导语：神经科学的一个长期目标是理解神经回路的“结构”如何决定其“功能”。2024年11月22日，《自然·神经科学》在线发表了一项里程碑式研究，来自普林斯顿大学、华盛顿大学等机构的研究团队，通过对斑马鱼幼虫脑干进行突触分辨率的三维电子显微镜重建，绘制了包含约3000个神经元、75000个突触的突触连接图谱。通过图论分析，他们发现脑干并非传统认为的“弥散”结构，而是具有清晰的层级模块化组织：一个模块控制眼球运动，另一个模块控制身体运动。眼动模块进一步分为两个三块循环，为眼动控制中的低维吸引子动力学提供了结构基础。研究团队直接将连接组插入网络模型，成功预测了神经元群体的眼位编码特性和动力学特征，并与双光子钙成像数据高度吻合。该研究代表了脊椎动物神经科学中从结构到功能预测的重大突破。
研究背景：从“连接组”到“功能预测”的挑战
结构-功能关系的未解之谜
尽管近年来连接组学在果蝇、视网膜等系统中取得了巨大进展，但在大多数脊椎动物脑区，神经连接呈现高度递归且缺乏明显的地形结构。在此类情况下，神经编码特性如何从连接结构中涌现，仍是未解之谜。
眼动控制系统的理想模型
本研究聚焦于眼动神经整合器（oculomotor neural integrator），该系统将瞬时的眼速指令信号“积分”为持久的眼位指令信号，维持凝视稳定。该系统具有以下优势：
- 功能明确：神经元活动与眼位呈线性关系
- 动力学清晰：表现为低维吸引子动力学
- 可比较性：钙成像数据可获取，用于验证预测
核心发现之一：脑干连接组的重建与验证
技术路线
| 步骤 | 技术方法 | 关键成果 |
|---|---|---|
| 图像采集 | 连续切片电子显微镜（ssEM） | 250×120×80μm³体积，包含R4-R7/R8脑干 |
| 图像对齐 | Alembic软件包（块匹配+非线性弹性配准） | 亚像素级对齐精度 |
| 自动分割 | 3D卷积神经网络（U-Net架构） | 识别神经元边界 |
| 人工校对 | Eyewire众包平台（“Mystic”等级玩家+专家） | 校对约3000个神经元，准确率>95% |
| 突触检测 | 卷积神经网络（检测突触间隙+分配突触伙伴） | 识别75,163个突触，44,949对连接 |
| 骨架化 | TEASAR算法 | 提取神经元形态和突触位置 |
核心发现之二：脑干连接组的模块化组织
图论分析揭示层级模块
研究团队将连接组建模为有向加权图，使用Infomap算法进行社区检测，发现脑干连接组具有层级模块化结构：第一层分为两个主要模块——眼动模块和身体运动模块；眼动模块进一步分为两个三块循环（triadic loops），分别对应同侧眼动和对侧眼动。这种结构为眼动控制中的低维吸引子动力学提供了直接的解剖学基础。
与钙成像数据的验证
通过双光子钙成像记录，研究团队发现眼动模块中的神经元活动与眼位呈线性相关，且动力学特征与连接组预测的吸引子动力学高度一致。这表明，连接组结构足以解释神经群体的功能特性。
核心发现之三：从连接组预测功能
网络模型构建
研究团队将连接组直接作为网络模型的权重矩阵，模拟了神经元的放电率动力学。模型预测了眼位编码神经元的群体活动模式，并与实验数据定量比较，发现预测的眼位调谐曲线和时间常数与钙成像结果高度吻合（相关系数>0.8）。
功能预测的普适性
该研究还预测了身体运动模块的功能，发现其与游泳行为相关。这提示，连接组结构可能普遍决定了脑干的行为编码模块。
总结与展望
本研究首次在脊椎动物脑干中实现了从突触分辨率连接组到行为编码功能的直接预测，证明了结构决定功能的神经科学核心假设。未来，该技术可推广至其他脑区，如哺乳动物皮层，为理解复杂认知功能提供结构基础。同时，连接组学与人工智能的结合，有望推动类脑计算的发展。
参考文献：Vishwanathan, A., et al. (2024). Modular organization of the zebrafish brainstem connectome predicts behavior encoding. Nature Neuroscience, 27, 2234–2245.