PART 1
一份連結體要變成一個會玩遊戲的模型,要再加三個人為的零件,一共四個;四個裡只有連結體來自資料
連結體(connectome)是一張清單:一顆腦裡每一顆神經元、它連到哪些神經元、每一條連結有幾個突觸(synapse:兩顆神經元之間傳訊號的接點;一條連結的突觸愈多,通常影響愈大)。它本身是靜態的,不會動。要讓它「玩遊戲」,fruitfly-lab(一個放在 GitHub 這個公開程式碼網站上的專案;本頁說的「作者」就是寫這個專案的人,「README」是作者附的說明檔)在連結體之外又加了三個零件,一共四個:
| 零件 | 它回答的問題 | 來自資料,還是人為設定 |
|---|---|---|
| ① 連結體 | 誰連到誰、連得多強 | 資料(電子顯微鏡重建:把整顆腦切成極薄的切片逐張拍照,再由電腦與人工沿著每顆神經元在相鄰切片間描出來、數出接點,得到「誰連到誰、幾個突觸」的清單) |
| ② 神經元方程式 | 一顆神經元收到輸入之後怎麼反應 | 人為設定(借用已發表的模型) |
| ③ 輸入編碼 | 遊戲畫面怎麼變成神經元的輸入 | 人為設定 |
| ④ 讀出規則 | 哪些神經元的活動、怎麼換成按鍵 | 人為設定 |
這一頁把四個零件逐一講完(第 2 到 4 節:第 2 節零件 ②、第 3 節零件 ①、第 4 節零件 ③ 與 ④),第 5 節講七個對照條件,最後收成一張總表(第 6 節)。
fruitfly-lab 的每一顆神經元都用漏電整合發放模型(leaky integrate-and-fire,簡稱 LIF)模擬,參數照抄 Shiu 等人 2024 年在 Nature 發表的果蠅全腦模型。這個模型只追蹤一個量:神經元的膜電位(細胞內外的電壓差,單位 mV)。膜電位夠高就「放電」一次,放電是神經元之間唯一的訊號。下面先列方程式,再用水桶比喻走一遍,接著是參數表,最後是可以自己操作的圖 1。
| 參數 | 值 | 意思 |
|---|---|---|
| Vrest | −52 mV | 靜止膜電位,也是放電後拉回的值 |
| Vth | −45 mV | 放電閾值 |
| τm | 20 ms | 膜時間常數:漏得多快 |
| τsyn | 5 ms | 突觸時間常數:上游一次放電把 g 推高之後,g 衰減得多快。「每過 5 ms 剩約 37%」是指數衰減的定義:時間常數 τ 的意思就是每過一個 τ,剩下的量變成原來的 1/e ≈ 37%,再過一個 τ 又乘 37%。它決定一次輸入能推膜電位多久,也決定幾個輸入要多靠近才疊得起來。為什麼是這樣衰減、5 ms 從哪來,見表下的附註 |
| 不反應期 | 2.2 ms | 放電後這段時間內不會再放電(受外部刺激的 LC10a 例外:抽中就放電,見圖 1 第 ⑦ 步)。順序是:放電那一刻 g 歸零 → 接下來 2.2 ms 兩條方程式暫停,V 停在 Vrest、g 不衰減,但期間到達的輸入照樣加進 g → 結束後兩式恢復,存起來的 g 才開始推 V 並衰減 |
| 每個突觸的權重 | 0.275 mV | 一條連結的強度 = 突觸數 × 正負號 × 0.275 mV。0.275 mV 是 Shiu 等人為全腦模型挑的單一突觸強度,不是量出來的;正負號看上游那顆神經元的傳導物質(放電時釋放給下游的化學訊號):GABA 與麩胺酸為負,其餘(乙醯膽鹼、多巴胺、章魚胺、血清素)為正;精確的算法見表下附註「連結權重的精確定義」。傳導物質是 FlyWire(做出這份連結體的計畫,第 3 節細講)用電子顯微鏡影像以機器學習預測的,附在資料裡,所以算資料,但是預測值,不是逐顆實驗確認的 |
| 傳遞延遲 | 1.8 ms | 上游放電到下游收到的時間 |
| 模擬時間步長 | 0.1 ms | 電腦每 0.1 ms 更新一次所有神經元 |
這張表哪些是量出來的:只有「正負號」來自資料(FlyWire 的預測)。其餘每一個數值都是 Shiu 等人為全腦模型採用的同一組通用值,整顆腦 13 萬多顆神經元都用這一組,不是逐顆量出來的;真實神經元的這些性質各不相同。所以第 1 節把方程式整個歸在「人為設定」。
參數出自 fruitfly-lab 的 README 第 32–33 行(程式庫本身叫 repo,後面會一直用這個詞)(引用 Shiu et al. 2024, Nature);程式在 flycircuit/lif.py。
定義。上游神經元 i 到下游神經元 j 的權重是
wij = si × nij × Wsyn, Wsyn = 0.275 mV
i 每放電一次,1.8 ms 後 j 的 g 加上 wij:gj ← gj + Σi wij(Σ 只加 1.8 ms 前那一步有放電的 i)。wij 的單位是 mV,就是上面第一式裡 g 的單位。
nij:突觸數。i 到 j 之間的突觸個數,取自 Shiu 等人的連線表 Connectivity_783.parquet 的 Connectivity 欄。這張表 15,091,983 列,每列是一對有連結的神經元,突觸數最少 1 個、最多 2,405 個。子圖內部的連結全部保留,不論幾個突觸;第 3 節的「突觸數 5 個以上」只用在挑神經元。
si:正負號,只看上游。si 是 +1 或 −1,由上游 i 一顆決定,i 送出的每一條連結都同號(表上 138,005 顆有送出連結的神經元全部如此)。Shiu 等人論文 Methods 的規則:FlyWire 替每個突觸預測一種傳導物質,只用預測可信度(cleft score)50 以上的突觸;一顆神經元若超過一半的突觸被預測為 GABA 或麩胺酸,s = −1,否則 s = +1;多巴胺、章魚胺、血清素都歸 +1。連線表的 Excitatory 欄存的就是 si,Excitatory x Connectivity 欄存 si × nij(逐列核對過,全部相符)。作者 extract.py 第 109 行讀的就是這一欄,lif.py 第 33 行再乘 0.275 mV。
因為是逐個突觸投票,si 和 FlyWire 註解檔的 top_nt 欄(整顆神經元最可能的那一種傳導物質)不完全一致:top_nt 標 GABA 的 19,079 顆裡有 1,348 顆是 +1,標乙醯膽鹼的 85,881 顆裡有 1,719 顆是 −1。模型用的是 si,不是 top_nt。
