开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

NetLogo中的空间自相关

是指在模拟中，个体或群体在空间上的分布是否存在相关性。空间自相关分析可以帮助我们理解个体或群体在空间上的相互作用和影响。

空间自相关分析通常使用Moran's I指数来衡量空间相关性的程度。Moran's I指数的取值范围为-1到1，其中正值表示正相关，负值表示负相关，而接近于0的值表示无相关性。

空间自相关分析在许多领域中都有广泛的应用，包括城市规划、生态学、地理信息系统等。它可以帮助我们识别空间上的热点区域、聚集现象以及空间上的异质性分布。

在NetLogo中，可以使用扩展库（extension）来进行空间自相关分析。其中，GWR（Geographically Weighted Regression）扩展库可以用于计算空间自相关指数和生成空间自相关图。

腾讯云提供的相关产品和服务包括：

云服务器（ECS）：提供灵活可扩展的云服务器实例，适用于各种计算需求。链接：https://cloud.tencent.com/product/cvm
云数据库MySQL版（CDB）：提供高性能、可扩展的云数据库服务，适用于存储和管理大规模数据。链接：https://cloud.tencent.com/product/cdb_mysql
人工智能平台（AI Lab）：提供丰富的人工智能算法和模型，帮助开发者构建智能化应用。链接：https://cloud.tencent.com/product/ai

请注意，以上仅为示例，实际选择产品应根据具体需求进行评估和决策。

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

白话空间统计番外：再谈莫兰指数（Moran’s I）

大家好，又见面了，我是你们的朋友全栈君。以前写文章的时候，有些过于草率，本来以为作为科普，把这个名词告诉大家就可以了，结果应该是这个东西国内的科普性文章太少，很多同学都拿来做入门读物了，而且还多次阅读，读着读着，就发现，虾神你文章里面好多坑啊……该说的没有说清楚，关键还有很多说错的地方…… 每次遇见这种情况，我都想这样：

02

基于SPSS和ArcGIS的地区社会弱势性空间格局分析

社会弱势性是指个人、家庭或群体因资源缺乏，难以获取充足的食物、良好的住房条件、平等的教育机会、充分的就业机个、适量的社会服务或消费型娱乐活动,从而影响其拥有正常水平的日常生活、消费和娱乐的不平等社会现象。综合中部五省(河南、安徽、湖北、湖南、江西)各地市收入、教育、住房、人口结构等多方面因素、本实验利用主成分分析构建社会弱势性综合评价指数，结合空间自相关分析和聚类分析,研究社会弱势性空间分布格局及分布模式，借助空间回归模型探究社会弱势性与城市化水平间的关系。通过本实验希望达到以下目的:

04

全局莫兰指数_空间自相关 | 莫兰指数

空间自相关：是指一些变量在同一个分布区内的观测数据之间潜在的相互依赖性。其中，自相关中的“自”表示当你进行相关性观察统计量，是来源于不同对象的同一属性。Tobler(1970)曾指出“地理学第一定律：任何东西与别的东西之间都是相关的，但近处的东西比远处的东西相关性更强”。

01

文献——Mantel test的改进

Link:http://sci-hub.tw/https://besjournals.onlinelibrary.wiley.com/doi/pdf/10.1111/2041-210X.13141

02

空间分析 | 莫兰指数的计算

根据百度百科的定义是“空间自相关系数的一种，其值分布在[－1,1]，用于判别空间是否存在自相关。”

03

Biological Psychiatry综述：人脑成像转录组学的最佳实践

现代全脑转录图谱为研究脑组织的分子相关性提供了前所未有的机会，可以使用无创神经成像进行量化。然而，将神经影像学数据与转录组测量相结合并不是直截了当的，需要仔细考虑才能做出有效的推断。在本文中，我们回顾了最近的研究工作，探讨了不同的方法选择如何影响成像转录组学分析的三个主要阶段，包括1)转录图谱数据的处理；2)将转录测量与独立衍生的神经影像学表型相关联；3)通过基因富集分析评估鉴定的关联的功能意义。我们的目标是为这个快速发展的领域促进标准化和可复制方法的发展。我们确定了方法可变性的来源，可能影响结果的关键选择，以及减轻假阳性和/或虚假结果的考虑因素。最后，我们提供了在所有3个分析阶段实现当前最佳实践过程的免费可用的开源工具箱的概述。

