- 2 次围观
在大规模队列的空间蛋白质组学研究中，数万张图像的下游估计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，而领域适应对下游发现的影响仍不明确。本文介绍了 SPInfer，这是一套空间蛋白质组推断流程，基于对人类前额叶皮层 120 张免疫荧光图像中 5,832 个细胞体的人工标注构建。我们对涵盖传统方法、卷积模型和基础模型的八种分割方法进行了基准评测，并对 Cellpose-SAM 进行适应性微调，使细胞分割 F1 值从 0.37 提升至 0.84，同时恢复出与配对的单核 RNA 测序和空间转录组学结果相一致的细胞组成。在来自 69 位死后捐献者的 14,765 张图像中，相同的阿尔茨海默病病理模型使用零样本掩膜时，经错误发现率校正后未发现显著关联；使用微调后的掩膜时则发现四项关联，其中三项表明，OLIG2 阳性细胞比例越高，神经原纤维缠结和斑块负担越重。基于微调后的掩膜，我们构建了一个对细胞核邻域进行建模的图注意力网络，在无需标记物信息的情况下对四种细胞类型进行分类；差异表达分析则揭示了细胞形态与基因表达之间的关联。本研究提供了一套用于微调基础模型以分割复杂组织的流程，为在群体规模的空间蛋白质组学研究中开展生物学发现提供了支持。
在大规模队列的空间蛋白质组学研究中，数万张图像的下游估算取决于细胞分割的准确性。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，而领域适配对下游发现的影响仍不明确。在此，我们介绍 SPInfer——一种空间蛋白质组推断工作流，基于人类前额叶皮层 120 张免疫荧光图像中经人工标注的 5,832 个细胞体开发而成。在对涵盖传统方法、卷积模型和基础模型的八种分割方法进行基准评估后，我们对 Cellpose-SAM 进行了适配，将细胞分割 F1 值从 0.37 提高至 0.84，并恢复了与配对的单核 RNA 测序和空间转录组学结果相一致的细胞组成。在来自 69 位尸检供体的 14,765 张图像中，采用零样本掩膜的阿尔茨海默病病理模型在经错误发现率校正后未发现显著关联，而采用微调掩膜的模型则发现了四项关联；其中三项表明，OLIG2 阳性细胞比例越高，神经原纤维缠结和斑块负担越重。利用微调后的掩膜，基于细胞核邻域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；差异表达分析则揭示了细胞形态与基因表达之间的关联。该研究提供了一套微调基础模型以分割复杂组织的流程，使空间蛋白质组学能够在群体尺度上助力生物学发现。
作者声明不存在利益冲突。
感谢您有意帮助传播 bioRxiv 的研究成果。
注意：我们要求提供您的电子邮件地址，仅用于确认您是本文的发送者。
关键词：空间蛋白质组学 · 脑组织细胞分割 · 基础模型微调 · 阿尔茨海默病 · 图注意力网络
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.22.761199v1?rss=1