沒有正規化。wij 不除以任何總數:下游收到的突觸越多,被推得越用力。子圖的 354,879 條連結裡,si × nij 從 −2,405 到 +598,換成權重是 −661.375 mV 到 +164.45 mV;134,437 條是負的。作者存檔時壓成 16 位元整數,這個範圍放得下,沒有任何一條被截斷。
兩群之間的加總(圖 2 的數字)。WAB = Σi∈A Σj∈B wij。例如左 LC10a → 左 AOTU019 有 69 條連結,s × n 加起來 1,291,× 0.275 mV = 355.025 mV,圖上寫 +355;除以 LC10a 左側的 115 顆,就是第 2 節說的「平均一顆約 3 mV」。
0.275 mV 怎麼挑的。論文說 Wsyn 是整個模型唯一的自由參數,挑法是讓糖味受器以 100 Hz 刺激時,控制伸口器的運動神經元 MN9 放電達到最大值的約 80%。
和 21 點那一課不同。fly_blackjack 的權重是突觸數 ÷ 下游神經元在那一層收到的突觸總數,每顆下游神經元的輸入權重加起來是 1,而且全部是正的,不看傳導物質。
原文:Shiu et al. 2024, Nature 634:210–219,Methods(Europe PMC 開放全文 PMC11446845);實測數字出自 out/weight_def.json(scripts/weight_def_probe.py 直接讀連線表與作者的 circuit/edges.bin)。
生物上的意思。上游放電時,突觸釋放傳導物質,打開下游細胞膜上的受體通道,離子流進來,這股電流就是 g 代表的東西。傳導物質很快被清掉或脫離,打開的通道一個一個關上。假設每個打開的通道在每一瞬間都有同樣的機率關上、彼此不相干,那麼還開著的通道愈多,每毫秒關掉的就愈多:g 減少的速度和 g 本身成正比,寫成式子就是 dg/dt = −g ÷ τsyn,解出來就是「每過 τsyn 剩 37%」的指數衰減。實驗記錄到的突觸電流,大致也是很快升起、再接近指數地衰減下來。所以「指數衰減」這個形狀有生物依據。
簡化了什麼。一、上升是瞬間的,真實的突觸電流要零點幾到幾毫秒才升到頂。二、興奮、抑制、整顆腦所有突觸都用同一個 τsyn,真實的各種受體快慢差很多。三、g 直接用 mV 計,抑制的效果不隨當下的膜電位改變;真實的突觸電流大小會隨膜電位變(Jürgensen 等人的模型就有算這一點,見下面)。四、沒有連續放電之後變弱或變強這類突觸可塑性。這樣寫的好處是算得快:式子是線性的,上游所有輸入直接加進同一個 g、一起衰減,每顆神經元只要記一個 g,13 萬多顆神經元才跑得動。
5 ms 的出處。Shiu 等人論文的 Methods 寫「τ = 5 ms(突觸衰減的時間尺度)」,引的是 Jürgensen 等人 2021 年的論文(Neuromorphic Computing and Engineering 1:024008),不是 Vrest、Vth、τm 引用的 Kakaria 與 de Bivort 2017。Jürgensen 等人做的是果蠅幼蟲的嗅覺迴路模型,參數表把興奮性突觸的時間常數設為 5 ms、抑制性的設為 10 ms,表上沒有附實驗出處。Shiu 等人只取了 5 ms,抑制也用 5 ms。
對照:Kakaria 與 de Bivort 2017。Vrest −52 mV、Vth −45 mV、τm 20 ms 出自這篇。他們說這組參數對應「一般的放電神經元」,並和果蠅的一些量測相符:Vrest 引 Rohrbough 與 Broadie 2002、Sheeba 等人 2008;Vth 引 Sheeba 等人 2008、Gouwens 與 Wilson 2009;τm = 膜電阻 10 MΩ × 膜電容 0.002 μF = 20 ms,電阻與電容引 Gouwens 與 Wilson 2009。這篇的突觸電流先花 2 ms 升起、再指數衰減,衰減的半衰期是 5 ms(引 Gaudry 等人 2013,這篇我們沒有再往下查)。半衰期是剩一半的時間,換成時間常數約 7.2 ms(5 ÷ ln 2),和 Shiu 等人的 5 ms 不是同一個數。
結論。突觸輸入照指數衰減,有生物依據,也是計算神經科學的標準簡化。5 ms 是從另一個果蠅模型借來的通用值,不是在 LC10a、AOTU019 這些神經元上量到的;它和膜電位那幾個參數一樣,整顆腦共用同一個值,所以第 1 節把整條方程式歸為人為設定。
讀的原文:Shiu et al. 2024, Nature 634:210–219(PMC11446845,Methods)與作者程式 Drosophila_brain_model/model.py 的參數註解;Jürgensen A-M, Khalili A, Chicca E, Indiveri G, Nawrot MP 2021, Neuromorph. Comput. Eng. 1:024008(開放全文,表 1);Kakaria KS, de Bivort BL 2017, Front. Behav. Neurosci. 11:8(PMC5306390,Methods)。查證紀錄在 out/lif_sources.json。
下面圖 1 把方程式和水桶放在一起動:左邊是水桶,右邊是同一顆神經元的 g 與 V 隨時間怎麼變。七步各演一件事,每一步播完都可以自己按「+1 興奮」「+1 抑制」送輸入試試看。
