Science：里程碑式的突觸分辨率腦圖譜
全腦范圍的突觸分辨率連接圖譜—連接組，對(duì)于理解大腦如何產(chǎn)生行為至關(guān)重要。由于技術(shù)限制，使用電子顯微鏡對(duì)整個(gè)大腦進(jìn)行成像并從此類數(shù)據(jù)集中重建環(huán)路一直具有挑戰(zhàn)性。
迄今為止，科學(xué)家僅繪制了秀麗隱桿線蟲、杜氏闊沙蠶和玻璃海鞘等三種生物的完整連接組圖譜，每種生物都有數(shù)百個(gè)腦神經(jīng)元，而大型腦（例如昆蟲、魚類和哺乳動(dòng)物）的突觸分辨率環(huán)路圖考慮通過切分腦區(qū)進(jìn)行單獨(dú)處理，然后拼接構(gòu)建完整的連接組。然而，神經(jīng)計(jì)算跨越空間分散但相互關(guān)聯(lián)的大腦區(qū)域，理解任何一種計(jì)算都需要完整的大腦連接組及其所有輸入和輸出神經(jīng)元。
果蠅是一種比較成熟的模式生物，與人類共享了許多基本的生物學(xué)特征，它具有豐富的行為能力，如學(xué)習(xí)、導(dǎo)航、處理氣味和行動(dòng)選擇，并與成年果蠅和大型昆蟲共享同源的大腦結(jié)構(gòu)。因此，本研究選擇了通體透明的果蠅幼蟲-黑腹果蠅，它的大小適合當(dāng)前研究技術(shù)，是研究連接圖譜的理想模型。研究過程中將其大腦切分為5000份極薄的組織樣本，通過納米級(jí)分辨率電子顯微鏡捕獲神經(jīng)元圖像。收集一只6h齡的果蠅幼蟲大腦圖像，需花費(fèi)一年半的時(shí)間。強(qiáng)大的遺傳工具可用于選擇性操作或記錄單個(gè)神經(jīng)元類型，精確定位神經(jīng)元和突觸，并花費(fèi)數(shù)月時(shí)間進(jìn)行手動(dòng)檢查，追蹤軸突和樹突與其他區(qū)域的聯(lián)系，一共花費(fèi)了12年才構(gòu)建它們的完整大腦連接組。
2023年3月9日，美國約翰斯·霍普金斯大學(xué)生物醫(yī)學(xué)工程系Benjamin D Pedigo和英國劍橋大學(xué)MRC分子生物學(xué)實(shí)驗(yàn)室Michael Winding等在Science 聯(lián)合發(fā)表了題為“The connectome of an insect brain”的研究，這一國際合作團(tuán)隊(duì)成功繪制了果蠅幼蟲-黑腹果蠅（Drosophila melanogaster）的全腦圖譜，其中包含了3016個(gè)神經(jīng)元和54.8萬個(gè)突觸連接，是理解大腦如何處理感官信息流并將其轉(zhuǎn)化為行動(dòng)的一個(gè)重要里程碑。
Nature Commun：北京大學(xué)王征團(tuán)隊(duì)發(fā)布獼猴全腦分區(qū)轉(zhuǎn)錄組圖譜
Cell：莊小威團(tuán)隊(duì)繪制單細(xì)胞分辨率下小鼠大腦重要腦區(qū)衰老的分子和空間特征圖譜
Cell發(fā)布重要資源：人腦前額葉皮層單細(xì)胞水平發(fā)育圖譜——從胎兒到成年期
Nat Neurosci：構(gòu)建人腦神經(jīng)遞質(zhì)受體的三維圖譜，映射大腦結(jié)構(gòu)、動(dòng)力學(xué)和認(rèn)知功能
美國“大腦計(jì)劃”投入5億美元，要?jiǎng)?chuàng)建有史以來最詳細(xì)的人類大腦圖譜
Science封面：全球首個(gè)腦再生時(shí)空圖譜
1. 重建果蠅幼蟲全腦神經(jīng)系統(tǒng) 識(shí)別軸突和樹突
