Cerebellums avgörande roll i koordination och motorkontroll är sedan länge välkänd, men många aspekter av dess funktion ännu inte fullt förstådda. Trots betydande framsteg inom neurovetenskap kvarstår kunskapsluckor beträffande den cellulära och molekylära organisation som ligger till grund för cerebellums funktion, särskilt i relation till kognition ochbeteende. Denna avhandling tar sig an dessa kunskapsluckor genom att använda transkriptomik, med högupplöst spatial transkriptomik (Stereo-seq) i kombination med enkelkärne-RNA-sekvensering (snRNA-seq). I projektet utvärderades två metoder för klustring av snRNA-seq-data: cellklustring och genklustring baserad på samuttryck. Genklustring av snRNA-seq-data användes därefter för att förutsäga celltyper i de spatiala Stereo-seq-proverna, vilket är ett nytt sätt att segmentera celler inom spatial transkriptomik. Denna segmentering användes också för att identifiera celltypsspecifika genmarkörer i cerebellum. Dessutom utvecklades ochutvärderades en metod för att identifiera dendritisk berikning av mRNA I Purkinjeceller, som en indikator på lokal mRNA-translation. Resultaten av denna studie visade att båda metoderna för snRNA-seq-klustring kunde segmentera den cellulära sammansättningen av vävnaden och kompletterade varandra: markörer identifierade genom samuttrycks-klustring hade till och med något högre överensstämmelse med de spatiala data. Metoden för samuttrycks-cellsegmentering visade sig vara mycket effektiv för att segmentera vissa cellpopulationer, särskilt stora, glest fördelade celler, medan den var mindre precis i cellsegmentering av mindre celltyper. För tydligt segmenterade cellpopulationer var denna metod också användbar för att hitta specifika markörgener. Dock hade min metod för analys av dendritisk berikning begränsad framgång, och bättre statistiska verktyg och benchmarking-processer behövs för att mer exakt utvärdera dessa spatiala analysmetoder.

Although the cerebellum has long been recognized for its crucial role in coordination and motor control, many aspects of its function are yet to be fully understood. Despite significant advances in neuroscience, gaps persist in our knowledge regarding the precise cellular and molecular organisation underlying cerebellar function, particularly relating to cognition and behaviour. This thesis addresses these gaps through a transcriptomics approach, by integrating the high-resolution spatial transcriptomics method Stereo-seq with single nucleus RNA sequencing (snRNA-seq). In the project, two methods of clustering snRNA-seq data (cell clustering and co-expression gene clustering) were evaluated, and gene clustering of snRNA-seq data was used to make cell-type predictions for the spatial Stereo-seq samples in a novel approach to spatial transcriptomics cell segmentation. This same segmentation was used to identify cell-type specific markers for cerebellar cell-types. Additionally, an approach for identifying dendritic enrichment of mRNA in Purkinje cells as a way to indicate local mRNA translation was developed and evaluated. The results of this study demonstrated that both methods of snRNA-seq clustering could resolve the cellular composition of the tissue and complemented each other, with markers identified through co-expression clustering even having a somewhat higher agreement with the spatial data. The co-expression cell segmentation method proved to be highly efficient in segmenting certain cell populations, particularly large, sparsely distributed cells, while being less precise in cell segmentation of smaller cell types. For clearly segmented cell populations, this method was also useful in finding specific marker genes. However, my proof of principle approach for dendritic enrichment analysis had limited success, and better statistical tools and benchmarking processes are needed to more precisely evaluate these spatial analysis methods.