使用空间点过程混合模型发现神经元细胞类型及其基因表达谱
神经元与认知
2016-06-14 v2 机器学习
摘要
编目构成各个脑区回路的神经元细胞类型是现代神经科学和BRAIN计划的一个主要目标。单细胞RNA测序现在可用于测量单个神经元的基因表达谱，并基于其基因表达谱对神经元进行分类。尽管单细胞技术极其强大且前景广阔，但它们目前仍劳动密集，每细胞成本高，且最重要的是，不提供脑特定区域中细胞类型的空间分布信息。我们提出一种互补方法，该方法使用计算方法，通过分析Allen脑图谱 (ABA) 中包含的全脑单细胞分辨率原位杂交 (ISH) 图像来推断细胞类型及其基因表达谱。我们测量ISH图像中每个基因标记的神经元空间分布，并将其建模为空间点过程混合模型，其混合权重由表达该基因的细胞类型给出。通过将点过程混合模型联合拟合到ISH图像，我们推断出每种细胞类型的空间点过程分布及其基因表达谱。我们利用最近发表的小鼠体感皮层的单细胞RNA测序数据验证了我们对细胞类型特异性基因表达谱的预测。与基因表达谱联合地，每细胞类型的细胞特征（如细胞大小、方向、强度和局部密度水平）也被推断出来。
引用
@article{arxiv.1602.01889,
title = {Discovering Neuronal Cell Types and Their Gene Expression Profiles Using a Spatial Point Process Mixture Model},
author = {Furong Huang and Animashree Anandkumar and Christian Borgs and Jennifer Chayes and Ernest Fraenkel and Michael Hawrylycz and Ed Lein and Alessandro Ingrosso and Srinivas Turaga},
journal= {arXiv preprint arXiv:1602.01889},
year = {2016}
}