model.py 的註解:no refractory period for Poisson targets);fruitfly-lab 的 lif.py 寫法不同(放電後照樣暫停 2.2 ms 不積分,但抽中時檢查「過刻度」不看不反應期),結果一樣是抽中就放電。r = 100 時約 19.6%、r = 150 時約 28.2% 的放電落在前一次之後 2.2 ms 內。參數表「不反應期」那一列說的「這段時間內不會再放電」,只適用於收上游輸入的神經元。flycircuit/lif.py 的 _kernel(每 0.1 ms 一步:收到期的輸入 → 不反應期外才積分與衰減 → 外部刺激 → 過刻度就放電);參數讀作者 circuit/meta.json。步驟裡的數字由 scripts/lif_fig_data.py 用同一套規則在 Python 裡算出,在 out/lif_fig.json;圖由 scripts/make_lif_anim.py 產生(圖裡的文字要改在那裡)。簡報要演示的話:圖 1 單獨頁只有這張圖,版面配合 16:9 投影片,功能和上面一樣,可以用 PowerPoint 的網頁增益集嵌進投影片(要能上網),也可以下載後用瀏覽器直接開(單一檔案,不用網路);鍵盤 ← → 換步驟、空白鍵暫停、R 重播、E/I 送興奮/抑制輸入、S 換速度、D 顯示這一步的說明。不想用瀏覽器的話,投影片用圖有九個畫面(七步,第 ④ 步多一張不反應期當下、第 ⑥ 步多一張上游 150 顆),每個都有 PNG 與 SVG,一張投影片放一個畫面即可;壓縮檔裡也附了單獨頁。
FlyWire v783 是一隻雌果蠅全腦的連結體,有 138,639 顆神經元、15,091,983 條連結。fruitfly-lab 不模擬整顆腦,而是切出其中一段已經被研究清楚的視覺追蹤迴路:這段迴路在真果蠅裡的工作是看到小的移動物體就轉過去追,遊戲要做的也是轉向對準敵人,所以挑它。切出來的這一小塊叫子圖(subgraph),共 3,963 顆神經元。
迴路的起點是 LC10a:一群偵測「視野裡小而移動的物體」的視覺神經元,左半腦 115 顆(接收左眼的訊號)、右半腦 119 顆。終點是五種控制轉向的下行神經元(descending neuron:從腦往下送訊號到腹神經索、控制身體動作的神經元),五種是 DNa01、DNa02、DNa03、DNa04、DNa11,切子圖時五種都當終點,決定哪些神經元留在子圖裡。
第 4 節把放電換成按鍵時,五種裡只用 DNa02,再加上中間的 AOTU019(下面要講的兩種中間神經元之一,不是下行神經元);為什麼不用另外四種,作者沒寫。README 的迴路圖也只畫從 LC10a 經 AOTU019、AOTU025 到 DNa02 這一條路。從 LC10a 到 DNa02 中間經過兩種神經元:
上面兩條是連結體資料:傳導物質是 FlyWire 預測的;投射到哪一側在連結體裡查得到,下面圖 2 的接線就是(AOTU019 的抑制連結接到對側的 DNa02、AOTU025 的興奮連結接到同側的),README 也這樣寫。這兩條也有實驗支持(Collie 等人 2026,Neuron):AOTU019 是 GABA,除了機器預測,還用 GABA 合成酶 Gad1 的基因標記確認過;在走路的果蠅身上往單顆 AOTU019 或 AOTU025 打正電流、讓它興奮,果蠅都轉向那顆細胞那一側(兩種各 n = 15),往 AOTU019 打負電流、讓它受抑制,果蠅轉向另一側(n = 8),AOTU025 受抑制則沒有顯著效果(n = 5)。兩條路的效果一樣,都讓「物體那一側的下行神經元比另一側活躍」:同側興奮與對側抑制都拉大左右差,論文叫它「蹺蹺板式轉向控制」。沒有直接量到的一步是「AOTU019 放電時,對側 DNa02 真的被壓低」:本課讀到的原文裡沒有同時記錄這兩顆細胞的實驗,這一步是從接線、傳導物質與打電流後的轉向推出來的。連結體本身不會直接告訴你一顆神經元負責視野的哪一塊。本頁後面會一直說 AOTU019 負責中央視野、AOTU025 負責外圍視野:這個分工的方向有一篇研究的連結體分析與電生理實測支持(Collie 等人 2026,Neuron,見下面附註),但那篇研究量到兩者的視野相當重疊,不是一刀切。README 第 21、22 行把它寫成 AOTU019 是 central field 0–40°、AOTU025 是 periphery 40–90°(離正前方的偏角,左右皆然,和第 4 節的方位角同一把尺),這兩個角度是作者的概括,論文裡沒有這個分界。作者再把這個分工拿來設定第 4 節的輸入編碼,做法也和論文不同(見附註),所以在這個模型裡它是人為設定。
出處。Collie MF, Jin C, Rockwell V, Kellogg E, Vanderbeck QX, Hartman AK, Holtz SL, Wilson RI. Specialized parallel pathways for adaptive control of visual object pursuit. Neuron 114(10):1833–1847.e9 (2026). doi:10.1016/j.neuron.2026.01.001(PubMed 41713413;預印本 bioRxiv)。本課讀的是 bioRxiv 的第一版(2025 年 4 月)與修訂版(2025 年 11 月)全文;Neuron 正式版的網頁本課抓不到,卷期頁碼由 Europe PMC 的書目資料核對。
依據一:連結體。LC10a 把視野依序排在視葉的小葉(lobula)上,投射到 AOTU 時保留這個順序。論文發現 AOTU019 主要收負責內側(前方)視野的 LC10a,AOTU025 主要收負責側方視野的;再用每種 AOTU 收到的 LC10a 輸入在小葉內外軸上的分布,推估它的視野範圍(推估時納入 15° 的雙眼重疊)。用了兩份連結體:雌蠅的 FlyWire 與雄蠅的 MaleCNS。
依據二:電生理。對頭部固定、在球上走路的果蠅做全細胞記錄(把電極接上單顆神經元、直接量它的放電),在環繞的螢幕上讓小物體出現在隨機位置、以每秒 25° 橫移 22.5° 後消失,逐點量反應。雄蠅記了 AOTU019 25 顆、AOTU025 22 顆,雌蠅各 9 顆;記錄時用光遺傳學讓果蠅處於激發狀態(雄蠅刺激 P1 神經元、雌蠅刺激 aIPg),確保 AOTU 對視覺有反應。結果:AOTU019 對正前方附近的物體反應最強,AOTU025 對外圍的最強,雌雄一樣;兩者的視野相當重疊,物體從外圍移到中央時兩者會同時活化、平順交接(論文圖 4 的標題就是「平行的 AOTU 路徑編碼部分重疊的視野區域」)。
