基于小鼠到人类的跨物种迁移学习，用于皮层GABA能中间神经元的电生理学与转录组学映射

《Neuroinformatics》：Mouse to Human Cross-Species Transfer Learning for Electrophysiology-to-Transcriptomics Mapping in Cortical GABAergic Interneurons

　　

摘要

单细胞电生理记录为了解神经元的功能多样性提供了有力的视角，同时也为将内在生理特征与转录组特征联系起来提供了可解释的途径。在此，我们采用了Gouwens等人提出的IPFX/Gouwens电生理特征家族组织方法（2020），并使用了艾伦研究所提供的小鼠和人类大脑皮层的公开Patch-seq数据集。我们重点研究了属于同一亚类结构（Lamp5、Pvalb、Sst、Vip）的GABA能抑制性中间神经元。经过质量控制后，我们分析了3,699个小鼠视觉皮层神经元以及506个来自神经外科手术的人类新皮层神经元。通过使用标准化的电生理特征以及Gouwens风格的稀疏PCA随机森林作为基准，我们得到了与最初的小鼠研究一致的主要类别区分结果。在监督预测方面，类别平衡的随机森林在小鼠数据中提供了强大的特征工程基准，在人类数据中则提供了虽规模较小但仍具有信息量的基准。随后，我们开发了一种基于注意力的BiLSTM模型，该模型直接作用于预处理后的特征家族向量张量，而非44个稀疏PC表示，从而有意区别于稀疏PCA基准，并通过学习到的注意力权重实现了对特征家族层面的可解释性。最后，我们通过在小鼠数据上预训练并在人类数据上微调，来评估跨物种迁移效果，用于一个包含4个类别的任务，结果发现相比仅使用人类数据训练，该方法能提升人类数据的宏观F1值。总体而言，这些结果既证明了Gouwens特征家族组织的实用性，也凸显了我们基于家族结构的神经序列模型与sPCA压缩基准之间的差异。