基于隐式神经表征的大脑全脑基因表达插值与条件化
基因组学
2025-06-16 v1 机器学习
摘要
本文研究了基于非局部、非线性图像插值和外推算法的最新进展——具体而言，是基于隐式神经表征（Implicit Neural Representations, INR）的思想——作为分析空间转录组数据工具的效能与实用性。我们旨在利用从健康人大脑中稀疏采样的微阵列基因表达数据，生成任意给定基因在整个大脑中以体素级别分辨率的完整空间图。为此，我们首先获取了100个主要与阿尔茨海默病风险相关的基因，其基线空间转录组轮廓来自Allen人类大脑图谱（Allen Human Brain Atlas, AHBA）。我们改造了隐式神经表征模型，以便该管道能够为所有基因生产出稳健的体素分辨率定性地图。我们 presented了多项实验，使用来自Abagen的插值作为基线/参考。
引用
@article{arxiv.2506.11158,
title = {Brain-wide interpolation and conditioning of gene expression in the human brain using Implicit Neural Representations},
author = {Xizheng Yu and Justin Torok and Sneha Pandya and Sourav Pal and Vikas Singh and Ashish Raj},
journal= {arXiv preprint arXiv:2506.11158},
year = {2025}
}