一个生物体的神经系统，包括大脑，是由神经元组成的，这些神经元通过突触相互连接。将讯息以化学物质的形式通过这些接触点，从一个神经元传递到另一个神经元。过去，由电子显微镜 ( electron microscopy, EM ) 对大脑进行完整影像分析，再依此数据重建脑神经电路 ( circuits ) 在技术上一直是个挑战。
日前，由英国剑桥大学和美国霍普金斯大学的科学家，基于 3D 电子显微镜重建了果蝇幼虫 ( Drosophila larva ) 的大脑，发现含有更多的神经元、突触和复杂的组织。这项研究发表于 < Science >，是全球第一张昆虫大脑地图，这些昆虫的大脑连接组的资讯，将为后续大量的理论和研究实验提供基础。
研究团队利用果蝇，发现昆虫大脑连接组宛如突触相接的地图
全脑范围的突触分辨率连接图 ( synaptic-resolution connectivity map ) ，这个连接组对理解大脑如何产生行为相当重要。然而因技术限制，迄今仅绘制了三种生物的完整连接组图，每种生物都有数百个脑神经元：线虫 ( C. elegans )、海鞘 ( Ciona intestinalis ) 的幼虫和海洋环节动物 ( Platynereis dumerilii ) 。较大的大脑（如昆虫、鱼类和哺乳动物）的突触分辨率电路图已通过单独选定的子区域来进行处理。然而，神经计算需跨越空间分散，但相互关联的大脑区域，所以任何一种计算，都需要完整理解大脑连接组及其所有输入和输出。
因此，研究团队创造了果蝇（Drosophila melanogaster）幼虫整个大脑的连接组。这种动物表现出丰富的行为库，包括学习、价值计算和行动选择，并与成年果蝇和大型昆虫共享同源大脑结构 ( homologous brain structures )。强大的遗传工具可用于选择性操作或记录单个神经元类型。因此，在这个易于处理的模型系统中，可以容易地测试关于连接组揭示的特定神经元和电路模体 ( motifs ) 的功能作用的假设。结果显示，果蝇幼虫大脑的完整突触分辨率连接组包含 3,016 个神经元和 548,00 0个突触。
研究团队对大脑电路架构进行了详细分析，包括连接和神经元类型、网络集线器和电路模体。约 73% 大脑的输入输出中枢位于学习中心的突触后或驱动学习的多巴胺的神经元突触前。使用图谱嵌入将基于突触连接的神经元阶层式分为 93 种神经元，这些细胞类型根据形态学和已知功能在内部是一致的。团队同时开发了一种算法来追踪跨多突触通路的全脑讯号传播，并分析了从感觉到输出的前馈和反馈通路、多感觉整合和跨半球相互作用。
大脑为高度循环结构，投射到脑半球对侧的神经元促进了彼此交流
研究团队在整个大脑中发现了广泛的多感官整合，以及从感觉神经元到输出神经元的不同深度的多个互连通路，形成了分布处理的网络。大脑具有高度循环的结构， 41% 的神经元接收远程反复的 ( recurrent ) 输入。然而，这种反复循环分布不均匀，并且在“学习”和“选择行动”的区域中特别高。驱动学习的多巴胺神经元是大脑中最常见的神经元之一。许多投射到大脑半球对侧的 ( contralateral ) 神经元是进出的枢纽并相互突触，促进了广泛的半球间交流。团队还分析了大脑和神经索 ( nerve cord ) 之间的交互作用，发现下行神经元以一小部分运动前元件为目标，这些元件可以在运动 ( locomotor ) 状态之间的切换中发挥重要作用。
大脑有多层捷径与嵌套结构，类似于最先进的深度学习架构
果蝇幼虫的完整脑连接组将成为一项持久的参考研究，为脑功能的大量理论和实验研究提供基础。本研究中产生的方法和计算工具将有助于分析未来的连接体。尽管大脑组织的细节在整个动物界各不相同，但随着未来更多其他生物体的大脑连接体被绘制出来，它们之间的比较将揭示共同的和因此可能最佳的电路结构，以及构成生物体之间行为差异的特殊结构。在果蝇幼虫大脑中观察到的一些结构特征，包括多层捷径 ( multilayer shortcuts ) 和突出的嵌套 ( nested ) 反复循环，在最先进的人工神经网络中被发现，它们可以弥补网络深度的不足并支持相关计算。
因此，这些特征可提高大脑的计算能力，弥补神经元数量有限的遗憾。确定的大脑结构为未来神经回路的实验和理论研究提供了基础，有助于理解大脑计算原理，并可能激发新的机器学习架构。这些捷径和循环类似于人工智能研究中使用的最先进的人工神经网络。团队也表示：“现在有了可参考的大脑图谱，我们可以在阿兹海默症、帕金森氏症以及任何退化性疾病模型中观察彼此连接的变化。”
