology
|July 15, 2025
概括
我们介绍了神经元类型分配从连接 (NTAC),一种使用突触连接进行自动神经元分类的方法. 在半监督和无监督模式中,NTAC 实现了高精度,证明了连接性.
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
- 系统生物学 系统生物学
背景情况:
- 电子显微镜和计算机视觉使大规模的连接组映射成为可能.
- 准确的神经元细胞类型识别对于理解大脑功能至关重要.
- 传统的细胞类型识别方法是劳动密集型的,依赖于多种特征.
研究的目的:
- 开发一种仅基于突触连接性的神经元细胞类型分类的自动化方法.
- 为了验证突触连接是神经元细胞类型的主要决定因素的假设.
- 在半监督和无监督环境中引入和评估NTAC (神经元类型分配从连接).
主要方法:
- 开发了NTAC,这是一种基于图的学习方法,用于使用突触数据进行半监督的神经元细胞类型分配.
- 引入了近似的公平分区和一个用于无监督NTAC的启发式.
- 使用NTAC的半监督算法作为无监督方法中的子程序.
- 在多个果连接体 (视叶,中脑,神经) 上评估了NTAC.
主要成果:
- 半监督的NTAC在果视觉系统上取得了超过95%的准确性,只有2%的标记神经元.
- 在准确性和标签要求方面,NTAC的半监督方法超过了基于形态学的方法.
- 无监督的NTAC实现了大约70%的准确性,显著超过了基于形态学的平行.
- 结果提供了强有力的证据,即突触连接本身可以定义神经元细胞类型.
结论:
- 通过突触连接,NTAC为神经元细胞类型识别提供了一种高效和准确的方法.
- 半监督和无监督的NTAC变体都证明了基于连接性的分类的力量.
- 这项工作推进了对大规模连接原子数据集的自动化分析.
