XiaoMi-AI文件搜索系统
World File Search Systematlas
空间基因表达中无监督的模式发现地图集揭示了小鼠脑区域超出了本体学
大规模空间基因表达数据的增长需要新的计算工具，以在其天然空间环境中提取基因表达的主要趋势。在这里，我们将一个不受监督和可解释的计算框架描述为（1）通过插入缺失的体素的插入的预处理的3D空间基因表达数据集，（2）使用稳定性驱动的非阴性矩阵分解区域的3D空间基因表达曲线的主要模式（PPS），并[stanmf）技术和（stanmf）技术和（stanmf）技术和（3）本体论。该框架，称为OSNMF（通过Stanmf发现），识别纯粹来自艾伦小鼠脑图中数千个3D空间基因表达谱的PPS。这些3D PPS具有小鼠大脑的稳定和空间相干区域，可能没有人工和偏见。我们证明，OSNMF PPS提供了与专家通知的大脑区域的组合高度相关的新大脑模式，同时还纯粹基于基于空间基因表达数据的唯一本体论。与主成分分析（PCA）和其他聚类算法相比，我们的PPS具有更好的空间连贯性，更准确地匹配专家标签，并且在多个自举模拟中更稳定。我们还使用OSNMF来定义标记基因并建立推定的空间基因相互作用网络。我们的发现突出了OSNMF迅速从大量空间基因表达数据中迅速生成新的地图集的能力，而没有监督并发现了使用常规手动方法很难辨别的大脑区域之间的新型关系。
神经科学家使用小鼠大脑图谱进行高效分析和透明报告的指南
脑图谱在神经科学中被广泛用作开展实验研究以及整合、分析和报告动物模型数据的资源。有各种各样的脑图谱可供选择，找到适合特定目的的最佳脑图谱并进行有效的基于脑图谱的数据分析可能具有挑战性。比较使用不同脑图谱报告的结果也并非易事，并且是可重复科学的障碍。通过这篇观点文章，我们提供了如何使用小鼠和大鼠脑图谱来分析和报告数据，符合 FAIR 原则，该原则提倡数据可查找、可访问、可互操作和可重复使用。我们首先介绍如何解释脑图谱并将其用于导航到大脑位置，然后讨论如何将它们用于不同的分析目的，包括空间配准和数据可视化。我们提供了有关神经科学家如何比较映射到不同脑图谱的数据并确保透明地报告结果的指导。最后，我们总结了选择图集时需要考虑的关键因素，并对基于图集的工具和工作流程对于 FAIR 数据共享的相关性进行了展望。
标题：跨疗法，基因的细胞类型地图集，同工型和剪接调节，在发展中的人脑作者中：辛迪·韦恩1,2,3，mi
Title: Cross-ancestry, cell-type-informed atlas of gene, isoform, and splicing regulation in the developing human brain Authors: Cindy Wen 1,2,3 , Michael Margolis 2,3 , Rujia Dai 4 , Pan Zhang 2,3 , Pawel F. Przytycki 5 , Daniel D. Vo 2,3,6,7 , Arjun Bhattacharya 8,9 , Nana Matoba 10,11，Chuan Jiao 4，Minsoo Kim 2,3，Ellen Tsai 2,3，Celine Hoh 2,3，NilAygün11111111，Rebecca L. Walker 1,2,3，Christos Chistos Chatzinakos，Chatzinakos 12,13,14，Declan Clarke 15，Declan Clarke 15，Henry Pratt Pratt 17，Marks Conscyend A. 15,18,19,20 , Nikolaos P. Daskalakis 12,13,14 , Zhiping Weng 16 , Andrew E. Jaffe 21,22,23,24,25,26,27 , Joel E. Kleinman 21,22 , Thomas M. Hyde 21,22,28 , Daniel R. Weinberger 21,22,23,24,28 , Nicholas J. Bray 29，Nenad Sestan 30,31，Daniel H. Geschwind 3,32,33，Kathryn Roeder 34,35，Alexander Gusev 36,37,38,39，Bogdan Pasaniuc，Bogdan Pasaniuc 1,3,8,33,40Love 10,41，Katherine S. Pollard 5,42,43，Chunyu Liu 4,44*，Michael J. Gandal 1,2,3,6,7*
