معماری لیپیدومی مغز موش

لیپیدها اجزای اساسی مغز هستند که برای انتقال سیناپسی و انتشار سیگنال حیاتی هستند. تغییر ترکیب چربی مغز با آسیب شناسی های عصبی رایج و نادر مرتبط است، با این حال سازماندهی فضایی لیپیدوم مغز پستانداران در مقایسه با روش های دیگر 1، 2، 3، 4، 5، 6 به اندازه کافی مشخص نشده است. در اینجا ما ساختار غشایی-لیپیدی مغز موش بالغ را در مقیاس میکرومتریک، در هر جنس و در دوران بارداری ترسیم کردیم. این اطلس لیپیدی مغز نشان می دهد که لیپیدها ساختار بیوشیمیایی ریز دانه ای را توصیف می کنند که با آناتومی عملکردی همسو می شود.

ناهمگونی فضایی غشاء-لیپیدی در قلمروهایی که ما آنها را "لیپیزون" نامیدیم، جمع می‌شوند. لیپیزون ها تا حدی منعکس کننده قلمروهای نوع سلولی هستند، اما پایانه های آکسون دیستال را نیز می گیرند. از طریق لیپیزون‌ها، ما (1) اصول سازمان‌دهی لیپیدوم ماده خاکستری مربوط به اتصال و معماری سیتو را نشان می‌دهیم. (2) کشف یک محور جدید از ناهمگونی الیگودندروسیت در ماده سفید. و (3) پهنه بندی بیوشیمیایی را در شبکه مشیمیه و در دیواره های بطن پیدا کنید. ما نشان می دهیم که این معماری لیپیدومی می تواند با نیازهای فیزیولوژیکی در حال تغییر سازگار شود.

در مغز موش‌های ماده باردار، ماده سفید به طور متابولیکی فعال می‌شود و قشر پوست تحت یک بازسازی خاص لیپیزون قرار می‌گیرد که به‌ویژه در لایه 4 مشخص است. این نتایج منبعی اساسی هستند (https://lbae-v2.epfl.ch/) که آماده تغییر شکل درک لیپیدها در رشد، فیزیولوژی و آسیب شناسی مغز است.

لیپیدها بیشترین وزن خشک مغز را تشکیل می دهند. آنها غشاهای سلولی را تشکیل می دهند که میلین، آکسون ها، دندریت ها و سیناپس ها را تشکیل می دهند. مطالعات سمینال ترکیب لیپیدی مغز پستانداران را در ساختارهای آناتومیکی و طبقات سلولی 8، 9، 10، 11، 12 مورد بررسی قرار داده است. با این حال، یک بررسی سیستماتیک از معماری متابولیک لیپیدهای مغز 13 در رابطه با ترکیب نوع سلولی، آناتومی عملکردی، اتصال و تنوع فیزیولوژیکی وجود ندارد.

برای پر کردن این شکاف، ما از تصویربرداری طیف‌سنجی جرمی دفعی/یونیزاسیون لیزری به کمک ماتریس (MALDI-MSI)، که قبلا برای نقشه‌برداری لیپیدهای مغز در تصویربرداری دو بعدی (2 بعدی) و سه بعدی (3 بعدی) استفاده می‌شد، استفاده کردیم. ما توزیع 172 لیپید را در 109 بخش مغز از 11 موش ترسیم کردیم، که کل حجم مغز را پوشش می‌دهد (اندازه نقطه لیزر 5 میکرومتر و فاصله بین پیکسلی 25 میکرومتر، بنابراین بخش‌هایی از یک تا چهار سلول در هر پیکسل نمونه‌برداری می‌شود). ما 539 خوشه مغزی تعریف شده توسط لیپیدوم را شناسایی کردیم که آنها را "لیپیزون" نامیدیم.

ما لیپیزون ها را در رابطه با آناتومی، ترکیب نوع سلولی، محفظه های سلولی، اتصال و بیوشیمی مشخص کردیم. ما تفاوت‌های بین فردی و مرتبط با جنسیت را بررسی کردیم و برای بررسی تغییرات فیزیولوژیکی، لیپیدوم فضایی را در موش‌های باردار ترسیم کردیم.

