행사세미나 Mapping the Cellular Landscape of the Brain:A Scalable Approach to Com…
페이지 정보

본문
Mapping the Cellular Landscape of the Brain:
A Scalable Approach to Comprehensive Microscopy Data Analysis
일시: 2024년 7월 19일(금) 16:30 ~ 18:30
장소: 제2공학관 26동 26312호
Minyoung E. Kim, PhD
Massachusetts Institute of Technology
Abstract
Recent advances in intact tissue processing and imaging have enabled whole-brain microscopy at subcellular resolution, revealing intricate cellular morphology. Given the link between cellular morphology and glial function, high-resolution whole-brain morphological analysis offers significant potential for understanding brain development and disease. However, the lack of scalable computational techniques poses a challenge for comprehensive analysis. To address this, MorPheT (Morphology Phenotyping Tool) serves as an end-to-end scalable pipeline for comprehensive fluorescence microscopy data analysis. MorPheT provides 3D morphological profiling across the entire brain, from image pre-processing to cell detection, atlas alignment, morphological phenotyping, and interactive visualizations. It combines supervised and unsupervised approaches to enhance feature learning. The novel deep neural network (ALNet) captures long-range contextual dependencies in 3D data during supervised learning, while unsupervised learning leverages complementary features, demonstrating the synergy of this ensemble method.
Applying MorPheT allows for profiling brain-resident macrophages and creating fetal mouse brain atlases, revealing distinct growth patterns across developmental stages. Additionally, MorPheT characterizes microglia distribution and morphology in control and neurodegenerative mouse brains, highlighting its utility for diverse research contexts. Furthermore, MorPheT adapts to human tissue data, showcasing its versatility. With its scalability and versatility, MorPheT promises significant impact on neuroscientific research, offering an innovative solution for comprehensive morphological characterization across various domains.
최근 조직 처리 및 이미징 기술의 발전으로 인해 세포 수준의 해상도로 전체 뇌를 현미경으로 관찰할 수 있게 되었으며, 이를 통해 복잡한 세포 형태를 밝혀낸다. 세포 형태와 신경교세포의 기능 간의 연관성을 고려할 때, 고해상도 전체 뇌 형태 분석은 뇌 발달 및 질병 이해에 중요한 잠재력을 제공한다. 그러나 확장 가능한 계산 기법의 부족이 포괄적인 분석에 도전 과제가 된다. 이를 해결하기 위해 MorPheT(형태 표현 도구)는 포괄적인 형광 현미경 데이터 분석을 위한 종합적이고 확장 가능한 파이프라인을 제공한다. MorPheT는 이미지 전처리부터 세포 감지, 아틀라스 정렬, 형태 표현, 상호작용적 시각화까지 전체 뇌에 걸친 3D 형태 프로파일링을 제공한다. 이는 지도 학습과 비지도 학습 접근법을 결합하여 특징 학습을 향상시킨다. 새로운 심층 신경망(ALNet)은 지도 학습 중 3D 데이터에서 장거리 맥락적 의존성을 포착하며, 비지도 학습은 보완적 특징을 활용하여 이러한 앙상블 방법의 시너지를 보여준다.