Generatywna wizualizacja naczyń mózgowych przy użyciu danych transkryptomiki przestrzennej

Dlaczego naczynia mózgowe są ważne

Mózg zależy od gęstej sieci naczyń krwionośnych, które dostarczają tlen i składniki odżywcze w każdej sekundzie. Gdy ta sieć zawodźi, szybko pogarszają się zdolności poznawcze, ruchowe i pamięć. Jednak mapowanie tych drobnych naczyń w całym mózgu jest niezwykle trudne. W tym badaniu badacze używają formy sztucznej inteligencji, by przekształcić dane molekularne z mózgów myszy w szczegółowe wirtualne obrazy układu naczyniowego mózgu, oferując nowy sposób badania, jak zdrowy przepływ krwi wspiera funkcję mózgu.

Nowy sposób obserwacji „instalacji” mózgu

Zamiast zaczynać od tradycyjnych obrazów mikroskopowych, zespół pracuje na danych z transkryptomiki przestrzennej — techniki rejestrującej, które geny są aktywne i gdzie na cienkich plasterkach mózgu. Bazują na modelu generatywnym o nazwie Tera-MIND, początkowo opracowanym do symulacji struktury mózgu myszy z wzorców aktywności genów. Tutaj przeznaczają go ponownie, koncentrując na naczyniach krwionośnych. Model uczy się, jak aktywność pewnych genów związanych z naczyniami zwykle układa się w przestrzeni, a następnie wykorzystuje te informacje, by „wyobrazić sobie” realistyczne obrazy tkanki mózgowej, w których z samych danych genetycznych wyłaniają się wzory naczyniowe.

Przekształcanie sygnałów genowych w mapy naczyń

Badacze skupiają się na dwóch kluczowych genach oznaczających różne części układu naczyniowego. Jeden gen, Cldn5, jest aktywny w cienkich komórkach uszczelniających barierę krew–mózg w małych naczyniach. Drugi, Acta2, jest aktywny w komórkach mięśniowych otaczających większe tętnice. Podając Tera-MIND przestrzenną aktywność tych genów w wielu przekrojach trzech mózgów myszy, model generuje obrazy ukazujące obszary bogate w kapilary oraz główne terytoria tętnic, tam gdzie biologia przewiduje ich obecność. Model oblicza też wewnętrzną „mapę uwagi”, która podkreśla miejsca, gdzie oba geny są aktywne jednocześnie, co pomaga łączyć rozproszone sygnały w ciągłe, przypominające naczynia ślady.

Weryfikacja wirtualnych naczyń

Aby sprawdzić, czy te wirtualne naczynia mają sens, zespół porównuje przewidywania modelu z istniejącymi mapami unaczynienia mózgu myszy oraz ze wzorcami widocznymi w oryginalnych danych obrazowych. Stwierdzili, że przewidywane sygnały Cldn5 podążają za długimi, smukłymi ścieżkami typowymi dla naczyń włosowatych, podczas gdy sygnały Acta2 układają się zgodnie z przekrojami większych tętnic na powierzchni mózgu i głębiej w tkance. W 50 przekrojach mózgu mapy uwagi modelu dla Acta2 wykazują silną korelację z miejscami, gdzie ten gen jest faktycznie wyrażany, a regiony, w których pojawiają się zarówno Cldn5, jak i Acta2, poprawiają dokładność przewidywań. Sugeruje to, że model wykorzystuje skumulowaną aktywność genów do wnioskowania o tym, jak różne typy naczyń są rozmieszczone i połączone.

Mocne strony, ograniczenia i przyszłe zastosowania

To podejście oferuje szybki, oszczędny i mniej inwazyjny sposób badania struktury naczyń bez konieczności nowych barwień czy złożonej mikroskopii. Poprzez ponowne wykorzystanie istniejących zbiorów przestrzennych danych genowych, można generować trójwymiarowe widoki pokazujące, jak terytoria naczyniowe rozciągają się przez różne regiony mózgu i jak aktywność genów odnosi się do organizacji naczyń. Jednak dane wyjściowe pochodzą z plasterków mózgu oddzielonych znacznymi przerwami, a sygnały genowe są rzadkie. W rezultacie wirtualne naczynia należy traktować jako probabilistyczne zarysy terytoriów naczyniowych, a nie dokładne rekonstrukcje każdej odgałęzionej kapilary. Model nie potrafi odtworzyć drobnej topologii tam, gdzie markery genowe brakują lub są rzadko próbkowane.

Co to oznacza dla badań nad zdrowiem mózgu

Badanie pokazuje, że generatywne AI może przekształcać molekularne migawki w interpretowalne, szerokozakresowe obrazy zaopatrzenia mózgu w krew. Koncentrując się na niewielkim zestawie starannie dobranych genów naczyniowych, model odzyskuje realistyczne wzory tętnic i naczyń włosowatych w całych mózgach myszy. W przyszłości dodanie większej liczby markerów naczyniowych i połączenie tej metody z danymi obrazowymi i genomowymi może pomóc naukowcom badać, jak przepływ krwi zmienia się w modelach chorób, takich jak uszkodzenia bariery krew–mózg czy uszkodzenia naczyń. Na razie praca ustanawia potężne narzędzie in silico do badania organizacji „instalacji” mózgu, wykorzystując informacje już obecne w istniejących mapach genów.

Cytowanie: Berg, I., Wu, J. & Koelzer, V.H. Generative cerebral vasculature visualization using spatial transcriptomic data. Sci Rep 16, 15540 (2026). https://doi.org/10.1038/s41598-026-46455-4

Słowa kluczowe: naczynia mózgowe, transkryptomika przestrzenna, generatywne AI, mózg myszy, bariera krew–mózg