01

python怎么读取xlsx文件_arcgis地理加权回归

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/185297.html原文链接：https://javaforall.cn

02

莫兰指数（Moran’s I）的小总结

莫兰指数分为全局莫兰指数（Global Moran’s I）和局部莫兰指数（Local Moran’s I），前者是Patrick Alfred Pierce Moran开发的空间自相关的度量；后者是美国亚利桑那州立大学地理与规划学院院长 Luc Anselin 教授在1995年提出的。

01

gis地理加权回归步骤_地理加权回归权重

上一节我们讲了GLR广义线性回归，它是一种全局模型，可以构造出最佳描述研究区域中整体数据关系的方程。如果这些关系在研究区域中是一致的，则 GLR 回归方程可以对这些关系进行很好的建模。不过，当这些关系在研究区域的不同位置具有不同的表现形式时，回归方程在很大程度上为现有关系混合的平均值；如果这些关系表示两个极值，那么全局平均值将不能为任何一个极值构建出很好的模型。当解释变量表现出不稳定的关系（例如人口变量可能是研究中某些地区911呼叫量的重要影响因子，但在其他地区可能是较弱的影响因子，这就是不平稳的表现）时，全局模型通常会失效。

04

STUtility：一个为空间转录组学数据提供全流程分析的工具

基因原位表达技术的最新进展构成了转录组学的一个新的迅速发展领域。随着10x Genomics Visium平台的推出，这种方法开始被广泛采用。实验方案是在从较大的组织样本中采集单个组织的切片上进行。该数据的二维性质要求从样本中采集多个连续切片，以便构建组织的全面三维图谱。然而，目前还没有软件可以让用户处理图像，对齐堆叠的实验数据，并最终在三维空间中将它们一起可视化，以创建组织的整体视图。

03

STUtility：一个为空间转录组学数据提供全流程分析的工具

基因原位表达技术的最新进展构成了转录组学的一个新的迅速发展领域。随着10x Genomics Visium平台的推出，这种方法开始被广泛采用。实验方案是在从较大的组织样本中采集单个组织的切片上进行。该数据的二维性质要求从样本中采集多个连续切片，以便构建组织的全面三维图谱。然而，目前还没有软件可以让用户处理图像，对齐堆叠的实验数据，并最终在三维空间中将它们一起可视化，以创建组织的整体视图。

03

与内在功能连接个体变异性相关的基因表达

研究表明，内在功能连接（FC）中的个体间变异性（ISV）与各种各样的认知和行为表现相关。然而，ISV在FC中的潜在组织原理及其相关基因转录谱尚不清楚。使用静息态功能磁共振成像数据从人类连接组计划（299年成人被试）和艾伦人类脑图谱的微阵列基因表达数据，我们进行了转录-神经成像关联研究调查内在的ISV的空间配置及其与空间基因转录谱的关联。我们发现，FC中多模态关联皮层的ISV最大，而单模态皮层和皮层下区域的ISV最小。重要的是，偏最小二乘回归分析显示，与人类加速区（HARs）相关的基因的转录谱可以解释FC中ISV空间分布的31.29%的变异。转录谱中的顶级相关基因在中枢神经系统的发育、神经发生和突触的细胞成分中得到了丰富。此外，我们还观察到，基因转录谱对FC中ISV的异质性分布的影响是由脑血流结构介导的。这些发现强调了ISV在FC中的空间排列，以及它们与转录谱和脑血流供应变化的耦合。

03

OEEL高阶应用——反距离插值和克里金插值的应用分析

反距离插值（Inverse Distance Weighting，简称IDW）和克里金插值（Kriging）是常用的地理信息系统（GIS）和空间数据分析中的插值方法。它们的目标是在已知的离散点数据集上，通过估计空间上的未知点的值来创建连续的表面。下面将分别对两种方法进行详细解释。

01

【ArcGIS】基础教程：全域莫兰指数与局域莫兰指数的计算

莫兰指数（Moran’s I）是研究变量在同一个分布区内的观测数据之间潜在的相互依赖性的一个重要研究指标，在本文中，我们将探讨局域（Anselin Local Moran I）与全域两种莫兰指数（Moran I）计算在Arcgis中的实现。作者才疏学浅，如有任何错误欢迎指正。

01

地统计基本概念：克里格插值、平稳假设、变异函数、基台、线性无偏最优等

本文对插值、平稳假设、变异函数、克里格等常用的地学计算概念加以介绍，并对相关公式进行推导。

04

大数据时代空间数据挖掘的认识及其思考

引言空间数据挖掘（Spatial Data Mining，SDM）即找出开始并不知道但是却隐藏在空间数据中潜在的、有价值的规则的过程。具体来说，空间数据挖掘就是在海量空间数据集中，结合确定集、模糊集、仿生学等理论，利用人工智能、模式识别等科学技术，提取出令人相信的、潜在有用的知识，发现空间数据集背后隐藏的规律、联系，为空间决策提供理论技术上的依据[1]。 1.空间数据挖掘的一般步骤空间数据挖掘系统大致可以分为以下步骤：（1）空间数据准备：选择合适的多种数据来源，包括地图数据、影像数据、地形数据、属性数

空间信息在空间转录组中的运用

桑基图在单细胞数据探索中的应用热图在单细胞数据分析中的应用定量免疫浸润在单细胞研究中的应用 Network在单细胞转录组数据分析中的应用你到底想要什么样的umap/tsne图？

04

R语言用贝叶斯层次模型进行空间数据分析|附代码数据

在本文中，我将重点介绍使用集成嵌套拉普拉斯近似方法的贝叶斯推理。可以估计贝叶斯层次模型的后边缘分布。鉴于模型类型非常广泛，我们将重点关注用于分析晶格数据的空间模型。

02

R语言使用贝叶斯层次模型进行空间数据分析

在本节中，我将重点介绍使用集成嵌套拉普拉斯近似方法的贝叶斯推理。可以估计贝叶斯层次模型的后边缘分布。鉴于模型类型非常广泛，我们将重点关注用于分析晶格数据的空间模型。

01

R语言用贝叶斯层次模型进行空间数据分析|附代码数据

在本文中，我将重点介绍使用集成嵌套拉普拉斯近似方法的贝叶斯推理。可以估计贝叶斯层次模型的后边缘分布。鉴于模型类型非常广泛，我们将重点关注用于分析晶格数据的空间模型。

00

R语言用贝叶斯层次模型进行空间数据分析|附代码数据

在本文中，我将重点介绍使用集成嵌套拉普拉斯近似方法的贝叶斯推理。可以估计贝叶斯层次模型的后边缘分布。鉴于模型类型非常广泛，我们将重点关注用于分析晶格数据的空间模型

06

使用贝叶斯层次模型进行空间数据分析

在本节中，我将重点介绍使用集成嵌套拉普拉斯近似方法的贝叶斯推理。可以估计贝叶斯层次模型的后边缘分布。鉴于模型类型非常广泛，我们将重点关注用于分析晶格数据的空间模型。

02

R语言使用贝叶斯层次模型进行空间数据分析

在本节中，我将重点介绍使用集成嵌套拉普拉斯近似方法的贝叶斯推理。可以估计贝叶斯层次模型的后边缘分布。鉴于模型类型非常广泛，我们将重点关注用于分析晶格数据的空间模型。

02

1985-2020 年阿拉斯加和育空地区按植物功能类型划分的模型表层覆盖率

ABoVE: Modeled Top Cover by Plant Functional Type over Alaska and Yukon, 1985-2020

01

14款国内外主流三维GIS软件

QGIS是一个开放源码的地理信息系统。该项目诞生于2002年5月，并于同年6月作为SourceForge上的一个项目建立。我们一直在努力使GIS软件(传统上是昂贵的专有软件)成为任何人都可以使用个人电脑的可行前景。QGIS目前运行在大多数Unix平台、Windows和macOS上。QGIS是使用Qt工具包和c++开发的。这意味着QGIS有一个清爽、易于使用的图形用户界面(GUI)。

