跳到正文
bioRxiv· You, L.; Durbin, J. L.; Meng, G.; Stallaert, W.; Li, G.; Uttam, S.; Feng, H.; Glausier, J. R.; Wang, J.·· 来源仅提供日期AI 评分9

SPInfer 突破脑组织分割瓶颈,支持群体规模空间蛋白质组推断

Overcoming segmentation bottlenecks in brain tissue for spatial proteomic inference at population scale

AI 导读

SPInfer 用 120 张人前额叶皮层免疫荧光图像的 5,832 个手工标注细胞体,将 Cellpose-SAM 分割 F1 从 0.37 提升至 0.84。69 位死者 14,765 张图像的阿尔茨海默病分析显示,微调掩膜使 4 项关联通过 FDR 校正(零样本为 0),3 项将更高 OLIG2 阳性细胞比例与更重神经原纤维缠结和斑块负担关联。

预印本 · biorxiv · 10.64898/2026.10.22.761199

本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v2

摘要 · AI 翻译

在大型队列的空间蛋白质组学研究中,来自数万张图像的下游估计结果依赖于准确的细胞分割。然而,预训练分割模型难以处理人脑组织中形态复杂的细胞体,而域适应如何影响下游发现仍不清楚。在此,我们提出 SPInfer,这是一个空间蛋白质组推断工作流,基于人前额叶皮层 120 张免疫荧光图像中 5,832 个人工标注的细胞体开发而成。在对涵盖经典方法、卷积模型和基础模型的八种分割方法进行基准测试后,我们对 Cellpose-SAM 进行了适配,将细胞分割 F1 从 0.37 提升至 0.84,并恢复出与匹配的单核 RNA 测序和空间转录组学一致的细胞组成。在来自 69 位死后供体的 14,765 张图像上,使用零样本掩码时,相同的阿尔茨海默病病理模型在错误发现率校正后未发现显著关联,而使用微调掩码后发现四处关联;其中三处将更高的 OLIG2 阳性比例与更重的神经原纤维缠结和斑块负荷联系起来。利用微调掩码,一个在核邻域上运行的图注意力网络在不使用标记物信息的情况下对四种细胞类型进行了分类,差异表达分析则将细胞形态与基因表达联系起来。这为微调基础模型以分割复杂组织提供了一条流程,从而在群体规模上实现空间蛋白质组学中的生物学发现。

来源:bioRxiv · biorxiv.org