ما یک اطلس لیپیدومی جامع از مغز موش بالغ ساخته‌ایم که بخش‌های تاج مغز را از مغز نر و ماده اندازه‌گیری می‌کند. با استفاده از MALDI-MSI در حالت یون مثبت و تحلیلگر تصویربرداری جرمی یکپارچه (uMAIA) 15، ما 26874 پیک را در 7.2 میلیون پیکسل (شکل 1a,b و شکل تکمیلی 1a-o ؛ روش‌ها) ترسیم کردیم که در Atlas (Allen (AllenordinBrainate) Framework (Allen-CCBA) تابیده شدند. (ABA CCFv.3 (مراجعه 16)) برای مقایسه سیستماتیک با آناتومی و سایر روش ها (شکل تکمیلی 1b-d؛ روش ها). در مجموع 1400 قله از کنترل کیفیت نویز عبور کردند (شکل تکمیلی

1e–j و جداول تکمیلی 1 و 2 ; روش ها).

a، شماتیک آزمایش MALDI-MSI که طیف جرمی نقاط دفعی 5 میکرومتری (پیکسل)، فاصله بین پیکسلی 25 میکرومتری را در امتداد بخش تاج مغز بزرگسالان اندازه‌گیری می‌کند. توزیع HexCer 42:2;O2 به عنوان نمونه نمایش داده می شود. ب، نمای کلی تصاویر ترکیبی MALDI–MSI برای لیپیدهای مشروح انتخاب شده در امتداد محور rostrocaudal. ج، توزیع سه بعدی از لیپیدهای انتخاب شده به دست آمده درون یابی مقاطع سریال. d، t -جاسازی تصادفی همسایه (t -SNE) پیکسل ها در فضای لیپیدی، رنگ آمیزی شده توسط لیپیزون و ناحیه مغز آلن.

e , تصویر بند انگشتی درخت سلسله مراتبی لیپیزون ها (قطع شده). f، بزرگ‌نمایی پیکسل‌های MALDI-MSI را به صورت نقطه‌ای نشان می‌دهد که با لیپیزون رنگ‌شده است. نقاط برای اهداف تجسم بزرگ می شوند. g، تجسم سه بعدی کل مغز پیکسل ها که توسط لیپیزون مربوطه آنها رنگ آمیزی شده است. AP، قدامی خلفی. DV، پشتی-شکمی; ML، میانی جانبی. h، نمای نزدیک ساختار لیپیزون را در نزدیکی سازند هیپوکامپ نشان می دهد. i، توزیع فضایی برای نمرات برنامه لیپیدی مختلف توسط الگوریتم lipiMap برآورد شده است. j، نمونه ای از نتایج مقایسه ای تغییرات لیپیدومی فعال شده توسط اطلس.

مثال نشان داده شده تغییرات فیزیولوژیکی در بارداری است. k، شماتیکی که اصول سازماندهی لیپیدوم را نشان می دهد. میله های مقیاس، 25 میکرومتر و 5 میکرومتر (a).

برای اکثر تجزیه و تحلیل های پایین دست، ما با 172 لیپید غیر زائد کار کردیم که با اطمینان بالا حاشیه نویسی شده بودند (جدول تکمیلی 2a؛ روش ها). به طور کلی، فراوانی نسبی لیپیدهای کل مغز در طبقات با مواردی که قبلا توسط کروماتوگرافی مایع-طیف‌سنجی جرمی (LC-MS) 9 در سطح منطقه گزارش شده بود مطابقت داشت (شکل تکمیلی 2a-f). کلاس‌های فسفاتیدیل گلیسرول (PG) و فسفاتیدیل‌لینوزیتول (PI) فقط در حالت یون منفی به طور مؤثر یونیزه می‌شوند (شکل تکمیلی.

2d)؛ پیک‌های حالت مثبت آن‌ها با LC-MS همبستگی ضعیفی دارد و احتمالا هم‌زمان هستند، بنابراین خواننده باید این حاشیه‌نویسی‌ها را آزمایشی تلقی کند و هیچ نتیجه‌گیری بیولوژیکی از آنها نگیرد.