02

NC：皮层微结构的神经生理特征

在整个皮层中观察到微结构的系统空间变化。这些微结构梯度反映在神经活动中，可以通过神经生理时间序列捕获。自发的神经生理动力学是如何在整个皮层组织的，以及它们是如何从异质皮层微结构中产生的，目前尚不清楚。在这里，我们通过估计来自静息状态脑磁图(MEG)信号的6800多个时间序列特征，广泛地描绘了整个人脑的区域神经生理动力学。然后，我们将区域时间序列概况映射到一个全面的多模式，多尺度的皮质微结构图谱，包括微观结构，代谢，神经递质受体，细胞类型和层流分化。我们发现神经生理动力学的主导轴反映了信号的功率谱密度和线性相关结构的特征，强调了电磁动力学的常规特征的重要性，同时识别了传统上较少受到关注的附加信息特征。此外，神经生理动力学的空间变化与多种微结构特征共定位，包括基因表达梯度、皮质髓鞘、神经递质受体和转运体、氧和葡萄糖代谢。总的来说，这项工作为研究神经活动的解剖学基础开辟了新的途径。

05

贝叶斯地理统计模型R-INLA-1

本次博客主要讲述如何使用R-INLA软件进行空间分析，通过随机嵌套偏微分方程方法和集成的嵌套Laplace渐进法可为潜在高斯随机场模型中的边际分布提供准确而有效的估计。近年来已经广泛应用于空间流行病学领域。

02

地理信息ArcGIS软件10.8中文版安装包下载，ArcGIS Pro3.0下载

ArcGIS软件是由美国Esri公司开发的一款基于地理信息系统技术的专业软件，其功能强大，具有多种高级的数据分析和可视化功能。本论文将介绍ArcGIS软件的特点和使用方法，并以一个实例来演示ArcGIS软件的使用流程，包括其数据输入、分析、可视化等环节的操作步骤。最后，本文还将对ArcGIS软件的优点和不足进行探讨。

02

【译文】统计建模的24种应用(上)

在这里，我们讨论统计模型的一般应用情况。不管他们是否源自数据科学，运筹学，工程学，机器学习或统计学，如决策树，logistic回归，贝叶斯模型，马尔可夫模型，数据压缩和特征选择等。我们不会讨论其具体的算法，相反,我们讨论的是这些技术和算法如何去解决实际生活中的问题。下面大部分条目都可以在维基百科里找到，除了我个人写的一些外,我还引用少量来自于维基百科中相应文章的定义和摘要。 1、空间模型空间倚赖性是指地理空间内属性的协同作用：在近端位置特征似乎是相关的，要么正相关,要么负相关。在统计学中,空间的依赖性

04

Google Earth Engine（GEE）——全球1公里的云量MODIS图像数据集

全球1公里的云量云覆盖频率数据集V1.0测量了超过15年的每天两次的MODIS图像，以分析和量化云的动态和云的预测区域。这使我们能够在空间和时间范围内了解全球云的异质性。该研究建立了云林、动态的时间变化基线，并允许用户确定成像的时间窗口和无云快照。前言 – 床长人工智能教程该项目的完整描述可以在这里找到。Global 1-km Cloud Cover - EarthEnv

01

R语言用贝叶斯层次模型进行空间数据分析|附代码数据

在本文中，我将重点介绍使用集成嵌套拉普拉斯近似方法的贝叶斯推理。可以估计贝叶斯层次模型的后边缘分布。鉴于模型类型非常广泛，我们将重点关注用于分析晶格数据的空间模型

00

空间转录组学数据分析软件包和算法的比较分析

GitHub：https://github.com/Teichlab/ SpatialDE

01

时空组工具 | 使用 scCube 模拟空间转录组中的多种变异

空间分辨转录组学 (SRT) 面临的一个紧迫挑战是对计算方法进行基准测试。一种广泛使用的方法是利用模拟数据。然而，目前可用的模拟 SRT 数据存在偏差，这严重影响了方法评估和验证的准确性。近日，《Nature Communications》发表了一个用于独立、可重复和技术多样化的 SRT 数据模拟的 Python 包——scCube，其不仅可以在基于参考的模拟中保留基因的空间表达模式，还可以在无参考的模拟中生成具有不同空间变异性的模拟数据。