在電子顯微鏡下重建果蠅幼蟲全腦的中樞神經(jīng)系統(tǒng)（見圖1），識(shí)別所有大腦輸入神經(jīng)元、中間神經(jīng)元和輸出神經(jīng)元。根據(jù)先前研究的數(shù)據(jù)集，包含了大腦455個(gè)神經(jīng)元，及其下游伙伴和高階學(xué)習(xí)中心一共1054個(gè)腦神經(jīng)元。本研究重建了大腦中剩余的1507個(gè)神經(jīng)元，最終得到的數(shù)據(jù)集包含480個(gè)輸入神經(jīng)元和2536個(gè)分化的腦神經(jīng)元(總共3016個(gè)神經(jīng)元)，以及548000個(gè)突觸。>99%的神經(jīng)元重建已完成，75%被注釋的突觸位點(diǎn)與神經(jīng)元相連，剩下25%大多由小的樹突片段組成，重建這些片段有點(diǎn)困難。接下來，研究者探索了神經(jīng)元和連接類型、從輸入到輸出的信息流、多感官整合、跨半球相互作用、反饋途徑，以及大腦和腦神經(jīng)索相互作用的重復(fù)發(fā)生水平。
在果蠅中，軸突和樹突分別包含了神經(jīng)元的大部分突觸前和突觸后部位，被一個(gè)沒有突觸的連接域隔開。通過一個(gè)既定策略識(shí)別無突觸的連接域。軸突和樹突區(qū)被分別定義為這些連接域的遠(yuǎn)端或近端，經(jīng)過人工校對(duì)，每個(gè)神經(jīng)元都有一個(gè)軸突-樹突分割點(diǎn)。為了更好地了解神經(jīng)元的形態(tài)，研究者確定了大腦中所有的軸突-樹突(a-d)、軸突-軸突(a-a)、樹突-樹突(d-d)和樹突-軸突(d-a)連接，各自所占比例分別為a-d(66.6%)、a-a(25.8%)、d-d(5.8%)和d-a(1.8%)（圖2c)。連接組可以被認(rèn)為是共享相同的節(jié)點(diǎn)（即神經(jīng)元）四種模式（圖2D），其各自組成一種單獨(dú)的圖形。
研究者通過量化每種圖形的神經(jīng)元（節(jié)點(diǎn)）數(shù)量、密度和最大節(jié)點(diǎn)度（圖2E），以便于后續(xù)研究不同的邊緣類型對(duì)前饋或反饋信號(hào)的貢獻(xiàn)，以及對(duì)腦的貢獻(xiàn)。將所有的邊緣類型結(jié)合到圖中，根據(jù)感覺神經(jīng)元到下行神經(jīng)元的流動(dòng)情況，通過信號(hào)流算法對(duì)神經(jīng)元進(jìn)行排序。然后，用這種輸入-輸出的排序來對(duì)大腦中的連接進(jìn)行分類：將靠近感覺外周的神經(jīng)元投射到靠近下行神經(jīng)元的神經(jīng)元定義為前饋連接，反之則為反饋。軸突-樹突連接顯示了最多的前饋；軸突-軸突和樹突-樹突連接顯示了前饋和反饋的混合，偏向于前饋突觸；而樹突-軸突連接顯示了最多的反饋(圖2F)。
圖1.果蠅幼蟲大腦重建全景圖
(A)果蠅幼蟲中樞神經(jīng)系統(tǒng)中分化的腦神經(jīng)元的形態(tài)。(B)大多數(shù)（>99%）的神經(jīng)元被重建完成，其定義是重建所有的終端分支，沒有數(shù)據(jù)質(zhì)量問題阻礙軸突和樹突的識(shí)別。與腦神經(jīng)元或來自腦外上行神經(jīng)元相連時(shí)，突觸前與突觸后是完整的。(C)通過自動(dòng)圖形匹配和人工校對(duì)確定左右同源的神經(jīng)元對(duì)。結(jié)果顯示，有14個(gè)神經(jīng)元未明確配對(duì)，均在學(xué)習(xí)和記憶中心有176個(gè)未配對(duì)的KCs。(D和E）大腦結(jié)構(gòu)示意圖。大腦輸入包括直接突觸到大腦神經(jīng)元的SNs和來自VNC段A1的ANs，它們直接或多突觸地接受A1感覺輸入（見圖S2）。