基于胎儿MRI的大脑图集分析检测到产前酒精暴露的子宫效应
产前酒精暴露（PAE）可以改变人类胎儿脑发育的正常轨迹，并可能导致胎儿酒精谱系障碍形式的神经发育变化。目前，与酒精相关的中枢神经系统变化的早期产前模式尚不清楚，尚不清楚少量的PAE是否会导致早期可检测到的脑异常。这项超分辨率的胎儿磁共振成像（MRI）研究旨在确定PAE对人脑结构的区域影响。胎儿使用基于1.5 t和3 t胎儿脑MRI检查的基于ATLAS的半自动组织分割进行了前瞻性评估。在预期母亲完成了PAE的匿名婴儿车和TACE问卷之后，发现并分析了没有宏观脑脑异常的胎儿。进行了区域脑体积的线性混合效应模型，并使用Benjamini – Hochberg程序校正了多个比较。总共招募了500名孕妇，有51名报告妊娠饮酒。排除了混杂的合并症后，分析了24个胎儿（26个观察结果），并分析了没有PAE的52个年龄匹配的对照。PAE患者的体积明显更大（p≤0.001）和较小的脑室区域（p = 0.001）。即使是次要的（每周1-3种标准饮料）PAE改变了神经发育轨迹。
通过多切片联合建模构建三维全生物体空间图谱
图 1：STitch3D 概览。a. 来自多个 ST 组织切片的原始数据和来自参考 scRNA-seq 数据集的细胞类型特异性基因表达谱作为 STitch3D 的输入。b. STitch3D 的预处理步骤包括对来自不同组织切片的斑点进行对齐以构建斑点的 3D 位置，以及构建全局 3D 图。STitch3D 的主模型结合这些结构来执行表示学习，用于 3D 空间域识别和 3D 细胞类型反卷积。c. STitch3D 输出 3D 空间区域识别结果和组织中不同细胞类型的 3D 空间分布估计。STitch3D 还支持多种下游分析，包括空间轨迹推断、低质量基因表达测量值的去噪、虚拟组织切片的生成以及具有 3D 空间表达模式的基因识别。d. STitch3D 对多个切片进行联合建模，并利用基于图注意的神经网络学习具有 3D 空间信息的斑点和细胞类型比例的潜在表示。
虚拟苍蝇大脑——果蝇的交互式图谱......
作为一种模型生物，果蝇在帮助我们理解大脑如何控制复杂行为方面具有独特的贡献。它不仅具有复杂的适应性行为，而且还具有独特强大的遗传工具包、日益完整的中枢神经系统密集连接组图谱和快速增长的细胞类型转录组谱。但这也带来了一个挑战：鉴于可用数据量巨大，研究人员如何查找、访问、整合和再利用 (FAIR) 相关数据，以便开发电路的综合解剖和分子图像、为假设生成提供信息并找到用于测试这些假设的实验试剂？虚拟蝇脑 (virtual fly brain.org) 网络应用程序和 API 为这个问题提供了解决方案，它使用 FAIR 原理整合神经元和大脑区域的 3D 图像、连接组学、转录组学和试剂表达数据，涵盖幼虫和成虫的整个中枢神经系统。用户可以通过文本搜索、单击 3D 图像、按图像搜索和按类型（例如多巴胺能神经元）或属性（例如触角叶中的突触输入）查询，按名称、位置或连接性搜索神经元、神经解剖学和试剂。返回的结果包括可在链接的 2D 和 3D 浏览器中浏览或根据开放许可下载的交叉注册 3D 图像，以及从文献中整理的细胞类型和区域的详细描述。这些解决方案具有可扩展性，可以涵盖脊椎动物中类似的图谱和数据集成挑战。
构建人类表型组多基因评分与循环代谢生物标志物之间的关联图谱
