Mapping brain-wide activity networks: brainways as a tool for neurobiological discovery
Notice bibliographique
Résumé
Identifying brain-wide neural circuits and targeting these areas for neuropharmacological interventions are significant challenges in contemporary neuroscience. Traditional methods for registering and quantifying fluorescence in brain slices are labor-intensive and struggle to extract functional insights from complex datasets. To address these challenges, we introduce Brainways-an AI-based, open-source software that streamlines neural network identification from digital imaging to network analysis. Brainways facilitates neurobiological research by enabling automatic registration of coronal brain slices to any 3D brain atlas, along with precise quantification of fluorescent markers, such as activity markers and tracers, across brain regions. Brainways incorporates advanced statistical tools to identify neural patterns and functional networks associated with specific experimental contrasts. Trained on rat and mouse brain atlases, Brainways achieves over 93% atlas registration accuracy. The software also allows users to easily adjust the automatic registration through a user-friendly interface for enhanced accuracy. We present two experiment analyses demonstrating Brainways' capabilities. The first replicates and extends findings from a prior experiment on pro-social behavior in rats, wherein rats learned to free a trapped cagemate from a restrainer under ingroup and outgroup social conditions. Using Brainways, we analyzed approximately 300 times more tissue area than in our previous manual approach. The second experiment utilizes Multiplex RNAscope imaging for whole-brain registration, enabling combined quantification of cell type expression and activity markers. These analyses highlight Brainways' ability to link specific cell types and their activity to task conditions, providing detailed neural insights. Brainways offers a rapid and accurate solution for large-scale neurobiological projects, creating new opportunities to understand neural networks underlying complex behaviors.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».