01

Nature Reviews Neuroscience：迈向一个有生物学注解的大脑连接体

大脑是一个交错的神经回路网络。在现代连接组学中，大脑连接通常被编码为节点和边的网络，抽象出局部神经元群的丰富生物细节。然而，网络节点的生物学注释——如基因表达、细胞结构、神经递质受体或内在动力学——可以很容易地测量并覆盖在网络模型上。在这里，我们回顾了如何将连接体表示为注释网络并进行分析。带注释的连接体使我们能够重新定义网络的结构特征，并将大脑区域的连接模式与其潜在的生物学联系起来。新出现的研究表明，带注释的连接体有助于建立更真实的大脑网络形成、神经动力学和疾病传播模型。最后，注释可用于推断全新的区域间关系，并构建补充现有连接体表示的新型网络。总之，生物学注释的连接体提供了一种令人信服的方法来研究与局部生物学特征相一致的神经连接。

01

Google Earth Engine ——带缓冲的随机样本选择

进行土地覆盖分类时的一个常见问题是采样数据中的空间自相关风险会扭曲预测结果或准确性评估。可以帮助解决此问题的一种方法是使用某种形式的缓冲确保训练和验证样本之间有足够的间隔。这个例子将演示一种方法来做到这一点。

01

🤩 Monocle 3 | 太牛了！单细胞必学R包！~（五）（差异分析之聚类比较与模块鉴定）

当然在这里，Monocle提供了另一种方法来寻找UMAP中不同细胞群之间的差异基因。🧬

01

前沿综述 | 如何从空间转录组数据中分析空间变异基因？

空间转录组研究中的一项关键任务是识别跨空间位置具有不同空间表达模式的空间变异基因（SVG）。识别SVG为系统分析特定位置的细胞状态、推断细胞间的通讯以及确定生物体中重要的表型和功能提供了机会。此前《Molecular Therapy-Nucleic Acids》发表综述文章，对目前可用于SVG分析的最先进的计算方法和工具进行了最新的系统性概述。该研究将指导医学和生命科学家寻找专用资源和更有效的工具来表征基因表达的空间模式。

04

前沿综述 | 如何从空间转录组数据中分析空间变异基因？

空间转录组研究中的一项关键任务是识别跨空间位置具有不同空间表达模式的空间变异基因（SVG）。识别SVG为系统分析特定位置的细胞状态、推断细胞间的通讯以及确定生物体中重要的表型和功能提供了机会。此前《Molecular Therapy-Nucleic Acids》发表综述文章，对目前可用于SVG分析的最先进的计算方法和工具进行了最新的系统性概述。该研究将指导医学和生命科学家寻找专用资源和更有效的工具来表征基因表达的空间模式。

02

python和netlogo软件模拟病毒传播仿真模型（一）

目前国内在网络舆情仿真建模中所使用的仿真平台主要有 Netlogo、Anylogic、Matlab、Vensim 等，netlogo软件是一款比较通用的。但是他是由logo语言构成，语言逻辑很让人抓马。这里python 中的mesa可以实现其中一部分，这里看一下病毒传播仿真模型。

