MétaCan
Menu
Retour à la cohorte
Enregistrement W4308447879 · doi:10.1101/2022.11.06.515380

Whole-cortex in situ sequencing reveals peripheral input-dependent cell type-defined area identity

2022· preprint· en· W4308447879 sur OpenAlex
Xiaoyin Chen, Stephan Fischer, Mara C.P. Rue, Aixin Zhang, Didhiti Mukherjee, Patrick O. Kanold, Jesse Gillis, Anthony M. Zador

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCytoarchitectureTranscriptomeBiologyForebrainCell typeCortex (anatomy)NeuroscienceCerebral cortexGene expressionGeneCellGeneticsCentral nervous system

Résumé

récupéré en direct d'OpenAlex

Abstract The cortex is composed of neuronal types with diverse gene expression that are organized into specialized cortical areas. These areas, each with characteristic cytoarchitecture (Brodmann 1909; Vogt and Vogt 1919; Von Bonin 1947), connectivity (Zingg et al. 2014; Harris et al. 2019), and neuronal activity (Schwarz et al. 2008; Ferrarini et al. 2009; He et al. 2009; Meunier et al. 2010; Bertolero et al. 2015), are wired into modular networks (Zingg et al. 2014; Harris et al. 2019; Huang et al. 2020). However, it remains unclear whether cortical areas and their modular organization can be similarly defined by their transcriptomic signatures and how such signatures are established in development. Here we used BARseq, a high-throughput in situ sequencing technique, to interrogate the expression of 104 cell type marker genes in 10.3 million cells, including 4,194,658 cortical neurons over nine mouse forebrain hemispheres at cellular resolution. De novo clustering of gene expression in single neurons revealed transcriptomic types that were consistent with previous single-cell RNAseq studies(Yao et al. 2021a; Yao et al. 2021b). Gene expression and the distribution of fine-grained cell types vary along the contours of cortical areas, and the composition of transcriptomic types are highly predictive of cortical area identity. Moreover, areas with similar compositions of transcriptomic types, which we defined as cortical modules, overlap with areas that are highly connected, suggesting that the same modular organization is reflected in both transcriptomic signatures and connectivity. To explore how the transcriptomic profiles of cortical neurons depend on development, we compared the cell type distributions after neonatal binocular enucleation. Strikingly, binocular enucleation caused the cell type compositional profiles of visual areas to shift towards neighboring areas within the same cortical module, suggesting that peripheral inputs sharpen the distinct transcriptomic identities of areas within cortical modules. Enabled by the high-throughput, low-cost, and reproducibility of BARseq, our study provides a proof-of-principle for using large-scale in situ sequencing to reveal brain-wide molecular architecture and to understand its development.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,225
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle