基于连接组的最小描述长度无监督神经元细胞类型分类

随着连接组重建规模迅速扩大，自动识别神经元细胞类型的需求日益增长。现有方法在很大程度上依赖专家标注或参考连接组，而可靠的无监督细胞类型判定仍是一个悬而未决的问题。我们提出一种完全无监督的方法，仅利用连接信息即可恢复神经元类型；在果蝇视叶和视觉系统中，该方法与专家标注的一致率达到 93%–98%。这是首项表明仅凭连接信息，便能在大脑的大范围区域内近乎完美地恢复神经元类型的研究成果。我们的方法基于最小描述长度（MDL）原理：将神经元划分为簇的优良方案，意味着能够压缩连接组。这为从压缩的视角开展神经元类型判定提供了严谨的理论基础，也为在难度显著更高的区域——包括中央脑和腹神经索——进行无监督类型判定开辟了道路。

连接组正在以日益加快的规模进行重建，这使得对神经元细胞类型进行自动识别的需求不断增长。现有方法高度依赖专家标注或参考连接组，而可靠的无监督分类仍是一个尚未解决的问题。我们提出了一种完全无监督的方法，仅利用连接信息即可恢复神经元类型；在果蝇视觉叶及视觉系统中，该方法与专家标注达到93%–98%的一致性。这是首项表明仅凭连接信息即可在大脑的大规模区域内近乎完美地恢复神经元类型的研究成果。

我们的方法基于最小描述长度（MDL）原则：将神经元划分为不同簇的良好方案，等价于对连接组进行压缩。这一原则从压缩的视角为神经元分类提供了严谨的理论基础。同时，它也为在难度显著更高的区域（包括中央脑和腹神经索）开展无监督分类开辟了路径。

作者声明不存在利益冲突。

感谢您有兴趣传播有关 bioRxiv 的信息。

注意：要求提供您的电子邮箱地址，仅用于确认您是本文的发送者。

关键词：连接组学 · 神经元细胞类型 · 无监督分类 · 最小描述长度 · 果蝇视觉系统

原文链接：https://www.biorxiv.org/content/10.64898/2026.10.20.760604v1?rss=1