Генеративная визуализация цереброваскулярной сети на основе данных пространственной транскриптомики

Почему кровеносные сосуды мозга важны

Мозг зависит от плотной сети сосудов, которые доставляют кислород и питательные вещества каждую секунду. Когда эта сеть нарушается, быстро страдают мышление, движения и память. Однако картирование этих крошечных сосудов по всему мозгу чрезвычайно сложно. В этом исследовании учёные используют форму искусственного интеллекта, чтобы преобразовать молекулярные данные из мозга мыши в детализированные виртуальные изображения сосудистой системы, предлагая новый способ изучения того, как здоровый кровоток поддерживает функции мозга.

Новый способ увидеть «водопровод» мозга

Вместо того чтобы начинать с традиционных микроскопических снимков, команда работает с пространственной транскриптомикой — методом, который фиксирует, какие гены активны и где именно в тонких срезах мозга. Они опираются на генеративную модель под названием Tera-MIND, изначально разработанную для симуляции структуры мозга мыши по паттернам активности генов. В этом случае её перенастроили на сосудам. Модель учится тому, как активность определённых генов, связанных с сосудами, обычно распределяется в пространстве, а затем использует эти знания, чтобы «вообразить» правдоподобные изображения ткани мозга, в которых сосудистые узоры возникают только на основе генетических данных.

Преобразование генетических сигналов в карты сосудов

Исследователи сосредоточились на двух ключевых генах, которые маркируют разные части сосудистой системы. Один ген, Cldn5, активен в тонких клетках, которые герметизируют гематоэнцефалический барьер в мелких сосудах. Другой, Acta2, активен в мышечных клетках, окружающих более крупные артерии. Подавая Tera-MIND пространственную активность этих генов в многочисленных срезах трёх мозгов мышей, модель генерирует изображения, показывающие области, богатые капиллярами, и основные артериальные территории там, где это предсказывает биология. Она также рассчитывает внутреннюю «карту внимания», которая выделяет места совместной активности обоих генов и помогает модели связывать разрозненные сигналы в непрерывные, похожие на сосуды траектории.

Проверка виртуальных сосудов

Чтобы оценить адекватность виртуальных сосудов, команда сравнивает предсказания модели с известными картами сосудистой сети мозга мыши и с узорами, наблюдаемыми в исходных изображениях. Они обнаруживают, что предсказанные сигналы Cldn5 следуют длинным тонким путям, типичным для капилляров, тогда как сигналы Acta2 выстраиваются в соответствии с поперечными срезами крупных артерий на поверхности мозга и в глубинных слоях. На 50 срезах карты внимания модели для Acta2 показывают сильную корреляцию с фактической экспрессией этого гена, и регионы, в которых Cldn5 и Acta2 встречаются вместе, повышают точность предсказаний. Это указывает на то, что модель использует комбинированную активность генов, чтобы восстановить расположение и связь разных типов сосудов.

Сильные стороны, ограничения и будущие применения

Подход предлагает быстрый, экономичный и щадящий для животных способ изучения сосудистой структуры без новых окрашиваний или сложной микроскопии. Повторно используя существующие пространственные наборы данных по экспрессии генов, он может генерировать трёхмерные представления того, как сосудистые территории простираются через разные регионы мозга и как активность генов соотносится с организацией сосудов. Однако исходные данные получены из срезов мозга, разделённых значительными промежутками, и генетические сигналы разрежены. В результате виртуальные сосуды следует рассматривать как вероятностные контуры сосудистых территорий, а не как точные реконструкции каждой ветви капилляров. Модель не может восстановить тонкую топологию там, где маркеры генов отсутствуют или редко встречаются в выборке.

Что это означает для исследований здоровья мозга

Исследование демонстрирует, что генеративный ИИ способен превращать молекулярные снимки в интерпретируемые, крупномасштабные изображения кровоснабжения мозга. Сфокусировавшись на небольшом наборе тщательно подобранных сосудистых генов, модель восстанавливает реалистичные паттерны артерий и капилляров по всему мозгу мыши. В дальнейшем добавление большего числа сосудистых маркеров и комбинирование этого метода с данными визуализации и геномики может помочь учёным исследовать, как кровоток изменяется в моделях болезней, например при протечках гематоэнцефалического барьера или повреждении сосудов. Пока же работа создаёт мощный in silico-инструмент для изучения организации «водопровода» мозга, используя информацию, уже скрытую в имеющихся генетических картах.

Цитирование: 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

Ключевые слова: цереброваскулярная сеть, пространственная транскриптомика, генеративный ИИ, мозг мыши, гематоэнцефалический барьер