RamiGlyph捕捉小胶质细胞的形态多样性并预测其在缺血再灌注和淀粉样蛋白病理中的功能状态

内容形式：摘要译文

小胶质细胞是中枢神经系统的常驻免疫细胞，其分枝突起会在损伤发生时迅速重塑。然而，如何捕捉细微的形态变化，以及能否根据形态预测其功能状态，仍是尚待解答的问题。在此，我们提出 RamiGlyph，这是一种整合拓扑特征与结构特征的对比学习框架，基于 20,000 多个重建的小胶质细胞进行训练。RamiGlyph 不仅能够区分小胶质细胞的生理状态与病理状态，还能泛化应用于神经元细胞类型分类。对小胶质细胞形态嵌入的投影显示，其形态呈连续变化，而非离散类别；据此，我们得出形态评分，用于量化突起的动态重塑。为建立形态与功能之间的联系，我们采用格罗莫夫-瓦瑟斯坦最优传输，对缺血再灌注损伤和淀粉样蛋白病理不同阶段中未配对的形态数据与功能数据进行对齐。这些对齐结果使得仅凭 RamiGlyph 嵌入即可预测小胶质细胞的功能状态，且将细胞聚合后，预测可靠性会进一步提高。总之，RamiGlyph 为解析小胶质细胞连续的形态变异，并在急性和慢性神经病理背景下建立形态与功能状态之间的联系，提供了一个稳健的框架。

关键词：小胶质细胞 · 形态表型 · 对比学习 · 最优传输 · 缺血再灌注 · 淀粉样蛋白病理

原文链接：https://www.biorxiv.org/content/10.64898/2026.09.10.750561v1?rss=1