Detta är den första konnektomen med synaptisk upplösning för en vuxen organisms hela centrala nervsystem, en skala som får tidigare försök att blekna . Hela datasetet är fritt tillgängligt på flywire.ai och håller redan på att förändra hur forskare studerar sambandet mellan hjärnkretsar och beteende .
Den centrala upptäckten är en komplett reservdelslista och kretsdiagram för en hjärna som kan gå, flyga, äta, uppvakta och lära sig. Forskarna klassificerade flugans neuroner i mer än 8 400 olika celltyper, vilket avslöjar en häpnadsväckande mångfald av neural arkitektur . Kartan visar hur sensorisk information strömmar in i hjärnan, bearbetas och utlöser motoriska kommandon i bukgangliekedjan – vilket ger forskare en direkt siktlinje från sensoriskt intryck till handling .
Några fakta om projektet:
Med ett komplett kopplingsschema i handen kan neuroforskare äntligen spåra hur specifika kretsar skapar specifika beteenden. Forskare kan börja med en sensorisk neuron – till exempel en som reagerar på en doft – och följa synaptiska kopplingar genom bearbetningscenter hela vägen till de motorneuroner som styr rörelse . Denna fullständiga överblick var omöjlig innan konnektomen fanns.
Bananflugan är redan en tung modellorganism för studier av mänskliga sjukdomar. Konnektomen låter nu forskare undersöka hur genetiska mutationer kopplade till neurologiska störningar hos människa förändrar den neurala kopplingen, vilket ger ett lätthanterligt system för att förstå sjukdomsmekanismer . Den utgör också en ritning för att skala upp konnektomik till större arter, med en tydlig väg mot att kartlägga mushjärnan och, en dag, den mänskliga hjärnan .
Artificiella neurala nätverk har inspirerats av biologin i åratal, men flugans konnektom erbjuder något fundamentalt annorlunda: en fullständigt kartlagd biologisk arkitektur som har utvecklats för att lösa verkliga problem med extrem energieffektivitet . Ingenjörer kan studera flugans kretsmotiv direkt och använda dem för att designa nya neuromorfiska datachip och algoritmer som fungerar mer som en hjärna och mindre som dagens skiktade djupinlärningssystem.
Lika viktiga är de AI-verktyg som utvecklades för att bygga själva konnektomen. Projektet förlitade sig på maskininlärning för att automatiskt segmentera neuroner från elektronmikroskopibilder och sedan förfina dessa segment. Samma AI-tekniker är direkt överförbara till framtida konnektomikprojekt i större djur, vilket snabbar på framstegen inom hela fältet .
Flugans nervsystem integrerar syn, lukt, känsel och proprioception för att styra smidig gång och flykt – allt med endast cirka 140 000 neuroner . Att förstå hur denna kompakta kretsuppsättning åstadkommer robust navigering och hinderundvikelse i realtid kan leda till radikalt enklare och mer strömsnåla kontrollsystem för drönare och mikrorobotar . Istället för skrymmande processorer som kör massiva AI-modeller skulle framtidens autonoma robotar kunna förlita sig på lätta, fluginspirerade kretsar som reagerar på omvärlden med samma snabbhet och precision.