大腦中間神經(jīng)元將這些輸入信號(hào)傳遞到輸出神經(jīng)元：到食道下帶(SEZ)的DNS(DNSEZ)，到VNC(DNVNC)的DNS(DNVNC)，以及環(huán)腺神經(jīng)元(RGN)。(F到H)大腦中的細(xì)胞類別。一些中間神經(jīng)元屬于多個(gè)類別，但為了繪圖方便，顯示為相互排斥（見圖S4）。注意，一些先前重建的中間神經(jīng)元（共40個(gè)）和輸出神經(jīng)元（共6個(gè)）包括在柱狀圖中，但不是大腦神經(jīng)元本身不在計(jì)數(shù)范圍內(nèi)。有20個(gè)大腦輸出神經(jīng)元具有已知的細(xì)胞類別，因此也被包括在（G）中。
圖2. 對(duì)所有大腦軸突和樹突的鑒定顯示了四種連接類型
(A）所有腦神經(jīng)元的軸突和樹突都被鑒定出來，其中>95%的神經(jīng)元含有完全分化的軸突和樹突。其余的是未分化的神經(jīng)元和未成熟的神經(jīng)元。(B）軸突主要包含突觸前的位點(diǎn)（橙色），而樹突主要包含突觸后的位點(diǎn)（藍(lán)色），但在這兩個(gè)區(qū)間都能觀察到突觸前和突觸后的位點(diǎn)。(C）腦神經(jīng)元之間的突觸連接被分為軸突-樹突（a-d）、軸突-軸突（a-a）、樹突-樹突（d-d）或樹突-軸突（d-a）。(D) 顯示大腦神經(jīng)元之間所有連接類型的鄰接矩陣。每個(gè)象限代表大腦中每個(gè)突觸前神經(jīng)元（行）和突觸后神經(jīng)元（列）之間的不同連接類型。
2. 系統(tǒng)聚類分析顯示93種連接性腦神經(jīng)元 識(shí)別大腦所有感覺通路
根據(jù)突觸連接將大腦神經(jīng)元細(xì)分為不同類型，研究者根據(jù)所有連接類型的圖形結(jié)構(gòu)，將所有大腦神經(jīng)元光譜嵌入到一個(gè)共享空間中，對(duì)其進(jìn)行聚類分析得到93種細(xì)胞類型，這些類型在形態(tài)和功能等其他特征方面保持內(nèi)部一致性。中樞在大腦計(jì)算和行為中起著關(guān)鍵作用。腦中樞定義為分別具有≥20個(gè)突觸前或突觸后伙伴，即輸入度或輸出度≥20。為了研究最強(qiáng)的中樞和跨半球的可重復(fù)性，研究者過濾了兩個(gè)單獨(dú)的腦半球中觀察到的強(qiáng)連接，最終確定了506個(gè)a-d、100個(gè)a-a、10個(gè)d-d和8個(gè)d-a中樞(圖3E)，總結(jié)發(fā)現(xiàn)73%的軸突-樹突連接的輸入-輸出中樞是突觸后的學(xué)習(xí)中心或突觸前與驅(qū)動(dòng)學(xué)習(xí)相關(guān)的調(diào)節(jié)神經(jīng)元(蘑菇體輸出神經(jīng)元(MBONs)、會(huì)聚神經(jīng)元(CNs)等)，23%的輸入-輸出中樞是CNs。
為了給全面理解感覺處理回路，研究者系統(tǒng)地分析了所有的通路，并開發(fā)了一種信號(hào)級(jí)聯(lián)計(jì)算工具，它基于兩個(gè)相連神經(jīng)元之間信號(hào)傳播的可能性取決于它們之間突觸數(shù)量的假設(shè)，在大腦中傳播多突觸信號(hào)(圖4D)。在從感覺神經(jīng)元（SNs）開始的級(jí)聯(lián)中，信號(hào)一般在3到6跳后上行至腹側(cè)神經(jīng)索（DNsVNC），很少超過8跳（圖4E）。
為了不漏掉長的路徑，研究者使用8跳級(jí)聯(lián)，確定了SNs或上行神經(jīng)元（ANs）與輸出神經(jīng)元之間的所有通路（圖4E）。接下來，研究者調(diào)查了整個(gè)大腦的多模態(tài)特征，同時(shí)考慮到了較長的路徑。從每個(gè)感覺模式開始進(jìn)行8跳信號(hào)級(jí)聯(lián)，得到每個(gè)神經(jīng)元收到的感覺輸入的組合，研究者發(fā)現(xiàn)極少數(shù)神經(jīng)元（分別有12%或14%的8跳級(jí)聯(lián)）只接受一種模式的信號(hào)，而大多數(shù)神經(jīng)元是多模式的（圖4G）。
多巴胺能神經(jīng)元（DANs）與整個(gè)動(dòng)物界的學(xué)習(xí)、動(dòng)機(jī)和行動(dòng)選擇有關(guān)，了解DANs的功能對(duì)理解其功能至關(guān)重要，因此，研究者分析了MB DANs上的感覺會(huì)聚。他們發(fā)現(xiàn)DANs接受來自所有感覺模態(tài)的輸入，包括來自那些在學(xué)習(xí)任務(wù)中通常感覺到條件刺激的模態(tài)（如嗅覺）和來自本體感覺神經(jīng)元（有5或8跳級(jí)聯(lián)；圖I），而其他MB調(diào)節(jié)神經(jīng)元整合能力較差。
圖3.大腦結(jié)構(gòu)的分層聚類和分析
(A）基于連接性的左右半球聯(lián)合頻譜嵌入對(duì)神經(jīng)元進(jìn)行分層聚類。(B) 使用NBLAST方法對(duì)聚類內(nèi)形態(tài)相似度進(jìn)行評(píng)分的聚類實(shí)例。(C) 大腦的鄰接矩陣按層次集群結(jié)構(gòu)排序。(D) 第4級(jí)集群的網(wǎng)絡(luò)圖顯示粗略的大腦結(jié)構(gòu)。彩色餅狀圖顯示集群內(nèi)的細(xì)胞類型。(E) 第4級(jí)群中a-d中樞神經(jīng)元比例。每個(gè)簇的細(xì)胞類型在X軸上被描述，并被注釋為與（D）中的簇相匹配。中樞被定義為具有≥20個(gè)內(nèi)度或外度（分別為≥20個(gè)突觸前或突觸后伙伴）(F）進(jìn)出中樞的神經(jīng)元類型（a-d）。大多數(shù)神經(jīng)元在記憶和學(xué)習(xí)中心的下游或上游（灰色半圓，與MB有關(guān)）。(G) 從SNs到輸出神經(jīng)元的路徑，跳數(shù)為6或更少，使用一對(duì)≥1%的輸入閾值的a-d模式圖顯示了從360萬條路徑的總集合中隨機(jī)選擇的10萬條路徑。
圖4. 整個(gè)大腦的多模態(tài)感覺整合
(A）感覺回路中神經(jīng)元的形態(tài)，使用來自SNs或ANs的多跳a-d連接來識(shí)別。(B)使用Dice系數(shù)確定整個(gè)感覺回路的神經(jīng)元相似性。大多數(shù)二階神經(jīng)元是不同的，而在不同的模式之間，三階和四階神經(jīng)元逐漸變得更加相似。(C) 每個(gè)感覺回路中的細(xì)胞類別。(D) 多跳信號(hào)級(jí)聯(lián)的示意圖。(E) 從感覺模式到大腦輸出神經(jīng)元的信號(hào)級(jí)聯(lián)的量化，DNsVNC。(F）不同長度的路徑數(shù)量被量化，從各個(gè)感覺模式到各個(gè)DNsVNC。傳播到DNsVNC的信號(hào)大多使用不同長度的多條路徑（短、中、長）。(G) 根據(jù)個(gè)別感覺模式的信號(hào)級(jí)聯(lián)，單個(gè)神經(jīng)元被分為單模式或多模式。大多數(shù)腦神經(jīng)元從多種感覺類型（多模態(tài)）整合，而少數(shù)從單一模式（單模態(tài)）整合。(H)對(duì)(G)中單模態(tài)或多模態(tài)細(xì)胞的感覺輸入的距離進(jìn)行了量化。(I) 從不同模式的SNs或ANs到學(xué)習(xí)和記憶中心的輸入神經(jīng)元，包括多巴胺能神經(jīng)元（DANs）、胺能神經(jīng)元（OANs）和未知神經(jīng)遞質(zhì)的神經(jīng)元（MBINs）。