ما ابتدا بخش‌هایی را از دو مغز مرد با نمونه‌برداری متراکم (از این پس، "مغز 1" به عنوان مرجع و "مغز 2" برای اعتبارسنجی، هر بخش بیش از 25 بخش) تجزیه و تحلیل کردیم. سپس تجزیه و تحلیل خود را در مغزهای پراکنده اضافی گسترش دادیم: سه ​​مغز مرد، سه زن و سه مغز زن باردار (روز جنینی (E)13.5). برای جاسازی و خوشه‌بندی، از لیپیدهایی استفاده کردیم که برای تنوع فضایی بالا، ریزش کم و سازگاری در بخش‌ها انتخاب شدند (شکل تکمیلی 1k و جدول تکمیلی 2b؛ روش‌ها).

برای ثبت ساختار نهفته، ما فاکتورسازی ماتریس غیرمنفی (NMF) 17 را اعمال کردیم، 16 امضای مولکولی را شناسایی کردیم، و به دنبال آن هماهنگ سازی دسته ای 18 انجام شد (داده های توسعه یافته شکل 1a؛ روش ها). ما در صورت حذف 19 لیپیدها را نسبت دادیم (شکل تکمیلی 1l-o؛ روشها). درون یابی سه بعدی یک نقشه سه بعدی 6 میلیون پیکسلی به دست آورد (شکل 1c ؛ روش ها). خوشه‌بندی بعدی لیدن حوزه‌های سازمان‌یافته فضایی را با ساختارهای تشریحی نشان داد.

یک الگوریتم تقسیم سلسله مراتبی باینری، خوشه‌ها را به طور مکرر با استفاده از تنوع لیپیدومی محلی و سراسری پالایش کرد (شکل 1d–h و داده‌های توسعه‌یافته شکل 1b,c؛ روش‌ها). خوشه‌های به‌دست‌آمده با خوشه‌بندی لیدن موافق بودند، اما نسبت به اثرات دسته‌ای قوی‌تر بودند و زیرساخت‌های ظریف‌تری را نشان دادند (داده‌های توسعه‌یافته شکل 1d-h). این الگوریتم طبقه‌بندی‌کننده‌ها را آموزش می‌دهد تا تقسیم‌های آموخته شده را اعتبارسنجی کنند و می‌تواند آنها را به مغزهای دیگر منتقل کند (شکل تکمیلی 3a-g؛ روش‌ها). خوشه‌بندی در 11 مغز (تکرارهای بیولوژیکی) از نظر همبستگی فضایی تأیید شد (شکل تکمیلی 4a-d).

در مجموع 27 رژیم خوشه بندی جایگزین نیز مورد آزمایش و مقایسه کمی قرار گرفتند (شکل تکمیلی 4a,c). اکتشافات اصلی در سراسر آنها قابل تکرار بودند (شکل تکمیلی 4b و فایل داده تکمیلی 2). مجموعه روش‌های ما در بسته uMAIA پیشرفته برای خوشه‌بندی Lipizones، Imputation و تجزیه و تحلیل دیفرانسیل (EUCLID) موجود است (شکل 1a-k؛ روش‌ها). اطلس لیپید مغز را می توان در https://lbae-v2.epfl.ch/ بررسی کرد.

539 لیپیزون انتهایی (داده های توسعه یافته شکل 2a-e، شکل های تکمیلی 5a و 6a,b و داده های توسعه یافته شکل 3a-j) به صورت سلسله مراتبی به 8 کلاس (تقسیم سطح 3)، 31 زیر کلاس (سطح 2 سوپرتایپ) و 2 ساختار بندی شدند. لیپیزون ها در امتداد محور میانی جانبی تقارن نشان دادند و همه آنها به جز دو دارای حداقل 74 درصد از 172 لیپید پروفایل در سطوح قابل تشخیص بودند (داده های توسعه یافته شکل 2c).

تقسیم بندی اولیه در سلسله مراتب، لیپیزون های خاکستری و غنی از ماده سفید را از هم جدا کرد (شکل 2a). لیپوزون‌های ماده سفید در مجاری فیبری، مغز عقبی و مغز میانی، و همچنین در تالاموس و هیپوتالاموس موضعی می‌شوند و می‌توانند بیشتر به لیپوزون‌های مرتبط با مناطق غنی از الیگودندروسیت و مناطق فقیر از نورون و مناطق مرتبط با مناطقی که ورودی عصبی گسترده دریافت می‌کنند، تقسیم شوند.

