Details

Работа посвящена выявлению устойчивых закономерностей в морфологии дендритных шипиков с использованием методов машинного обучения. В рамках исследования была сформирована выборка из разнородных открытых и авторских нейробиологических датасетов, содержащих информацию о морфологии шипиков. Проведены унификация, нормализация и предварительная обработка данных. К ним были применены алгоритмы машинного обучения для кластеризации и классификации морфологических типов шипиков.         Кластеризация морфологических признаков дендритных шипиков в разных наборах данных выявила 5–7 устойчивых кластеров, что превышает количество общепринятых типов и указывает на большую морфологическую сложность и континуум форм. Найдены значимые различия в распределении и параметрах шипиков между апикальными и базальными дендритами, что подтверждает их гетерогенность внутри одного нейрона.           Результаты показывают острую необходимость создания единой аннотированной базы данных дендритных шипиков с унифицированными стандартами для сопоставимого анализа, что поможет лучше изучить нейропластичность и нейродегенеративные заболевания. Это позволит разрабатывать новые методы диагностики и терапии.

This work is dedicated to identifying stable patterns in dendritic spine morphology using machine learning methods. A sample was compiled from diverse open and proprietary neurobiological datasets containing morphological information on dendritic spines. The data were unified, normalized, and preprocessed. Machine learning algorithms were applied for clustering and classification of spine morphotypes.     Clustering of morphological features across datasets revealed 5–7 stable clusters, exceeding the commonly accepted number of spine types and indicating a higher morphological complexity and a continuum of forms. Statistically significant differences were found in the distribution and parameters of spines between apical and basal dendrites, confirming their heterogeneity within a single neuron.     The results highlight an urgent need to establish a unified, expert-annotated dendritic spine database with standardized formats, enabling comparable analyses. This would contribute to a deeper understanding of neuroplasticity and neurodegenerative diseases and support the development of new diagnostic and therapeutic approaches.