3. 全腦通路分析揭示一個(gè)嵌套的復(fù)發(fā)性結(jié)構(gòu)
兩個(gè)半球是大腦的基本屬性，但來自兩個(gè)腦半球的信息如何被整合并用于神經(jīng)計(jì)算還不是很清楚。為了研究半球間相互作用的結(jié)構(gòu)基礎(chǔ)，研究者確定了所有通過對(duì)側(cè)投射（軸突或樹突）參與半球間交流的神經(jīng)元，發(fā)現(xiàn)61%的神經(jīng)元是同側(cè)，24%的神經(jīng)元是雙側(cè)，15%的神經(jīng)元是對(duì)側(cè)（圖5C）。
為了更好地理解大腦半球之間的信息流動(dòng)，研究者探索了同側(cè)、雙側(cè)和對(duì)側(cè)神經(jīng)元如何相互交流，并計(jì)算了它們的連接概率(圖5E)，發(fā)現(xiàn)連接到同源對(duì)側(cè)神經(jīng)元伴侶的概率比連接到非同源對(duì)側(cè)的概率高得多。最終，明確了在大腦一側(cè)整合對(duì)側(cè)和同側(cè)信息后，整合的信息通常被傳遞回另一個(gè)半球。重現(xiàn)是腦回路的一個(gè)重要特征，可以提高人工神經(jīng)網(wǎng)絡(luò)的計(jì)算能力。
研究者從每個(gè)7級(jí)腦群開始產(chǎn)生獨(dú)立的信號(hào)級(jí)聯(lián)(圖6A和3A)，并跟蹤信號(hào)在大腦結(jié)構(gòu)中向上或向下傳播到其他集群的程度，發(fā)現(xiàn)幾乎所有的腦群都發(fā)出強(qiáng)有力的前向和后向信號(hào)(圖6B)。大多數(shù)腦群同時(shí)向其他多個(gè)集群提供前向和后向信號(hào)，甚至在每個(gè)簇的單個(gè)神經(jīng)元中也觀察到了這種情況(圖6C)。
為明確單個(gè)神經(jīng)元在多大程度上向自己的上游伙伴提供反饋，從而形成循環(huán)回路。研究者使用單個(gè)神經(jīng)元的多跳信號(hào)級(jí)聯(lián)來識(shí)別它們在整個(gè)大腦中的直接和間接下游伙伴(最多5跳)，然后，確定這些下游伙伴中的哪一個(gè)將反復(fù)出現(xiàn)的信號(hào)發(fā)送回源神經(jīng)元，發(fā)現(xiàn)41%的神經(jīng)元向至少一個(gè)上游伙伴發(fā)送信號(hào)(圖6D)。此外，下游神經(jīng)元經(jīng)常使用多種不同長度的路徑向上游神經(jīng)元發(fā)送重復(fù)信號(hào)(圖6E)。
接下來，分析哪些腦細(xì)胞類別是最常見的，研究者將單個(gè)神經(jīng)元的遞歸定義為其多突觸下游伙伴(使用多達(dá)5跳的級(jí)聯(lián))將信號(hào)發(fā)送回具有a-d連接的源神經(jīng)元部分，發(fā)現(xiàn)重復(fù)伴侶的比例在不同的神經(jīng)元類別之間變化很大(圖6F)。與學(xué)習(xí)中心有關(guān)的其他神經(jīng)元是大腦中重復(fù)出現(xiàn)最多的神經(jīng)元之一。DANs（57%），驅(qū)動(dòng)學(xué)習(xí)的調(diào)節(jié)神經(jīng)元；MB-FBNs（51%），突觸前至DANs，與計(jì)算預(yù)測值和調(diào)節(jié)學(xué)習(xí)有關(guān)；MBONs（45%），學(xué)習(xí)中心和突觸前到MB-FBNs的輸出；CNs（42%），對(duì)MBONs和LHNs都是突觸前的，整合了后天和先天的信號(hào)（圖6F）。這四組涉及學(xué)習(xí)和基于記憶的動(dòng)作選擇的神經(jīng)元共同形成了一組相互連接的循環(huán)回路(圖6F和6G)。