a، تجسم خلاصه لیپیزون های مغز، از جمله دندروگرام مشروح از 31 زیر گروه لیپید محور. برای هر لیپیزون، توزیع پیکسل‌های آن را در بخش‌های تشریحی و فراوانی آن‌ها در کل مغز نمایش می‌دهیم (بالاترین مقادیر بریده شده). ب، بخش هایی که توسط چهار زیربخش اصلی لیپیدومی مغز رنگ آمیزی شده اند. ج، الگوهای لیپیدومی جهانی. بخش هایی با پیکسل های رنگ آمیزی شده با شباهت لیپیدومی. رنگ مشابه نشان دهنده لیپیدوم مشابه است.

d، بر روی یک لیپیزون که با ماده سیاه، با توزیع نشانگرهای لیپیدی محلی آن، هم‌زمان موضعی می‌شود، برجسته کنید. e، لیپیدها به طور ترکیبی آناتومی را خلاصه می کنند. نقشه حرارتی لیپیزون فراوانی را با تقسیم آلن نرمال کرد. f، نقشه حرارتی فراوانی نرمال شده لیپید با تقسیم آلن. g، همبستگی محدود درون کلاسی. نمودارهای نواری که میانگین همبستگی پیرسون را بین لیپیدهای یک کلاس و کلاس های مختلف نشان می دهد (n = 172 لیپید؛ آزمون من-ویتنی U یک طرفه، درون کلاس در مقابل بین کلاس، q برای BH-FDR = 0.05، *** q < 0.001، 0. 0. 0. 0. 0، q < 0).

همبستگی‌های لیپید-لیپید فردی به‌عنوان یک نمودار نواری روی هم قرار می‌گیرند. PA، اسید فسفاتیدیک. h، خلاصه ای از تجزیه و تحلیل پیش بینی محلی سازی پیکسل بر اساس لیپیدوم. بالا سمت چپ، شماتیک رویکرد. بالا سمت راست، تجسم سه بعدی از یک مغز کاملا دراز. پایین، تجسم بخش. MLP، پرسپترون چند لایه. در تمام پانل‌ها، پیکسل‌ها مطابق با رنگ آلن مغزشان رنگ می‌شوند.

در داخل ماده خاکستری، لیپیزون ها به دنبال یک الگوی داخلی-خارجی سازماندهی شدند (شکل 2b). گروه داخلی شامل مناطق عمدتا تشریحی غنی شده با نورون‌های گلوتاماترژیک بود، در حالی که گروه بیرونی شامل مناطقی با جمعیت GABAergic فراوان بود (داده‌های توسعه یافته شکل 3b و جدول تکمیلی 3).

تشکیل متوالی لایه‌ها در طول رشد مغز 20 ممکن است انشعاب اولیه بین لایه‌های قشر عمیق و میانی سطح را توضیح دهد. با این حال، شباهت لیپیدومی بین درختکاری پورکنژ مخچه و قشر بیرونی، و همچنین بین سلول‌های گرانول و قشر داخلی، غیر قابل توضیح باقی ماند. این تقسیم‌بندی توسط لیپیدهای میلین (هگزوسیل سرامیدها (HexCers) و سرامیدها (Cers)) هدایت می‌شد که در نزدیکی مجاری فیبر و درخت درخت، یعنی در لایه‌های قشر داخلی و سلول‌های گرانول مخچه فراوان‌تر هستند.

غنی‌سازی نسبی غشاهای سیناپسی تحریک‌کننده 21، به‌ویژه در مناطقی با اجسام سلولی کمی (داده‌های توسعه‌یافته شکل 3c)، مانند لایه قشری 1 و لایه مولکولی پورکنژ 22، ممکن است به این تقسیم ساختاری اصلی کمک کند.

همانطور که سلسله مراتب سازمان تشریحی ساختار یافته را نشان می دهد (شکل 2c)، ما لیپیزون ها را بر اساس نواحی مغز آلن که در آن بیشتر غنی شده بودند نامگذاری کردیم (شکل 2d و شکل تکمیلی 3f,g؛ روش ها). ما لیپیدوم های لیپیزون را به عنوان جدول تکمیلی 4 ارائه می کنیم. لیپیزون های انتهایی یک ارتباط دو طرفه قوی با 13 بخش اصلی اطلس مغز آلن نشان دادند (شکل 2e و داده های گسترده شکل 2d)، الگویی که فقط تا حدی توسط لیپیدهای منفرد در معرض دید قرار می گیرد (شکل 2f).

