[论文解读] Brain Gene Expression Analysis: a MATLAB toolbox for the analysis of brain-wide gene-expression data

Pascal Grange, Jason W. Bohland+2 more|arXiv (Cornell University)|Nov 27, 2012

Single-cell and spatial transcriptomics参考文献 11被引用 12

一句话总结

本论文提出了一款用于分析艾伦小鼠脑图谱中全脑基因表达数据的MATLAB工具箱，支持体素级分析、共表达网络构建、聚类分析以及细胞类型特异性相关性分析。该工具箱整合了定位与拟合评分、双聚类分析及可视化工具，揭示了小鼠脑内基因的空间与功能组织结构。

ABSTRACT

The Allen Brain Atlas project (ABA) generated a genome-scale collection of gene-expression profiles using in-situ hybridization. These profiles were co-registered to the three-dimensional Allen Reference Atlas (ARA) of the adult mouse brain. A set of more than 4,000 such volumetric data are available for the full brain, at a resolution of 200 microns. These data are presented in a voxel-by-gene matrix. The ARA comes with several systems of annotation, hierarchical (40 cortical regions, 209 sub-cortical regions in the whole brain), or non-hierarchical (12 regions in the left hemisphere, with refinement into 94 regions, and cortical layers). The high-dimensional nature of this dataset and the possible connection between anatomy and gene expression pose challenges to data analysis. We developed the Brain Gene Expression Analysis Toolbox, whose functionalities include: determination of marker genes for brain regions, statistical analysis of brain-wide co-expression patterns, and the computation of brain-wide correlation maps with cell-type specific microarray data.

研究动机与目标

• 开发一个全面的MATLAB工具箱，用于系统分析艾伦研究所提供的成年小鼠脑图谱中的高分辨率全脑基因表达数据。
• 使研究人员能够基于体素水平的表达模式，利用统计评分量化基因在神经解剖区域中的定位程度与拟合程度。
• 促进全脑范围内共表达网络的构建与分析，识别功能相关的基因模块。
• 通过整合微阵列数据与全脑表达谱及密度估计，支持细胞类型特异性的表达分析。
• 提供可扩展的计算工具，基于表达相似性对基因和体素进行聚类分析，包括双聚类与图分割方法。

提出的方法

• 使用来自原位杂交数据的体素-基因矩阵（49,742个体素 × 4,104个基因），通过像素强度的空间加权平均计算表达能量。
• 采用定位评分量化基因表达在单一脑区内的特异性程度，使用拟合评分评估基因集与脑区表达模式的匹配程度。
• 基于所有基因对之间的皮尔逊相关系数构建共表达网络，并通过蒙特卡洛模拟评估显著性及组件大小统计量。
• 在体素-基因矩阵上采用基于二分图模型的双聚类方法，通过迭代划分并基于边权重阈值设定停止准则。
• 将细胞类型特异性微阵列数据与全脑表达谱整合，计算脑区内相关性与密度分布图谱。
• 利用MATLAB函数实现可视化，包括最大强度投影、图谱导航及基于标签的体积重建。

实验结果

研究问题

• RQ1 如何系统量化成年小鼠脑中基因表达模式在空间定位与区域拟合方面的特征？
• RQ2 从全脑基因表达数据中构建的共表达网络具有哪些统计特性？其与随机预期相比有何差异？
• RQ3 如何联合聚类基因与体素，以识别脑表达图谱中一致的功能模块？
• RQ4 细胞类型特异性表达谱在多大程度上可与全脑表达模式相关联，以推断细胞组成？
• RQ5 不同的过滤策略（如前75%相关基因）如何影响下游分析的可靠性与可解释性？

主要发现

• 该工具箱成功实现了对单个基因及基因集的定位与拟合评分计算，揭示了12个主要脑区内显著不同的空间表达模式。
• 基于艾伦脑图谱数据构建的共表达网络显示出显著的聚类性与非随机的组件结构，其组件大小与相关性分布明显偏离随机预期。
• 双聚类分析在多种停止准则下识别出稳定的基因-体素模块，最大强度投影清晰揭示了各聚类的特异性表达模式。
• 成功计算并可视化了细胞类型特异性的相关性与密度分布图谱，显示细胞类型在空间上与全脑表达保持一致的组织结构。
• 将基因表达数据与艾伦参考图谱整合，实现了精确的解剖定位，可视化工具支持对表达模式的交互式探索。
• 该工具箱通过版本化代码与数据文件支持可重复分析，六个版本（V1–V6）中持续记录错误修复与功能改进，包括基因过滤与数据加载流程的修正。