HERO：一种用于缩减与精炼全脑图谱映射细胞数据集的层级感知分析流程

高通量中尺度显微成像技术以及基于机器学习的图像分析流程的进步，使无偏的全脑成像得以广泛开展。然而，由此产生的图谱映射数据集由于其规模庞大且具有复杂的层级组织结构，仍然难以被转化为具有生物学意义的结果。因此，不同研究在结构报告和分析方法方面存在显著差异，从而削弱了研究的严谨性和可重复性。为应对这一问题，我们开发了一种用户友好的数据降维工作流程——HERO（Hierarchy-aware Expression Region Organization，层级感知的表达区域组织），旨在对全脑细胞检测数据集进行层级感知的选择、优化、排序和可视化。该工作流程可根据具体需求进行定制，对编码经验要求极低，并能够输出透明且经整理的结果。HERO 被设计为可在更大规模的全脑细胞检测分析流程中作为无缝插件运行，通过提供高效、无偏的脑区选择，简化后续的统计分析和比较评估。尽管 HERO 是基于小鼠细胞检测数据集开发的，但原则上它可应用于任何包含层级信息的图谱映射数据集。总之，HERO 提供了一种标准化的分析工作流程，用于简化全脑细胞检测数据集，将原始脑区细胞计数转化为经整理的结果，并提升神经科学中全脑成像的有效性、可解释性和可及性。

高通量中尺度显微成像技术以及基于机器学习的图像分析流程的进步，使无偏的全脑成像得以广泛实现。然而，由此产生的、映射到图谱的数据集由于其规模庞大且具有复杂的层级组织结构，仍然难以转化为具有生物学意义的结果。因此，不同研究在结构报告和分析方法方面存在显著差异，削弱了研究的严谨性和可重复性。为应对这一问题，我们开发了一种用户友好的数据缩减工作流程——HERO（Hierarchy-aware Expression Region Organization，层级感知表达区域组织），旨在对全脑细胞检测数据集进行层级感知的选择、优化、排序和可视化。该工作流程可根据具体需求进行定制，对编码经验要求极低，并能够输出透明、经整理的结果。HERO 被设计为可在更大规模的全脑细胞检测分析流程中作为无缝插件运行，通过高效、无偏的区域选择来简化后续统计分析和比较评估。尽管 HERO 是基于小鼠细胞检测数据集开发的，但原则上它可应用于任何包含层级信息的图谱映射数据集。总之，HERO 提供了一种标准化的分析工作流程，用于缩减全脑细胞检测数据集，将原始区域细胞计数转化为经整理的结果，并提升神经科学中全脑成像的有效性、可解释性和可及性。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.02.736093v1?rss=1

🏷️ 全脑成像 脑图谱映射 层级感知分析 数据降维 细胞检测 流程标准化