استثنا فسفاتیدیل اتانول آمین (PE) -O 38: 7، محدود به ایزوکورتکس بود. اسفنگومیلین (SM) 36:2؛ O2، موضعی در آمیگدال و هیپوکامپ. SM 34:1؛ O2 و SM 38:1؛ O2، محدود به بطن ها و فسفاتیدیل کولین (PC) 40:6، غنی شده در مخچه (داده های توسعه یافته شکل 3d). کمبود نشانگرهای تک لیپیدی احتمالا نشان‌دهنده این واقعیت است که حالت‌های متابولیک متمایز فراوانی نسبی لیپیدهای غشایی را تعدیل می‌کنند، به جای اینکه الگوهای روشن-خاموش تولید کنند.

بسیاری از گونه های لیپید از نظر فضایی از سایر اعضای کلاس خود، به ویژه برای لیزوفسفاتیدیل کولین (LPC)، لیزوفسفاتیدیل اتانول آمین (LPE)، PC، فسفاتیدیل سرین (PS) و SM (بدون تفاوت در همبستگی فضایی درون در مقابل بین طبقات؛ میزان همبستگی فضایی بین طبقاتی وجود ندارد؛ بنجامینی-HDRse) (BH-FDR) - تصحیح یک طرفه Mann-Whitney، FDR = 0.05 شکل 2g و تکمیلی شکل 2e,f)، که نشان می دهد تجزیه و تحلیل های آینده باید دانه بندی تک تک گونه ها را در صورت امکان حفظ کنند.

هنگام بررسی تنوع بین فردی در سه حیوان نر و سه حیوان ماده پراکنده، متوجه شدیم که برای 90 درصد از لیپیدها، 1.1 تا 6.3 درصد از کل واریانس زیر کلاس را می توان به تفاوت های فردی نسبت داد (P <0.05 برای 97.6 درصد چربی-subclass. داده های توسعه یافته شکل 3e و روش های تکمیلی).

لیپیزون‌ها اغلب سوله‌های بافتی خاصی را خلاصه می‌کنند، به عنوان مثال، ماده سیاه مشبک، که مشخصا توسط چندین فسفولیپید، از جمله LPE 22:6، PC 40:7 و PC 40:6 مشخص شده است (شکل 2d). اگرچه نشانگرهای لیپیدی کل مغز کمیاب هستند، اما نشانگرهای منطقه خاص را می توان شناسایی کرد (داده های توسعه یافته شکل 3j). ما لیپیدوم های متوسط ​​منطقه ای (جدول تکمیلی 5) و این نشانگرهای درون منطقه ای (جدول تکمیلی 6) را برای حمایت از مطالعات نورومتابولیک متمرکز منطقه ای ارائه می دهیم.

هیپوکامپ و زیر صفحه قشر مغز، که به طور تکاملی از پالیوم نشأت می گیرند و از نظر رونویسی با هم مرتبط هستند 5، چندین لیپیزون مشترک دارند (شکل 2e). به طور مشابه، پالیدوم و مخطط، که هر دو از برجستگی‌های گانگلیونی داخلی و/یا جانبی ساب پالیوم 23 مشتق شده‌اند، لیپوزون‌های بسیاری را به اشتراک می‌گذارند. این قطعه بندی چارچوبی را برای طبقه بندی بیوشیمیایی ارائه می دهد (که در EUCLID پیاده سازی شده است، که تابع انتقال برچسب لیپوزون ها را بر روی نمونه های جدید نقشه می کشد؛ روش ها).

پس از ایجاد ناهمگنی ساختاری منطقه ای، ما پرسیدیم که آیا توزیع لیپیدی اطلاعات کافی برای پیش بینی موقعیت آناتومیکی را رمزگذاری می کند یا خیر. برای آزمایش این، ما یک پرسپترون چند لایه را در مغز 1 آموزش دادیم تا مختصات فضایی سه بعدی را با استفاده از پروفایل های لیپیدی به عنوان ورودی پیش بینی کند. این مدل به خوبی به مغز کاملا نگه‌داشته‌شده 2 تعمیم داده شد و مرزهای منطقه‌ای را بدون تکیه بر اطلاعات مکانی بازسازی کرد (شکل 2h، داده‌های گسترده شکل 3f و روش‌های تکمیلی).