03

ArcGIS与地理加权回归GWR【一】「建议收藏」

https://mp.weixin.qq.com/s/fMPYxO3G7ff2192ZQICN-A

02

Brain综述：整合直接电刺激与脑连接组学

神经和神经发育疾病是一个主要的公共卫生问题，迫切需要新的治疗方法。有效疗法的发展依赖于对行为产生过程中涉及的神经底物的精确定位。在清醒手术中进行的认知和神经监测中进行的直接电刺激(Direct electrical stimulation, DES)目前被认为是脑功能因果关系映射的金标准。然而，DES受限于刺激位点的局限性，阻碍了在网络水平上对人脑功能的真正整体探索。我们使用了来自612例胶质瘤患者的4137个DES点，并结合人类脑连接组数据——静息态功能MRI (n = 1000)和扩散加权成像(n = 284)——来提供针对12个不同行为域的因果宏观功能网络的多模态描述。为了探讨我们的程序的有效性，我们(i)比较了健康人群和临床人群的网络地形;(ii)测试了DES衍生网络的预测能力;(iii)量化结构连接与功能连接之间的耦合;(iv)建立一个多元模型，能够量化单个受试者偏离正常人群的情况。最后，我们通过测试DES衍生的功能网络在识别与术后语言障碍相关的关键神经调控靶点和神经底物方面的特异性和敏感性，探索了其转译潜能。与单独使用DES相比，DES和人类连接组数据的组合使全脑覆盖率平均增加了29.4倍。DES衍生的功能网络可以预测未来的刺激点(准确率为97.8%)，并得到皮层下刺激的解剖连接的有力支持。我们没有观察到患者和健康人群在组和单一受试者水平之间有任何显著的地形差异。在具体的临床应用中，我们发现DES衍生的功能网络在多个功能域与有效的神经调控靶点重叠，在使用不同刺激技术的颅内刺激点进行测试时显示出高度的特异性，并可有效地用于表征术后行为缺陷。DES与人类连接组的集成从根本上提高了DES或单独功能成像提供的功能映射的质量。DES衍生的功能网络可以可靠地预测未来的刺激点，与基础白质有很强的对应关系，可用于患者特异性的功能定位。可能的应用范围从精神病学和神经病学到神经心理学、神经外科和神经康复。

01

如何高效入门复杂系统仿真？

1948 年，美国数学家，信息论的创始人之一 Warren Weaver 提出了 3 类科学问题划分。

01

空间单细胞图谱揭示脊椎动物咽部器官的演化起源

为了鉴定内层细胞成分和潜在的脊椎动物同源物，建立了单细胞分辨率的空间分辨图谱。scRNA-seq数据集由10017个有效细胞组成，使用Seurat工作流进行处理。初步定义了scRNA-seq数据集的细胞组成。多种细胞类型，包括免疫细胞、分泌性上皮细胞和血细胞，被发现具有细胞cluster特异性标记。对于Stereo-seq，通过空间条形码DNA纳米球(DNB)检测的表达谱与在文库构建中捕获的单链DNA染色光学图像对齐。根据不同的细胞分布特征，分别在组织密集区和稀疏区采用了方形划分和细胞分离两种细胞分离策略。使用这些方法，我们将DNB点分离成细胞unit，这代表了真实细胞形态的折衷反映。细胞分离后，在6个Stereo-seq切片中获得18371个细胞单位，并进行细胞类型注释。

02

下一代计算：空间计算

空间计算涵盖诸多内容，从概念、应对措施、工具、技术到系统，这些东西让我们对“位置”有了新的理解，极大地改变了我们的生活。新的变化包括：我们该如何理解自己与位置信息之间的关系，如何沟通并可视化位置信息，

09

利用python实现地理加权回归(GWR)与网约车订单数据挖掘

说到地理加权回归，相信大家肯定不会陌生。作为一种先进的空间数据分析技术，地理加权回归能够充分捕捉空间关系的非平稳性。举个简单的不恰当的例子，我们要对中国各个城市的奢侈品消费量与人均收入进行建模。正常的的理解是人均收入越高，奢侈品消费量就越大，在全国各个城市都应该是这种关系（这也正是全局模型的前提假设）。但事实真的是这样吗？现实情况可能是在一些比较张扬的地方（比如我们大东百

06

MP:精神疾病患者和正常发育人群皮层特征的共同模式

发育和精神病理学之间关系的神经生物学基础仍然不清楚。在这里，我们确定了一个在正常发育和一些精神神经疾病中共同的皮层厚度（CT）空间模式。主成分分析（PCA）被应用于Desikan-Killiany模板中的68个区域的CT，这些区域来自三个大规模的数据集，一共包括41,075个神经正常发育被试。PCA产生了一个大范围的主要空间主成分（PC1），并且这个结果是跨数据集可重复的。然后在一个包括14886名精神疾病患者和20962名健康对照组的7个ENIGMA疾病相关数据集中，健康成人被试的PC1与精神与神经疾病患者的CT差异模式进行了比较，正常成熟和衰老的被试来自于ABCD研究和IMAGEN发展研究的总共17697扫描，和ENIGMA寿命工作组的17075名被。同时还包含了艾伦人类脑图谱的基因表达数据。结果显示，PC1模式与在许多精神疾病中观察到的较低的CT之间存在显著的空间对应关系。此外，PC1模式也与正常成熟和衰老的空间分布模式相关。转录分析发现了一组包括KCNA2、KCNS1和KCNS2在内的基因，其表达模式与PC1的空间模式密切相关。基因富集分析表明，PC1的转录相关富集到多个基因本体类别，并从儿童后期开始，与青春期前到青春期的过渡过程中显著的皮层成熟和精神病理的出现相一致。总的来说，本研究报告了一种可重复的CT潜在模式，该模式捕获了正常大脑成熟和精神疾病谱系中皮层变化的区域间特征。PC1相关基因表达的青春期富集暗示了在青春期出现的精神疾病谱系的发病机制中神经发育的中断。