和 fruitfly-lab 的差別。① 0–40°、40–90° 這兩個角度不在論文裡,是 README 的概括。② 論文用每顆 LC10a 在小葉上的位置推估視野;fruitfly-lab 改用每顆 LC10a 接到 AOTU019 與 AOTU025 的突觸占比當偏好位置(第 4 節第 2 步),沒有用到位置,兩種做法不一樣。③ 論文推估視野時用 15° 的雙眼重疊;fruitfly-lab 的雙眼重疊區是正前方 ±6°(BINO),作者沒寫這個數字的出處。
同一篇論文的另一件事:興奮同側、抑制對側。正文第 3 節「AOTU019 抑制對側、AOTU025 興奮同側」的實驗根據也出自這篇:Gad1 基因標記確認 AOTU019 是 GABA(論文 Fig. S3B),打電流改變單顆 AOTU 細胞的放電、看果蠅往哪轉(論文 Fig. 4B)。原文摘錄與各組 n 存在查證紀錄的 ipsi_contra_evidence。
查證紀錄:out/collie2026.json。
AOTU019 與 AOTU025 在這個模型裡各管什麼、為什麼下面圖 2 裡 AOTU019 到對側 DNa02 的那條虛線(抑制)在這個模型裡沒作用,要等第 4 節講完讀出規則才答得了,答案在第 4 節末尾的五點。
out/demo_data.json 的 circuit.edges 而來(從作者的 circuit/edges.bin 加總)。圖 2 的八個數字怎麼算。每個數字是兩群之間所有連結的權重加總:每條連結先算「突觸數 × 正負號」,全部加起來,再乘每個突觸 0.275 mV(第 2 節附註「連結權重的精確定義」)。正負號看上游那顆神經元預測的傳導物質,麩胺酸與 GABA 為負。下表把八個數字拆開:
| 從 → 到 | 有連過去的上游 | 突觸數 | 每條連結的突觸數:最少/中位數/最多(不到 5 個的條數) | 正號突觸 − 負號突觸 = 加總 | × 0.275 mV(圖上) |
|---|---|---|---|---|---|
| 左 LC10a → 左 AOTU019 | 115 顆裡 69 顆 | 1,345 | 1/19/56(16 條) | 1,318 − 27 = 1,291 | 355.025(+355) |
| 右 LC10a → 右 AOTU019 | 119 顆裡 75 顆 | 1,594 | 1/17/60(18 條) | 1,594 − 0 = 1,594 | 438.35(+438) |
| 左 LC10a → 左 AOTU025 | 115 顆裡 62 顆 | 1,446 | 1/22/55(10 條) | 1,407 − 39 = 1,368 | 376.2(+376) |
| 右 LC10a → 右 AOTU025 | 119 顆裡 67 顆 | 1,373 | 1/19/55(15 條) | 1,373 − 0 = 1,373 | 377.575(+378) |
| 左 AOTU025 → 左 DNa02 | 1 顆 | 167 | 只有 1 條 | 167 − 0 = 167 | 45.925(+46) |
| 右 AOTU025 → 右 DNa02 | 1 顆 | 154 | 只有 1 條 | 154 − 0 = 154 | 42.35(+42) |
| 左 AOTU019 → 右 DNa02 | 1 顆 | 216 | 只有 1 條 | 0 − 216 = −216 | −59.4(−59) |
| 右 AOTU019 → 左 DNa02 | 1 顆 | 121 | 只有 1 條 | 0 − 121 = −121 | −33.275(−33) |
四點說明。① 「突觸數」是同一對神經元之間的接點個數,一對神經元之間可以有上百個;所以後四列都只有一條連結,突觸數卻有一兩百。② 左側兩列的負號突觸(27 與 39)來自同一顆 LC10a。234 顆 LC10a 裡有 2 顆被 FlyWire 預測為麩胺酸(本節後面的「模型用到的神經元」表),兩顆都在左側,照規則算抑制;其中一顆同時連到左 AOTU019 與左 AOTU025,就是這兩個負數,另一顆沒有連到這兩種。右側的 LC10a 全部預測為乙醯膽鹼,沒有負號。這裡只說明正負號從哪裡來:模型照機器預測的傳導物質定正負號,這兩顆在真果蠅裡是不是真的抑制下游,本課沒有查。③ 左右不對稱:右側 LC10a 到 AOTU019 的加總(+438)比左側(+355)大,一部分是因為右側連過去的 LC10a 比較多(75 對 69 顆),一部分是左側被那顆麩胺酸 LC10a 扣掉了 27。④ 每條連結的強弱差很多:以左 LC10a → 左 AOTU019 的 69 條為例,突觸最多的一條有 56 個,最少的只有 1 個(有 2 條),一半的連結在 19 個以下。這和圖 2 圖說「平均一顆 LC10a 加約 3 mV」(約 11 個突觸)不矛盾:那個平均是除以左側全部 115 顆,連沒連過去的 46 顆也算進去;這裡只看有連過去的 69 條。模擬時每條連結各自計算,不會用到 +355 這個總數:有 56 個突觸的那顆 LC10a 放電一次,AOTU019 的 g 加 56 × 0.275 = 15.4 mV;只有 1 個突觸的那顆只加 0.275 mV。表裡特別數「不到 5 個」,是因為切子圖時用了「突觸數 5 個以上」這條門檻;但它只用來決定哪些神經元留下,不用來刪連結,所以這些弱連結也照樣保留(本節後面「切法分兩步」那段)。
由 scripts/subgraph_types.py 從作者的 circuit/edges.bin 與 circuit/meta.json 算出,在 out/subgraph_types.json 的 fig2_edges 與 lc10a_glutamate_side。
圖 2 補充:主幹在全部接線裡只占一小部分。圖 2 只畫作者程式有指定用途的四種:加輸入的 LC10a、讀出的 AOTU019 與 DNa02、損毀實驗(讓一對神經元整場不放電,看成績掉多少,第 5 節)用的 AOTU025。實際接線散得多。下面三組比例都用突觸數算(不管正負號),而且只算子圖 3,963 顆之間的連結;每一組的「全部」不一樣,寫在開頭:
TuTuAa、AOTU041、PS049 這些是 FlyWire 標註的細胞種類名稱,本課沒有逐一介紹。所以訊號從 LC10a 傳到 DNa02,大部分走的是圖上沒畫的其他神經元,不是這三站直接接力。這些沒畫的接線會改變結果,PART 4 的 E4 有一個例子:它比較兩種模擬,一種只模擬子圖,一種用 Shiu 等人的程式模擬全腦 138,639 顆神經元,兩邊都只刺激右眼的 LC10a。右側 DNa02 的放電率在子圖裡是 4.4 Hz,在全腦裡是 61.6 Hz。原因之一是 PS049:它是會抑制 DNa02 的神經元(傳導物質預測為 GABA),在子圖裡反而比在全腦裡更活躍(115.2 對 89.8 Hz)。這裡說的是右側那顆 PS049。照直覺,子圖切掉了外面的輸入,神經元應該變安靜;但如果切掉的是抑制性的輸入,神經元反而會更活躍。E4 算出 PS049 直接從子圖外收到的輸入很少,所以變化不是直接來的。比較可能的路徑是:子圖裡送訊號給 PS049 的那些神經元,自己從子圖外收到的輸入被切掉了,活動跟著改變,再傳到 PS049。是哪一條被切掉的輸入造成的,E4 沒有查。主幹以外的接線對遊戲成績的整體影響有多大,本課沒有單獨檢查。
突觸數占比由 scripts/subgraph_types.py 從作者的 circuit/edges.bin 算出,在 out/subgraph_types.json 的 backbone_share;子圖與全腦的放電率出自 out/fruitfly/E4_asymmetry.json(PART 4 E4)。
切法分兩步。第一步挑神經元:只沿著突觸數 5 個以上的連結走,從 LC10a 往下游走最多 2 步、從那五種下行神經元往上游走最多 2 步,兩邊都走得到的神經元留下來,再加上起點與終點。第二步接線:留下來的神經元之間,連結體裡有的連結不論強弱全部保留,4 個突觸、1 個突觸的也留。所以「5 個以上」只用來決定誰留下,不用來刪連結。結果是 3,963 顆神經元、354,879 條連結,其中 38% 是抑制性連結(上游放電會把下游的 g 往負的方向推,見第 2 節;這個比例說的是「抑制」在這段迴路裡不是少數,上面的 AOTU019 就是其中之一)。5 與 2 這兩個數是作者挑的,README 沒有說明理由。子圖裡的接線全部是量出來的,沒有一條是人加的。
切出來的 3,963 顆在腦裡分佈在哪,見圖 3。
圖 3 切出來的 3,963 顆神經元,細胞體在腦裡的位置。要帶走的一件事:子圖不是一塊,而是散在中央腦(兩個視葉中間那一塊)和視葉(眼睛後面處理視覺的腦區,圖上兩側的大圓)內側的三千多顆,圖 2 只畫了其中 8 群。細胞體是神經元的本體,纖維從這裡長出去伸進腦內,和別的神經元接線都在纖維上。極淡灰是全腦的輪廓:FlyWire 標註表(FlyWire 附的一張表,每顆神經元一列,有細胞體座標、左右側、細胞種類等欄位)裡有細胞體座標的 118,104 顆,果蠅的細胞體都排在腦的表面,點一多,輪廓就自己浮出來。深灰是切出來的 3,963 顆。四種上色:LC10a 234 顆(左 115、右 119)擠在視葉與中央腦交界的上側,左右各一團;AOTU019、AOTU025、DNa02 左右各一顆,都在腦的前方。這張圖只畫細胞體,不畫神經元的形狀,所以看不出誰連到誰,連到哪裡要看圖 2。
由 scripts/make_soma_fig.py 從 FlyWire 的標註表(作者 repo 裡的 data/flywire_annotations_783.tsv)與作者的 circuit/meta.json 畫出。底圖只有 118,104 點,是因為兩萬多顆神經元的細胞體在腦外、表裡沒有座標;標註表沒標哪邊是前、哪邊是上,方向是用兩群位置已知的神經元算出來的。細節在下面的附註,數字在 out/soma_fig.json。
對帳:標註表 139,248 列,模型用的是 138,639 顆,淨差 609 = 標註表多的 623 列(多半是感覺神經元,模型沒收)− 模型多的 14 顆(不在標註表裡)。139,248 列裡 21,144 列沒有細胞體座標,多半是感覺神經元(16,897 列),細胞體在腦外的觸角、口器、身體上,所以底圖只有 118,104 點。3,963 顆裡有 5 顆沒有細胞體座標,作者的 meta.json 改用標註表另一欄的代表點(神經元上的某一點),圖上照畫。
方向:點一多,輪廓看得出形狀,但腦的形狀左右對稱、前後上下也分不出來;標註表裡每顆細胞體只有 x、y、z 三個數。所以拿兩群已知一上一下的神經元(Kenyon 細胞是細胞體在腦背側的一群、下行神經元的細胞體偏腹側,這是解剖文獻早就知道的),各算細胞體的平均位置,兩個平均點的連線方向就是上下;前後同理(觸角葉投射神經元的細胞體在腦前方、Kenyon 細胞與視葉最後方的 T4/T5 在後);左右直接用標註表的 side 欄。
下表只列程式實際用到的四種:在哪裡加輸入、從哪裡讀輸出、損毀實驗動哪幾顆。「作用」指的是在這個模型裡程式怎麼用它,不是它在真果蠅裡做什麼。傳導物質是 FlyWire 的預測(第 2 節)。
| 種類 | 顆數 | 傳導物質 | 在模型裡的作用 |
|---|---|---|---|
| LC10a(視覺投射神經元) | 234(左 115、右 119) | 乙醯膽鹼 232、麩胺酸 2 | 迴路的起點,也是唯一接收輸入的地方:第 4 節把敵人方位換成它們的隨機放電。切子圖時從它往下游走 |
| AOTU019 | 2(左右各 1) | GABA(抑制) | 收同側 LC10a,抑制對側 DNa02。被讀出:轉向公式的一項(左右差),兩側都亮就開火。作者設定它負責中央視野;lesion 損毀它 |
| AOTU025 | 2(左右各 1) | 乙醯膽鹼(興奮) | 收同側 LC10a,興奮同側 DNa02。不直接讀,影響經由 DNa02 表現。作者設定它負責外圍視野;lesion、lesion025 損毀它 |
| DNa02(下行神經元) | 2(左右各 1) | 乙醯膽鹼 | 切子圖的終點之一。被讀出:轉向公式的另一項(左右差) |
這四種就是圖 2 的 8 群、240 顆。子圖其餘 3,723 顆沒有人為指定的角色:不加輸入、不讀輸出、不損毀,模擬時照算,它們做什麼完全由接線決定。