圖5. 雙側(cè)和對(duì)側(cè)神經(jīng)元的半球間通訊的特點(diǎn)
(A)左右半球之間的聯(lián)系，在每個(gè)半球內(nèi)按集群結(jié)構(gòu)排序。(B)每個(gè)神經(jīng)元的對(duì)側(cè)a-d突觸前部位的比例。(C)同側(cè)、雙側(cè)和對(duì)側(cè)軸突神經(jīng)元的形態(tài)與a-d突觸分布。(D)大多數(shù)雙側(cè)軸突神經(jīng)元突觸到兩個(gè)半球的同源神經(jīng)元上，（左）顯示與同側(cè)和對(duì)側(cè)下游伙伴的a-d連接的高余弦相似度；（右）顯示了三個(gè)余弦相似度值和下游伙伴的細(xì)胞類型成員。(E)使用a-d型的左右細(xì)胞種類之間的連接概率。在相反腦半球的對(duì)側(cè)神經(jīng)元之間觀察到連接概率是最高的。(F)同源的左、右半球神經(jīng)元之間觀察到互為循環(huán)。(G)每個(gè)細(xì)胞類別的感覺信號(hào)側(cè)化。藍(lán)色，從兩個(gè)半球接收信號(hào)的神經(jīng)元；橙色，只從一個(gè)半球接收信號(hào)的神經(jīng)元。46%的DNsSEZ是側(cè)向的（使用8跳或5跳級(jí)聯(lián)）。
圖6. 通過大腦的綜合循環(huán)途徑
(A) 從每個(gè)簇開始的信號(hào)級(jí)聯(lián)的示意圖。(B）信號(hào)級(jí)聯(lián)源于每個(gè)7級(jí)群向前（沿對(duì)角線以上）和向后（沿對(duì)角線以下）移動(dòng)。(C) 分別從集群或集群內(nèi)的單細(xì)胞接收級(jí)聯(lián)前向或后向信號(hào)的集群或單細(xì)胞的數(shù)量。(D) 腦神經(jīng)元的復(fù)現(xiàn)。將多跳信號(hào)送回源神經(jīng)元，形成復(fù)現(xiàn)性循環(huán)（左），至少41%的腦神經(jīng)元參與復(fù)現(xiàn)性循環(huán)（右）。(E)單個(gè)神經(jīng)元之間不同長度的遞歸通路的量化。(F）對(duì)每個(gè)細(xì)胞類別的復(fù)發(fā)性進(jìn)行了量化。(G) 報(bào)告了單個(gè)MBINs的循環(huán)伙伴（即所有下游伙伴，使用5跳級(jí)聯(lián)，發(fā)送循環(huán)信號(hào)回來），包括那些多巴胺能神經(jīng)元（DANs），胺能神經(jīng)元（OANs），以及表達(dá)未知神經(jīng)遞質(zhì)的MBINs。(H）使用1或2跳a-d連接的DNsVNC或DNsSEZ的循環(huán)或平行效應(yīng)復(fù)制信號(hào)。
4. 腦-神經(jīng)索間“Z”字形連接圖案
