.png){kind=icon}
返回
Generative cerebral vasculature visualization using spatial transcriptomic data
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-46455-4.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大脑由一个复杂的血管网络维持，该网络为其功能提供持续的营养和氧气供应。理解这一神经血管系统的结构变异和区域特异性功能对于解释疾病模型中的神经病理改变至关重要。利用空间mRNA引导的生成模型Tera-MIND（使用基于图块且边界感知的扩散模型模拟Tera尺度小鼠脑组织），我们提出通过Cldn5和Acta2基因的共表达模式及其在细胞水平分辨率下学习到的注意力图来预测脑血管的空间组织。这些发现表明，基于单细胞空间转录组数据训练的生成AI模型能够捕捉具有生物学意义的更高阶结构。它们突显了此类模型作为“在体”系统——基于GenAI的模拟，能够从空间分子数据生成生物结构的真实表征——在高效探索血管功能及其在神经障碍中失调方面的潜力。综上所述，我们的方法利用现有的空间转录组学数据集推导出关于血管组织的新空间见解，无需额外的组织处理。
Keyword:
Computational biology and bioinformatics
Neuroscience
Systems biology
Spatial transcriptomics
Generative modeling
Cerebral vasculature
Science
Humanities and Social Sciences
multidisciplinary
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