其餘 3,723 顆是什麼。照 FlyWire 標註表的大類分成三份:
只有 LC10a 收到「看見」的訊號。真果蠅裡,上面這 1,799 顆視覺神經元的訊號來自眼睛(經過視葉),看到東西時,反應的不只是 LC10a。模型沒有「從眼睛到 LC10a」這一段(眼睛收光,視葉裡一層層處理之後才交給 LC10a):遊戲只回報敵人的方位和大小,作者用一條公式直接換成 LC10a 的放電(第 4 節),所以 LC10a 以外的視覺神經元全都沒有外部輸入,只能從子圖裡的連結收到訊號,其中 1,009 顆直接收 LC10a 的連結(不論幾個突觸)。它們會被切進子圖,是因為從 LC10a 往下游兩步內走得到、又能在兩步內走到下行神經元(上面的切法),不是因為作者要它們看東西。換句話說,在這個模型裡「看到敵人」只等於「LC10a 放電」;這是輸入編碼的簡化,算人為設定(第 6 節總表)。這些視覺神經元在模型裡被 LC10a 推動之後放電多少、對結果有沒有影響,本課沒有查。
顆數與傳導物質由 scripts/subgraph_types.py 從作者的 circuit/meta.json 數出,數字在 out/subgraph_types.json(其餘 3,723 顆的分類在 other、dn_other4、unread_visual;「直接收 LC10a 的連結」照作者的 circuit/edges.bin 數);「作用」一欄與「只刺激 LC10a」出自 doom/fly_doom.py(stim_rates() 只給 LC10a 放電率,其餘一律是 0;讀出公式;make_policy() 的損毀名單)。
遊戲是 ViZDoom(把經典射擊遊戲 Doom 包成研究用環境的套件)的 defend_the_center 關卡:玩家站在圓形場地中央,只能左轉、右轉、開火,敵人從四周走過來。遊戲每秒更新 35 次,每一次叫一格(tic),一格是 1/35 秒 ≈ 28.6 ms。遊戲每前進一格,模型就把大腦也往前推 28.6 ms,也就是 286 個 0.1 ms 的步長,讓遊戲裡的 1 秒等於大腦裡的 1 秒;這 286 步裡每顆神經元放電幾次,除以 28.6 ms,就是這一格的放電率;同一群取平均,再和前幾格的值平滑(見下面圖 5 第 ① 步),拿去決定按哪個鍵。
模型沒有看遊戲畫面的像素。ViZDoom 會直接回報畫面上每個物體的位置,程式從中換算出 LC10a 的刺激,分四步:
fly_doom.py 的 FLY_SCALE = 2.0,作者的設定)。敵人在右邊就刺激右眼的 LC10a,在左邊就刺激左眼的;正前方 ±6° 以內兩側同時受刺激(這一塊叫雙眼重疊區;±6° 是作者定的常數,fly_doom.py 的 BINO = 6.0,人為設定)。fly_doom.py 的 pref_ecc);敵人的方位取絕對值(左右已在第 1 步分開)再除以 90°,也變成 0 到 1。接著看這兩個數差多少:差 = |偏好位置 − 敵人方位|,代進一條鐘形曲線得到「接近程度」= e−差² ÷ (2 × 0.3²)(0.3 是作者定的調諧寬度,fly_doom.py 的 SIGMA = 0.3,人為設定)。差 0 時接近程度是 1(滿格),差 0.3 剩 61%,差 0.5 剩 25%,差 0.9 只剩約 1%。舉例:敵人在右方 45°,換成 0.5;右眼偏好位置 0.5 的 LC10a 差 0,拿滿格;偏好 0.2 或 0.8 的差 0.3,拿 61%;偏好 0(正前方)或 1(最外圍)的差 0.5,只拿 25%。下面圖 4 的第 ④ 步畫的就是這條曲線。換成角度說,就是占比 1 當作偏好 0°、占比 0 當作偏好 90°。有 49 顆 LC10a(左 25、右 24)跟同側的 AOTU019、AOTU025 一條連結都沒有,算不出占比,程式一律給它們偏好位置 0.5(正前方與最外圍的中間),這是程式的預設值,不是資料。偏好位置和敵人方位接近的那幾顆刺激最強,離得遠的幾乎不刺激。這是用接線「代替」真正的視野位置(真實果蠅每顆 LC10a 看哪一塊視野,要由複眼的光學量測決定,資料裡沒有),README 把它標為人為設定。Drosophila_brain_model 的 model.py)的預設值,程式註解說 250 倍「足以引發放電」,論文本身沒有說明這兩個數怎麼來。論文只寫「用 Poisson 分布的輸入刺激特定神經元」,實際的刺激頻率依實驗調整(例如糖味受器 10–200 Hz、水味受器 20–260 Hz),並說模型的絕對放電率不一定準,該看的是不同條件之間的相對差異(Shiu et al. 2024, Nature 634:210–219,Methods)。所以在這個模型裡它們是人為設定:選 250 倍的目的只是讓「抽中一次」等於「放電一次」,刺激頻率就能直接當成放電率來讀。畫面上同時有好幾個敵人時,每個敵人各自走完前三步,落在同一顆 LC10a 上的放電率加起來,加到 150 次就不再加。所以同一個畫面,每次跑出來的 LC10a 放電時刻都不同,這就是 PART 3 第 1 節判定標準裡「模型有隨機雜訊」的來源。doom/fly_doom.py 的 enemies() 與 FlyBrain.stim_rates();常數與 234 顆的偏好位置由 scripts/encode_fig_data.py 從作者原始碼與 circuit/meta.json 抓出,在 out/encode_fig.json;圖由 scripts/make_encode_anim.py 產生(圖裡的文字要改在那裡)。簡報要演示的話:圖 4 單獨頁只有這張圖,版面配合 16:9 投影片,功能和上面一樣,可以用 PowerPoint 的網頁增益集嵌進投影片(要能上網),也可以下載後用瀏覽器直接開(單一檔案,不用網路);鍵盤 ← → 換步驟、W 讓敵人走動、T 加第二個敵人、D 顯示這一步的說明。不想用瀏覽器的話,投影片用圖有九個畫面(六步,加上兩眼都刺激、敵人遠與近、兩個敵人疊加),每個都有 PNG 與 SVG,一張投影片放一個畫面即可;壓縮檔裡也附了單獨頁。