ما بعدا پرسیدیم که آیا ناهمگنی فضایی لیپیدوم به الگوهای بیان آنزیم متابولیک مربوط می شود یا خیر. ما اطلس های سلول مغزی حل شده فضایی Yao و همکاران 4 (تکمیلی شکل 7a) و Langlieb و همکاران 1 را با اطلس لیپیدی خود بر اساس ثبت CCF یکپارچه کردیم. ما بررسی کردیم که آیا آنزیم ها و لیپیدهای غشایی که تولید می کنند در سطح نوع سلولی همبستگی دارند یا خیر. ما از رونوشت های آنزیم توالی یابی RNA تک سلولی به عنوان پروکسی استفاده کردیم.

به جز 81 جفت از 338 جفت آنزیم-محصول که R> 0.5 را به هم مرتبط می‌کنند، رونوشت‌های آنزیمی با محصولات لیپیدی آن‌ها همبستگی مثبت نداشتند (0.57 ± 0.13-R=؛ P <0.0001، آزمون t یک نمونه دو طرفه در برابر صفر) با محصولات لیپیدی آنها (شکل).

a، نمودار نواری همبستگی پیرسون بین بیان آنزیم و محصولات لیپیدی متناظر (چند تا در هر آنزیم)، محاسبه شده بر اساس میانگین های نوع سلولی (n = 338 جفت آنزیم-محصول). b، هیستوگرام دقت بازسازی (Pearson's R) پیش بینی سطح لیپید از رونوشت با استفاده از رگرسیون XGBoost. ج، ماتریس هم‌محل‌سازی (غنی‌سازی متقابل) برای تطبیق قلمروهای نوع سلولی و لیپیزون‌ها. d، شماتیک روش دکانولوشن لیپیدوم نوع سلولی، و نقشه حرارتی مینیاتوری ماتریس لیپیدی × نوع سلولی استنباط شده است (شکل تکمیلی 9).

e، نمودارهای فضایی لیپیزون ها و قلمروهای نوع سلولی (جسم سلولی) که با آنها هم‌محلی می‌شوند. نام قلمروهای نوع سلولی از نامگذاری آلن پیروی می کنند. f، بزرگ‌نمایی فضایی روی لایه سلول‌های گرانول مخچه و مجاورت آن، رنگ‌شده با لیپیزون‌هایی که بر اساس مکان نام‌گذاری شده‌اند. g، ادغام لیپیزون ها با انواع سلول و اتصال. تجسم سه و دو بعدی دو لیپیزون نماینده که احتمالا شامل اجسام سلولی (فیروزه‌ای) و پایانه‌های دیستال آن‌ها (سرخابی) است.

پس زمینه، جریان های اتصال (سبز → سیاه → قرمز)؛ پیکسل های لیپیزون غیر همپوشانی به رنگ آبی هستند. عناوین خاکستری، محل تزریق و خط موش. h، نمودارهای فضایی از خوشه‌های چربی انتخاب شده که از نظر آناتومیکی مناطق دور و در عین حال متصل مغز را پوشش می‌دهند. من، نمودار فضایی که همپوشانی بین یک لیپیزون مخطط و یک جریان اتصال را نشان می دهد. j، مناطق متصل لیپیزون ها را به اشتراک می گذارند. هیستوگرام توزیع پوچ جایگشت برای آماره تفاوت T (کسر متصل - غیر متصل)، برای فرکانس اشتراک یک لیپیزون برای دو ناحیه تشریحی آلن. فلش قرمز، مقدار T مشاهده شده است.

مقدار دقیق P یک طرفه با آزمون جایگشت شرطی فاصله (P <0.001؛ 1000 جایگشت). k، محل تشریحی لیپیزون ها. توزیع تجمعی در سراسر لیپیزون ها (و انواع سلول) که درصد سطح تحت پوشش را به عنوان تابعی از مناطق آلن شامل می شود نشان می دهد. تمام مغز و به طور جداگانه برای مغز جلو، مغز میانی و مغز عقب. لیپیزون های نشان داده شده آنهایی هستند که به اتصال مرتبط نیستند. برای تجزیه و تحلیل کامل به داده های توسعه یافته شکل 3g مراجعه کنید. منحنی میانگین در سراسر لیپیزون ها (یا سوپرتیپ های نوع سلولی) در هر تقسیم، با 1± s.d. در سراسر موجودیت ها (سایه دار). l، نمودارهای فضایی لیپیزون های قشری.