本研究組的電鏡數(shù)據(jù)集包含完整的中樞神經(jīng)系統(tǒng)，有助于評(píng)估大腦和中樞神經(jīng)系統(tǒng)其他部分之間的溝通。由于大多數(shù)運(yùn)動(dòng)神經(jīng)元（MNs）位于腹側(cè)神經(jīng)索（VNC），了解大腦和神經(jīng)索之間的交流，就能了解到中樞神經(jīng)系統(tǒng)的發(fā)展，這對(duì)理解行為是如何產(chǎn)生的十分重要。研究者重建了向腦外發(fā)送前饋信號(hào)的大腦下行神經(jīng)元（DNs）的軸突。我們根據(jù)三維標(biāo)識(shí)將中樞神經(jīng)系統(tǒng)分為13個(gè)區(qū)域，包括所有的VNC段，并確定每個(gè)中樞神經(jīng)系統(tǒng)區(qū)域內(nèi)有多少DN突觸前的部位（圖7A-i1），從而形成了與連接組直接相連的大腦-VNC投射組。每個(gè)VNC段都包含MNs，它們支配著整個(gè)身體的定型位置的肌肉（圖7A-ii）。
先前的研究已經(jīng)確定了參與特定行為，如向前/后運(yùn)動(dòng)、轉(zhuǎn)彎、駝背、速度調(diào)節(jié)和頭部運(yùn)動(dòng)等的肢體部位（圖7A-iii）。通過這些相關(guān)的投射-連接組數(shù)據(jù)，研究人員生成了一個(gè)概覽圖，顯示每個(gè)DNVNC的以下內(nèi)容：
（i）它的流伙伴；
（ii）它在整個(gè)中樞神經(jīng)系統(tǒng)的輸出位置，以及
（iii）它在大腦中的所有下游伙伴（圖7B-i至iii）。
在投射圖上標(biāo)注了每個(gè)DNVNC可能產(chǎn)生的候選行為（圖7B-ii），研究者發(fā)現(xiàn)集群身份（基于大腦連接）和神經(jīng)索投射區(qū)域之間有很強(qiáng)的相關(guān)性，表明投射到不同神經(jīng)索區(qū)域并可能介導(dǎo)不同行為的神經(jīng)元也接受不同模式的大腦輸入。
大腦投射組顯示了DNsVNC投射到哪些節(jié)段，但沒有顯示大腦與VNC環(huán)路的交流方式。因此，研究者分析了大腦如何與最完全重建的VNC節(jié)段（A1）溝通，其中所有的運(yùn)動(dòng)和許多感覺環(huán)路都被重建了。數(shù)據(jù)顯示包含A1的感覺回路（SNs）的深度從3跳（本體感覺）到7或8跳（痛覺和弦音）不等（圖7F）。DNsVNC主要針對(duì)三階或四階SNs（SNs下游2或3跳），其中31%是前神經(jīng)元或39%是前運(yùn)動(dòng)神經(jīng)元。然而，本體感覺回路是個(gè)例外，DNsVNC與幾個(gè)二階本體感受神經(jīng)元形成突觸，其中一半也是前神經(jīng)元或前運(yùn)動(dòng)神經(jīng)元。
為了更好地理解大腦-神經(jīng)索的相互通訊，研究者分析了A1 ANs上游和下游的神經(jīng)元，觀察到許多直接DNVNC→AN和AN→DNVNC和AN→DNSEZ連通的實(shí)例(圖7G)。但是沒有觀察到DNsVNC和ANs之間的相互循環(huán)，與之相反，研究者發(fā)現(xiàn)了“Z”字形基序，DNVNC→AN→DNVNC，每一邊都有不同的DNsVNC(圖7H和7I)。因?yàn)榇蠖鄶?shù) DNsVNC 的驅(qū)動(dòng)程序線尚未生成，研究者僅了解少部分 DNsVNC 的行為角色，但發(fā)現(xiàn)了一個(gè)對(duì)兩個(gè) DN 有明確的作用序列（圖7J）。該基序包含PDM-DN (DNVNC1)和MDN(DNVNC2)，它們分別促進(jìn)停止和退后。Stop-backup是一種常見的行為序列，基于大腦輸入和本體感受反饋或體感環(huán)境，提高了“Z”字形圖案中的ANs可以促進(jìn)序列中動(dòng)作之間轉(zhuǎn)換。
圖7. 對(duì)腦-神經(jīng)索相互作用的研究揭示了上行神經(jīng)元和下行神經(jīng)元直接聯(lián)系