背景：多基因评分 (PGS) 正成为一种预测复杂疾病风险的越来越流行的方法，尽管它们也有可能深入了解具有较高遗传易感性疾病的患者的分子谱。方法：我们试图构建一个关联图谱，该图谱使用全基因组关联研究的结果得出 125 种不同的 PGS 与英国生物库中多达 83,004 名参与者的 249 种循环代谢物之间的关联。结果：为了证明该图谱的价值，我们对与糖蛋白乙酰基 (GlycA)（一种炎症生物标志物）的所有关联进行了无假设评估。使用双向孟德尔随机化，我们发现突出显示的关联可能反映了肥胖或吸烟倾向等风险因素对全身炎症的影响，而不是相反的方向。此外，我们在年龄层中重复了图谱中的所有分析，以调查碰撞偏差的潜在来源，例如药物使用。通过比较最年轻和最年长年龄层中脂蛋白脂质谱与冠状动脉疾病 PGS 之间的关联可以证明这一点，这两个年龄层接受他汀类药物治疗的个体比例不同。最后，我们生成了所有 PGS-代谢物关联，并按性别分层，并在排除 13 个已确定的脂质相关基因座后单独进行，以进一步评估研究结果的稳健性。结论：我们设想，我们研究中构建的结果图谱将激发未来的假设生成，并有助于优先考虑和降低循环代谢特征的优先级，以便进行深入研究。所有结果都可以在 http://mrcieu.mrsoftware.org/metabolites_PRS_atlas 进行可视化和下载。资金：这项工作得到了威康信托基金、英国心脏基金会和医学研究委员会综合流行病学部的资助。
基于Atlas的新型PET/CT脑图像分割和癫痫的定量方法的临床评估
在临床实践中，视觉解释被广泛用作评估癫痫中PET/CT图像的主观方法。结果在很大程度上取决于诊断医生的经验；因此，该方法具有许多缺点，包括它是高度主观的，难以解释（4）。为了实现客观评估，脑内不对称指数（AI）测量方法使用同一患者正常侧的大脑区域作为评估另一侧的癫痫状态的参考。在大脑的癫痫和正常区域中绘制了相同大小，形状和面积的感兴趣的镜像区域（ROI），并计算其平均标准化吸收值（SUV）和AI值（5）。但是，AI方法在很大程度上取决于医生的诊断经验，并且可重复性差（5,6）。
注意地图集虚拟现实平台映射三...
1 The Hopkins Centre, Menzies Health Institute Queensland, Griffith University, Meadowbrook, QLD, Australia, 2 School of Applied Psychology, Griffith University, Gold Coast, QLD, Australia, 3 Technical Partners Health (TPH), Griffith University, Nathan, QLD, Australia, 4 School of Applied Psychology, Griffith University, Mt Gravatt, QLD, Australia, 5 Innovation, Implementation and Clinical Translation in Health (IIMPACT in Health), Allied Health and Human Performance, University of South Australia, Adelaide, SA, Australia, 6 Neurosciences Rehabilitation Unit, Gold Coast University Hospital, Gold Coast, QLD, Australia, 7 Allied Health and Rehabilitation, Emergency and Specialty Services, Gold Coast Health, Gold Coast, QLD, Australia, 8 Psychology Department, Logan Hospital, Logan, QLD, Australia, 9 Rehabilitation Unit, Logan Hospital,澳大利亚昆士兰州的Meadowbrook和弗洛雷神经科学与心理健康学院10号，澳大利亚维克，澳大利亚海德堡。电子邮件：m.norwood@griffith.edu.au
小鼠生命周期中突触蛋白的大脑图谱
。CC-BY-ND 4.0 国际许可下可用（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2021 年 12 月 17 日发布。；https://doi.org/10.1101/2021.12.16.472938 doi：bioRxiv 预印本