scripts/lc10a_cross.py 數過),所以它只反映自己那一眼看到的東西;第 3 節說的「投射到對側」是指它把訊號送去對側的 DNa02,收和送是兩回事。因此所以只有敵人落在 ±6° 的雙眼重疊區、兩眼都受刺激時,兩側 AOTU019 才會一起亮(數字見下面「門檻怎麼定」);「兩側都亮」就被當成「對準了」。轉向和開火各自判斷、互不排斥,同一格可以同時按轉向鍵和開火鍵。畫面上有敵人但轉向、開火都沒過門檻時,這一格什麼鍵都不按;畫面上沒有敵人、而且整個迴路也安靜時(安靜:LC10a、AOTU019、AOTU025、DNa02 左右共八群的放電率加總低於 5 Hz,作者定的門檻),固定按右轉,讓視野轉起來找敵人;沒有敵人但迴路還有活動(例如敵人剛消失)時,照公式判斷。為什麼公式裡有 AOTU019、沒有 AOTU025:作者在 README 寫,敵人在正前方附近時,子圖裡的 DNa02 完全不放電,只讀 DNa02 會讀不到中央視野的訊號,所以把負責中央視野的 AOTU019 左右差也加進去;AOTU025 負責外圍,而且只連到同側 DNa02,它的訊號已經反映在 DNa02 的左右差裡。這條公式是人為設定,PART 4 第 4 節會檢查它的後果。
下面圖 5 把讀出規則一步一步拆開:從八群的放電率,算出轉向訊號、跟門檻比,到最後按哪幾個鍵。第 ② 到 ⑤ 步用校準表的數字,第 ①、⑥、⑦ 步播的是 PART 5 影片那一局的逐格紀錄。後面「門檻怎麼定」講的兩條閾值,圖 5 第 ⑤ 步畫成了曲線。
doom/fly_doom.py 的 make_policy()(轉向、開火、安靜三條規則)與 FlyBrain.step()(平滑);校準表與閾值在 out/fruitfly/local_doom_vizdoom130/calibration_fly.json;逐格紀錄是 PART 5 那一局(out/demo_data.json)。整理與核對(用規則重算紀錄、481 格全部相同)由 scripts/readout_fig_data.py 做,結果在 out/readout_fig.json;圖由 scripts/make_readout_anim.py 產生(圖裡的文字要改在那裡)。簡報要演示的話:圖 5 單獨頁只有這張圖,版面配合 16:9 投影片,功能和上面一樣,可以用 PowerPoint 的網頁增益集嵌進投影片(要能上網),也可以下載後用瀏覽器直接開(單一檔案,不用網路);鍵盤 ← → 換步驟、↑ ↓ 換敵人方位或換一格(Shift 一次 10 格)、空白鍵暫停、S 換速度、D 顯示這一步的說明。不想用瀏覽器的話,投影片用圖有十個畫面(七步,第 ③ 步多一張敵人在 −10°、第 ④ 步多一張敵人在 +10°、第 ⑥ 步多一張剛轉為安靜的第 41 格),每個都有 PNG 與 SVG,一張投影片放一個畫面即可;壓縮檔裡也附了單獨頁。
門檻怎麼定。兩條門檻叫閾值。轉向訊號的大小由迴路決定,事先不知道「多大算敵人在右邊」,所以要先量一次,這一步叫校準。怎麼量:沒有遊戲畫面,程式直接給一個方位角,跳過第 1 步「畫面換算成方位角」那一半,從「分左右眼」往下照第 1 到 4 步做,把一個假想敵人依序放在 −90° 到 +90° 共 17 個方位(中央密、外圍疏:0、±5、±10、±20、±30、±45、±60、±75、±90°),每個方位先讓迴路跑 10 格暖機、再跑 20 格(每格 28.6 ms,共約半秒),記錄這 20 格平均的 LC10a、AOTU019、AOTU025、DNa02 放電率與轉向訊號。量出來的表叫校準表(PART 3 第 6 節)。
量到什麼:敵人在 0° 時左 AOTU019 是 219.94 Hz、右 191.35 Hz,在 +10° 時左側只剩 17 Hz、右側 250.04 Hz,這就是上面白話說的「只有正前方兩側才一起亮」;轉向訊號 0° 時是 −28.59(= 191.35 − 219.94,因為兩側 DNa02 都是 0),+10° 時 233.27(= 250.04 − 16.77,17 是四捨五入),−10° 時 −238.8。這幾個數就是下面定閾值用的材料。
校準裡沒查的四件事:
量完後用兩條固定的規則算出閾值:
兩個閾值都不低於 1.0:這個下限是作者程式裡寫死的(fly_doom.py),沒有註解說明理由,算人為設定;本課猜是避免訊號接近零時閾值變成 0(例如打亂接線之後),這是猜的。完整接線用上面校準表的數字算出來:開火 = 191.35 ÷ 2 = 95.68;轉向 = (28.59 + 233.27) ÷ 2 = 130.93(±10° 兩邊取絕對值較小者:−10° 是 238.8,比 +10° 的 233.27 大,所以用 233.27),單位都是 Hz(放電率,轉向訊號是四個放電率加減出來的,所以也是 Hz)。你可能會問:下游怎麼會比單顆 LC10a 的上限還快?校準表裡敵人在 +10° 時右 AOTU019 約 250 Hz、左 17 Hz,而一顆 LC10a 最多 150 Hz;因為同側有一百多顆 LC10a 一起餵同一顆 AOTU019,下游放電率高過單顆 LC10a 不奇怪。
放電率大概落在哪裡。校準表 17 個方位、每個方位 20 格平均,各群的範圍如下(每一群都是左右兩側分開量;最低都是 0,因為敵人不在那一側時,那一側完全不放電):
| 神經元 | 放電率範圍(Hz) | 說明 |
|---|---|---|
| 給每顆 LC10a 的刺激 | 0–150 | 輸入編碼設的上限(第 4 步) |
| LC10a(整群平均) | 0–85.6(左最高 84.6、右最高 85.6) | 只有偏好位置接近敵人的那些拿到接近 150,其他的低,平均下來就低 |
| AOTU019 | 0–250.04(左最高 238.8) | 一百多顆 LC10a 一起餵一顆,所以比單顆 LC10a 快 |
| AOTU025 | 0–229.1(右最高 187.3) | 敵人在 ±10° 以內兩側都是 0 |
| DNa02 | 0–207.9(右最高 173.12) | 敵人在 ±30° 以內幾乎是 0 |