(A）果蠅幼蟲中樞神經(jīng)系統(tǒng)的示意圖（i）以及這種拓?fù)浣Y(jié)構(gòu)如何對(duì)應(yīng)于不同的體節(jié)（ii），參與一系列不同的行為（iii）。(B) 每一行代表一個(gè)單獨(dú)的DNVNC對(duì)，及其在大腦中相關(guān)的上游和下游a-d連接，以及它對(duì)中樞神經(jīng)系統(tǒng)其他部分的投射。(C) 在大腦中觀察到的常見循環(huán)和輸出復(fù)制 a-d 通路的示意圖，重點(diǎn)是 DNVNC 連接。(D) 大腦與 VNC、DNsVNC 和 AN 之間的交互途徑，側(cè)重于 A1 部分。(E) A1 中的前運(yùn)動(dòng)神經(jīng)元層。(F) A1 中的感覺層。報(bào)告了每個(gè)感覺層的中間神經(jīng)元（綠色）和 AN（藍(lán)色）的數(shù)量和 DNVNC 目標(biāo)（紅色）的位置。(G) DNsVNC 和 A1 細(xì)胞類型之間以及 ANsA1 和大腦輸出神經(jīng)元之間的連接概率 (a-d)。(H) A-d 基序涉及 A1 中的 DNsVNC 和 AN。上面描述了每個(gè)基序的最簡單版本，但還分析了涉及 3、4 和 5 個(gè)節(jié)點(diǎn)的基序，其中包含大腦中額外的 A1 中間神經(jīng)元或預(yù)輸出神經(jīng)元。(I) 觀察到的所有鋸齒形圖案。每個(gè)條形代表每種類型的神經(jīng)元數(shù)量，線條代表起源和結(jié)束于每個(gè)類別中單個(gè)細(xì)胞的路徑。(J) 鋸齒形圖案，兩側(cè)均帶有先前表征的 DNsVNC。這個(gè)主題從 PDM-DN 開始，其急性刺激引起停止行為，并在 MDN 結(jié)束，其急性刺激導(dǎo)致動(dòng)物后退。停止備份是在果蠅幼蟲中觀察到的常見行為序列。
總結(jié)與展望
對(duì)果蠅幼蟲基因組的研究將是一項(xiàng)持久的參考研究，為大量腦功能的眾多理論和實(shí)驗(yàn)研究提供基礎(chǔ)。本研究中產(chǎn)生的方法和計(jì)算工具將促進(jìn)對(duì)未來連接組的分析。雖然動(dòng)物界的大腦組織的細(xì)節(jié)不同，但許多電路結(jié)構(gòu)是保守的。隨著未來繪制出更多其他生物的大腦連接圖，比較它們之間共同的部分，可能揭示最佳電路結(jié)構(gòu)以及作為生物體之間行為差異基礎(chǔ)的特異性的電路。
在果蠅幼蟲大腦中觀察到的一些結(jié)構(gòu)特征，包括多層捷徑和突出的嵌套循環(huán)，在最先進(jìn)的人工神經(jīng)網(wǎng)絡(luò)中都可以找到，它們可以彌補(bǔ)網(wǎng)絡(luò)深度的不足，支持任意的、任務(wù)相關(guān)的計(jì)算。因此，這些特征可以提高大腦的計(jì)算能力，克服生理上對(duì)神經(jīng)元數(shù)量的限制。未來對(duì)大腦和人工神經(jīng)網(wǎng)絡(luò)之間的異同的分析可能有助于理解大腦的計(jì)算原理，甚至激發(fā)新的機(jī)器學(xué)習(xí)架構(gòu)。
參考文獻(xiàn)
Winding, Michael et al. “The connectome of an insect brain.” Science (New York, N.Y.) vol. 379,6636 (2023): eadd9330. doi:10.1126/science.add9330
編譯作者：香蕉牛奶（brainnews創(chuàng)作團(tuán)隊(duì)）
校審：Simon（brainnews編輯部）