01

论文复现仓库说明（附文章目录和使用说明）

《通过深度学习了解建筑年代和风格》论文复现代码已上传到Github[1]和Gitee[2]，但Gitee仅用于同步，目前文章和仓库还在更新中，请访问对应的主页查看。

01

PNAS:整合抑郁症的分子、细胞和皮层神经影像特征

抑郁症产生于生物系统的复杂相互作用，跨越基因和分子到细胞、脑网络和行为。为了确定不同的神经生物学过程是如何联合起来导致抑郁症的，我们需要一种多尺度的方法，包括对大脑结构和功能的测量，以及遗传和细胞特异性的转录数据。在这里，我们研究了三个群组影像数据集中与抑郁和负性情绪相关的大脑解剖（皮层厚度）和功能（功能变异、全脑功能连接），包括：英国生物银行（UK Biobank）、大脑基因组超结构项目（Brain Genomics Superstruct Project）和Meta分析增强神经影像数据库(ENIGMA；总被试数n≥23,723)。整合的分析包括皮层基因表达、死后患者转录数据、抑郁症全基因组关联分析(GWAS)和单细胞基因转录。在这三个独立的数据集中，抑郁和负面情绪的神经影像相关物是一致的。将体外基因下调与体内神经影像联系起来，我们发现抑郁症影像表型的转录组相关物追踪了抑郁症患者死后皮层样本中的基因下调。对单细胞和Allen人脑图谱表达数据的综合分析显示，抑郁症体内影像和体外皮层基因失调的细胞相关物是生长抑素（SST）中间神经元和星形胶质细胞。GWAS驱动的抑郁症多基因风险富集在中间神经元的表达基因，而不是胶质细胞，这为我们的观察提供了一致的证据。为了强调多尺度方法的转化潜力，与抑郁症相关的大脑功能和结构的转录相关物富集于抑郁症相关的分子通路。这些发现将特定的基因、细胞类别和生物学通路与抑郁症的体内神经影像表型联系了起来。

02

时间序列算法(二)——相空间重构理论

在时间序列问题的一般场景中，都是通过在时间域或者时域与频域的变换中进行研究的，而有一类时间序列本身是在确定系统中出现的无规则的运动极具混沌特性的时间序列(混沌的含义是混乱而没有秩序的状态)，这个混沌现象是广泛存在的，因为很多后续变化都是对初值敏感，而且虽然整个过程中表面无规则但是实际上是可以通过一些动力学模型预测的。对于这一类混沌时间序列的问题(包括模型建立和预测)在现存的理论中是在相空间进行研究的，所以自然而然相空间重构是处理混沌时间序列中非常重要的过程

04

发育中的大脑结构和功能连接体指纹

在成熟的大脑中，大脑连接的结构和功能指纹可以用来识别个体的独特性。然而，使某一特定大脑区别于其他大脑的特征是否在出生时就已经存在仍不得而知。本研究利用发育中的人类连接组计划(Human Connectome Project, dHCP)的神经影像数据，对早产儿围产期进行两次扫描，以评估发育中的脑指纹。我们发现，62%的参与者可以通过后来的结构连接组与从较早时间点获得的初始连接矩阵的一致性来识别。相反，同一被试在不同时间点的功能连接体之间的相似性较低。只有10%的参与者在功能连接体中表现出更大的自相似性。这些结果表明，结构连接在生命早期更稳定，可以代表个体的潜在连接组指纹:当新生儿必须快速获得新技能以适应新环境时，一个相对稳定的结构连接组似乎支持功能连接组的变化。

02

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