理論上限約 455 Hz:放電後有 2.2 ms 不反應期(第 2 節),1 秒最多擠得下 1000 ÷ 2.2 ≈ 455 次(受外部刺激的 LC10a 不受不反應期限制,見圖 1 第 ⑦ 步;但它們的刺激最多每秒 150 次,也碰不到這個數);實際最高約 250 Hz,沒有碰到上限。另外,「每 0.1 ms 抽一次」的機率換算(機率 = 放電率 × 0.1 ms = 放電率 ÷ 10,000,150 Hz 就是每步 1.5%)只用在外加給 LC10a 的刺激;AOTU019、AOTU025、DNa02 與子圖其餘的神經元都不抽籤,膜電位照第 2 節的方程式算、超過閾值才放電,沒有隨機成分(它們的放電時刻每次不同,是因為上游的 LC10a 不同)。
校準只做一次,之後玩遊戲時迴路的接線、參數、閾值都不會改變——整個過程沒有任何訓練或學習。
輸入編碼與讀出規則出自 fruitfly-lab 的 doom/fly_doom.py 與 README 第 35、40–43 行;閾值在 out/fruitfly/local_doom_vizdoom130/calibration_fly.json(17 個方位的 rows 與 cal)。
回到第 3 節留下的問題:AOTU019 與 AOTU025 各做什麼。分五點,每點先結論再理由。
出處:校準表在 PART 3 第 6 節,校準曲線圖與「量不到」的後果在 PART 4 第 4 節;PART 5 的影片裡正前方 ±30° 內 DNa02 都是 0。
只看「完整迴路每局打死幾隻」說明不了什麼——也許隨便一個網路接上同樣的輸入與讀出也打得到。所以作者準備了七個條件,每個條件玩 10 局(episode:從開始到玩家死亡為一局),用同一組亂數種子(seed:讓隨機過程每次都產生同一串隨機數的起始值)。這裡有兩種隨機:遊戲抽敵人的位置與順序,以及 LC10a 的放電(第 4 節)。兩種都由種子固定。遊戲只用一個種子 0 連跑 10 局(種子只定起點,10 局連著往下抽同一串隨機數、中間不重設),所以 10 局的敵人各不相同;LC10a 的放電每局一個種子,共 10 個;七個條件共用這同一套,換一個條件重跑,兩串隨機數一模一樣,七個條件面對的是同樣的 10 局敵人,不是同一局重播 10 次。
| 條件代號 | 大腦是什麼 | 它回答的問題 |
|---|---|---|
fly | 完整接線 | 主角 |
scrambled | 把所有連結的終點重新洗牌,洗牌方式保證每顆神經元連入、連出的條數不變(做法叫「度保持打亂」,見表下);閾值沿用完整迴路。LC10a、AOTU019、DNa02 還是原來那幾顆,刺激與讀出位置不變,只是它們之間的路被重接 | 接線的「誰連到誰」重不重要 |
scrambled_cal | 打亂接線,用打亂後的迴路自己校準閾值 | 同上,但排除「閾值不適合」這個解釋 |
lesion | 損毀(讓這幾顆整場都不放電,見表下)左右 AOTU019 與 AOTU025;閾值沿用完整迴路 | 整條中央與外圍的路都斷掉會怎樣。注意開火規則讀的就是 AOTU019,損毀它開火永遠不成立,所以這個條件註定 0 分,分不出細部貢獻;作者 README 第 77 行也這樣說,比較能說明事情的是下一列 |
lesion025 | 只損毀左右 AOTU025;閾值沿用完整迴路 | 外圍視野那條路的貢獻 |
random | 不用大腦,每格隨機按鍵 | 亂按能拿幾分的基準;有大腦的條件也可能比亂按低,怎麼解讀見 PART 3 |
oracle | 不用大腦,直接照敵人方位轉向、對準就開火 | 這套按鍵規則能拿到的最高分 |
scrambled、scrambled_cal、lesion、lesion025 這四個對照動的都是零件①(把接線打亂,或讓其中幾顆神經元不放電),其他零件不變;scrambled_cal 另外為打亂後的接線重算零件④的閾值。random 與 oracle 不用大腦,只拿來當兩個基準:亂按能拿幾分(有大腦的條件可以比它低)、和看得到一切的上限。上表最後一欄寫的就是它回答什麼。七個條件各 10 局的平均擊殺:fly 10.2、lesion025 5.5、lesion 0、scrambled 0、scrambled_cal 0.7、random 0.9、oracle 11.5。這裡只先認識七個條件是什麼;這些數字怎麼解讀(例如打亂接線為什麼和亂按差不多、完整接線離上限多遠)在 PART 3 第 7 節與 PART 4。
打亂接線的做法是:每顆神經元送出幾條連結、收到幾條連結、正負號都保持不變,只把「連到誰」隨機重排(這種打亂叫度保持打亂,「度」就是一顆神經元的連結數)。打亂只換連結的終點,每顆 LC10a 的偏好位置沿用完整接線算出的占比,不重算。損毀是讓指定的神經元在整場模擬裡都不放電。
七個條件的定義出自 fruitfly-lab doom/fly_doom.py 的檔頭說明與 make_policy()。
| 零件 | fruitfly-lab | 來自哪裡 |
|---|---|---|
| ① 連結體 | FlyWire v783 的子圖,3,963 顆、354,879 條連結 | 資料(切哪一段、「突觸數 5 個以上」「走最多 2 步」這兩個數是作者挑的;留下來的每一條接線都是量的,第 3 節) |
| ② 神經元方程式 | LIF,參數借自 Shiu 等人 2024 | 人為設定(借用已發表的模型) |
| ③ 輸入編碼 | 遊戲回報的敵人方位 → LC10a 隨機放電 | 人為設定 |
| ④ 讀出規則 | 固定公式、校準一次的兩個閾值 | 人為設定 |
| 有沒有學習 | 沒有:沒有任何參數被訓練,閾值校準一次就固定 | — |
表中數字的出處同第 2、3 節。
作者在 README 裡列了同樣意思的清單,也寫明他的模型不是把一隻真果蠅的腦整個搬進電腦(README 第 76 行的原話是 This is not an "uploaded fly"),四個零件裡三個是人為的。上面這張〈總表〉是PART 3 到 PART 5 的地圖:PART 3 檢查的是「照這四個零件組起來,能不能得到作者的數字」;PART 4 則開始動零件 ④——換一種讀法,看結論還站不站得住;PART 5 在影片上逐格看這四個零件怎麼接在一起運作。