Dette er det første konnektomet med synaptisk oppløsning for et helt sentralnervesystem hos noe voksent dyr, en skala som overskygger alle tidligere forsøk . Datasettet er fritt tilgjengelig på flywire.ai, og det forandrer allerede hvordan forskere studerer koblingen mellom hjernekretser og atferd .
Kjerneoppdagelsen er en komplett deleliste og kretsdiagram for en hjerne som kan gå, fly, spise, kurtisere og lære. Forskerne klassifiserte fluens nevroner i mer enn 8 400 distinkte celletyper, noe som kaster lys over en forbløffende arkitektonisk mangfoldighet . Koblingskartet viser hvordan sanseinformasjon strømmer inn i hjernen, prosesseres og utløser motoriske kommandoer i nervesnoren – og gir forskere en direkte siktelinje fra sansning til handling .
Nøkkelfakta om prosjektet:
Med et fullstendig koblingsskjema i hånden kan nevrovitenskapsfolk endelig spore hvordan bestemte kretsløp produserer bestemt atferd. Forskere kan starte med en sensornevron – for eksempel en som responderer på en lukt – og følge synaptiske forbindelser gjennom prosesseringssentre helt frem til motornevronene som styrer bevegelse . Denne helhetlige oversikten var umulig før konnektomen eksisterte.
Bananfluen er allerede en sentral modellorganisme for å studere menneskelige sykdommer. Konnektomen lar nå forskere undersøke hvordan genetiske mutasjoner assosiert med menneskelige hjernesykdommer endrer den nevrale kablingen, og gir et håndterlig system for å avdekke sykdomsmekanismer . Den etablerer også en blåkopi for å skalere opp konnektomikk til større arter, med en tydelig vei mot å kartlegge musehjernen og, en dag, menneskehjernen .
Kunstige nevrale nettverk har vært inspirert av biologi i årevis, men bananflue-konnektomen tilbyr noe fundamentalt annerledes: et fullstendig kartlagt biologisk arkitektur som har utviklet seg for å løse virkelige problemer med ekstrem energieffektivitet . Ingeniører kan studere fluens kretsmotiver direkte og bruke dem til å designe nye nevromorfe databrikker og algoritmer som opererer mer som en hjerne og mindre som dagens lagdelte dyp-læringssystemer.
Like viktig er de KI-verktøyene som ble utviklet for å bygge selve konnektomen. Prosjektet støttet seg på maskinlæring for å automatisk segmentere nevroner fra elektronmikroskopibilder og deretter forbedre segmentene. De samme KI-teknikkene er direkte overførbare til fremtidige konnektom-prosjekter i større dyr, og akselererer dermed fremdriften i hele feltet .
Fluens nervesystem integrerer syn, lukt, berøring og propriosepsjon for å kontrollere smidig gange og flukt – alt med bare omtrent 140 000 nevroner . Å forstå hvordan dette kompakte kretsløpet oppnår robust, sanntids navigasjon og hindringsunngåelse kan føre til radikalt enklere kontrollsystemer med lavt strømforbruk for droner og mikroroboter . I stedet for klumpete prosessorer som kjører massive KI-modeller, kan fremtidens autonome roboter stole på lette, flueinspirerte kretser som responderer på verden med tilsvarende hastighet og presisjon.
Dette er det første konnektomet med synaptisk oppløsning for et helt sentralnervesystem hos noe voksent dyr, en skala som overskygger alle tidligere forsøk . Datasettet er fritt tilgjengelig på flywire.ai, og det forandrer allerede hvordan forskere studerer koblingen mellom hjernekretser og atferd .
Kjerneoppdagelsen er en komplett deleliste og kretsdiagram for en hjerne som kan gå, fly, spise, kurtisere og lære. Forskerne klassifiserte fluens nevroner i mer enn 8 400 distinkte celletyper, noe som kaster lys over en forbløffende arkitektonisk mangfoldighet . Koblingskartet viser hvordan sanseinformasjon strømmer inn i hjernen, prosesseres og utløser motoriske kommandoer i nervesnoren – og gir forskere en direkte siktelinje fra sansning til handling .
Nøkkelfakta om prosjektet:
Med et fullstendig koblingsskjema i hånden kan nevrovitenskapsfolk endelig spore hvordan bestemte kretsløp produserer bestemt atferd. Forskere kan starte med en sensornevron – for eksempel en som responderer på en lukt – og følge synaptiske forbindelser gjennom prosesseringssentre helt frem til motornevronene som styrer bevegelse . Denne helhetlige oversikten var umulig før konnektomen eksisterte.
Bananfluen er allerede en sentral modellorganisme for å studere menneskelige sykdommer. Konnektomen lar nå forskere undersøke hvordan genetiske mutasjoner assosiert med menneskelige hjernesykdommer endrer den nevrale kablingen, og gir et håndterlig system for å avdekke sykdomsmekanismer . Den etablerer også en blåkopi for å skalere opp konnektomikk til større arter, med en tydelig vei mot å kartlegge musehjernen og, en dag, menneskehjernen .
Kunstige nevrale nettverk har vært inspirert av biologi i årevis, men bananflue-konnektomen tilbyr noe fundamentalt annerledes: et fullstendig kartlagt biologisk arkitektur som har utviklet seg for å løse virkelige problemer med ekstrem energieffektivitet . Ingeniører kan studere fluens kretsmotiver direkte og bruke dem til å designe nye nevromorfe databrikker og algoritmer som opererer mer som en hjerne og mindre som dagens lagdelte dyp-læringssystemer.
Like viktig er de KI-verktøyene som ble utviklet for å bygge selve konnektomen. Prosjektet støttet seg på maskinlæring for å automatisk segmentere nevroner fra elektronmikroskopibilder og deretter forbedre segmentene. De samme KI-teknikkene er direkte overførbare til fremtidige konnektom-prosjekter i større dyr, og akselererer dermed fremdriften i hele feltet .
Fluens nervesystem integrerer syn, lukt, berøring og propriosepsjon for å kontrollere smidig gange og flukt – alt med bare omtrent 140 000 nevroner . Å forstå hvordan dette kompakte kretsløpet oppnår robust, sanntids navigasjon og hindringsunngåelse kan føre til radikalt enklere kontrollsystemer med lavt strømforbruk for droner og mikroroboter . I stedet for klumpete prosessorer som kjører massive KI-modeller, kan fremtidens autonome roboter stole på lette, flueinspirerte kretser som responderer på verden med tilsvarende hastighet og presisjon.