سمت چپ، نمای نزدیک؛ سمت راست، نمونه‌ها در گروه‌هایی که همان مناطق تشریحی را پوشش می‌دهند نمایش داده می‌شوند.

بنابراین توزیع لیپید را نمی توان به طور قابل اعتماد از بیان آنزیم فردی استنباط کرد. با این استدلال که یک دیدگاه جامع‌تر از شبکه متابولیک ممکن است پیش‌بینی‌ها را بهبود بخشد، آزمایش کردیم که آیا مدل‌های نظارت شده می‌توانند از تغییرات کمکی بین ژن‌های متابولیک و توزیع چربی استفاده کنند یا خیر. ما از تجزیه و تحلیل همبستگی متعارف و تجزیه و تحلیل افزونگی با بیش از 500 ژن مرتبط با متابولیسم الن برین MERFISH 4 استفاده کردیم و دریافتیم که ژن‌های متابولیک به صورت خطی تقریبا 36.6 درصد از کل واریانس در پروفایل‌های لیپیدی را به خود اختصاص داده‌اند (شکل تکمیلی 8a-e).

در نهایت، برای ارزیابی رابطه اطلاعاتی بین بیان ژن و لیپیدوم، پیش‌بینی‌پذیری توزیع چربی از رونوشت کامل مغز آلن 4 را با استفاده از XGBoost 19 برای گرفتن روابط غیرخطی (روش‌های تکمیلی) اندازه‌گیری کردیم. توزیع چربی گسترده (R2 > 0.25) را می توان برای 86.7٪ از لیپیدها پیش بینی کرد، با 35 لیپید از 172 چربی که با دقت خوبی پیش بینی شده است (R2 > 0.60) (شکل 3b).

با در نظر گرفتن یک کران بالای محافظه کارانه در عملکرد پیش‌بینی R2 ≈ 0.81 بر اساس نویز غیرقابل کاهش تجربی تخمین زده‌شده در پیش‌بینی لیپید به لیپید، مدل مبتنی بر ژن (میانگین مجموعه آزمایشی پیرسون R = 0.68) 56 درصد از واریانس لیپیدی قابل توضیح را به دست آورد. این نتایج نشان می دهد که لیپیدوم مغز به رونوشت تقلیل ناپذیر است.

تجزیه و تحلیل اهمیت ویژگی نشان داد که ژن های پیش بینی کننده برای 91٪ از 251 ناحیه تشریحی و 172 جفت لیپیدی به طور قابل توجهی برای نشانگرهای نوع سلولی غنی شده بودند (تست جایگشت یک طرفه، 2000 جایگشت، BH-FDR <0.05؛ شکل تکمیلی 8b،c). این نشان می‌دهد که پیش‌بینی‌های لیپید قابل اعتماد اما ناقص از هویت نوع سلولی ناشی می‌شوند، و نشان می‌دهد که توزیع چربی منعکس‌کننده ویژگی‌های ذاتی دودمان‌های سلولی است.

پیکسل‌های MALDI-MSI اجسام سلولی، برجستگی‌ها و ماتریکس خارج سلولی را با هم ترکیب می‌کنند که همگی ممکن است به لیپیزون‌ها کمک کنند. برای آزمایش اینکه چگونه لیپوزون‌ها از نظر بدنه سلولی با قلمروهای نوع سلولی مطابقت دارند، ما هم‌محلی‌سازی را در تمام سطوح سلسله مراتبی با تجزیه و تحلیل غنی‌سازی متقابل اندازه‌گیری کردیم (روش‌های تکمیلی). ما مطابقت قابل توجهی یافتیم (شکل 3c-e): به استثنای لیپوزون هایی که تقسیم بندی آنها مجاری فیبر (67) یا مخچه (73) بود، 76٪ (304 از 399؛ جدول تکمیلی 7)، لیپوزون های کشف شده توسط الگوریتم خوشه بندی ما با قلمروهای سلولی همپوشانی داشتند.

انواع سلول های خاص با روش خوشه بندی فقط لیپیدی ما دوباره کشف شد (شکل 3e و شکل تکمیلی 8d).