Misc concepts – BrainArch

1 Human hippocampal neurogenesis (v20260413)

From Human hippocampal neurogenesis in adulthood, ageing and Alzheimer’s disease.

Query/Reference scRNA-seq datasets \(\longrightarrow\) scVI \(\longrightarrow\) Cell embeddings in latent space with batch effects corrected \(\longrightarrow\) scANVI \(\longrightarrow\) cell type annotations transferred from reference to query.

Cell stemness evaluation:

RNA velocity (scVelo): using spliced and unspliced mRNA counts to infer the direction and speed of cell state transitions.

RNA velocity 给出了细胞转态转变的潜在方向和速度。

CytoTRACE: using gene counts and expression profiles to predict the differentiation potential of cells, with higher scores indicating greater stemness.

CytoTRACE 的核心生物学假设：干细胞需要维持多向分化的潜能，其染色质是 “疏松的”、基因表达是 “广而杂的”（高熵状态，higher gene counts）。

Feature selection：计算每个基因与 gene counts 的相关性，正相关基因在 gene counts 高的细胞中高表达（干性相关）、负相关基因在 gene counts 低的细胞中高表达（分化相关）。

如何利用好单组学数据在不同层次的生物学假设、算法与指标（尽可能正交）？如何利用多组学数据进行正交评估、联合分析？

如何利用独立数据集进行生物学假设、算法与指标的正交验证？如何进行阳性验证与阴性验证？如何排除结果的随机性？

2 Key points (v20260413)

Data is for proof, not for cataloging.
Show story, not just the data.
一般情况下，每一阶段只有一个核心论点，其余为辅助证据。
CCQH: Context, Conflict, Question, Hypothesis/Answer.
避免循环论证：需要证明的论点被当成了前提。
注重正交验证，避免同一批数据既是训练集又是测试集。
如何排除结果的随机性。
How to read a paper: Context; Question; Question significance; Your own answer, not the paper’s.
理清命题之间的逻辑关系（充分条件、必要条件、充要条件） \(\longrightarrow\) 如何证明命题之间的逻辑关系？

3 生物信息通路数据库

领域	数据库	适用领域	特点
通用	GO (Gene Ontology)	Full BP/CC/MF.	覆盖度最高，但条目冗余度高，不够特异。
通用	KEGG	代谢途径、信号转导、人类疾病。	侧重生化反应。
通用	Reactome	生化反应、级联信号、蛋白质翻译后修饰。	精确度最高。
通用	WikiPathways	新兴通路、多物种信号转导。	更新最快。
神经科学	NIGO (Neuroimmune GO)	神经-免疫交互。	神经-免疫领域的 concise pathway set。
神经科学	SynGO	突触功能。	详细的突触结构与功能注释。
免疫学	ImmSig (MSigDB C7)	免疫细胞分化、炎症应激、细胞因子响应。	适合用于鉴定细胞状态。
免疫学	InnateDB	先天免疫系统-病原体相互作用。	专门针对先天免疫系统。
肿瘤学	MSigDB Hallmark	肿瘤核心特征、代谢重编程、EMT。	将复杂的肿瘤过程精简为 50 个核心模块。
肿瘤学	MSigDB C6	癌基因信号激活。	驱动因子导向。

Allen Brain Atlas 的数据集也可用于交叉验证。