← BSC 專題課程

BSC 專題課程

LPU:果蠅腦的「在地處理單元」

腦區的邊界,從「解剖學家看得見的形狀」換成「有沒有自己的在地神經元」

這是什麼
一堂圍繞單一概念的專題課:LPU(local processing unit,在地處理單元)。它出自 Chiang 等人 2011 年發表在 Current Biology 的果蠅全腦單細胞解析度重建論文,是後續十幾年果蠅連結體研究共用的「節點」定義。
為什麼值得單獨開一堂
把腦切成幾塊、每塊的邊界畫在哪裡,決定了後面所有網路分析的結論。LPU 提供的不是一張圖,而是一個可計算、可重跑、可被推翻的劃分準則。看懂它,等於看懂「一個腦區的定義如何被寫成演算法」。
怎麼讀
按下面五個按鈕的順序:先弄懂概念(1)、看論文怎麼劃(2),再看怎麼把這件事交代給 AI Agent(3)、AI 真的跑起來會怎樣(4),最後回頭讀懂 AI 寫出來的程式碼(5)。
需要什麼基礎
PART 1、2、3 不需要程式基礎。PART 4 只要看得懂「AI 做了什麼」即可。PART 5 需要能跑 Python,但重點在讀不在寫。

十一分鐘先看一遍整堂課

五個部分的內容濃縮成一段 11 分半的說明影片,17 張投影片:LPU 是什麼、四個反直覺的案例、論文交付的數字與三個坑、七個步驟與每一步的細節、那十件必須自己決定的事、14 條指令、AI 實跑的成績與三個發現,以及最後怎麼讀懂跑出來的程式。影片裡的圖都是課程網頁裡的同一批圖;投影片上寫的每一點,旁白都會講到。

11 分 29 秒 · 1080p · 附中文字幕(播放器右下角開啟)。投影片由課程網頁的內容與圖自動產生,旁白為語音合成。 影片本身也可以直接下載(12 MB)。由 scripts/make_video.py 產生。
PART 1 什麼是 LPU

從「腦區要怎麼切」這個問題出發,看 LPU 的兩條定義、它跟 neuropil 與 hub 的差別,以及全腦盤點出來的 41 個 LPU。

概念為主 · 不需程式基礎 · 已完成

PART 2 如何畫出 LPU

論文用七個步驟把「一個腦區」變成一段可執行的流程。但七個步驟不是全部——照著跑,會發現有十件事得自己決定:三個沒給的參數、五處定義含糊,加上兩件論文做了卻沒寫成步驟的事。

方法為主 · 公式都配白話 · 已完成

PART 3 要怎麼交代 AI Agent

把 PART 2 的流程拆成一串可以直接貼給 AI Agent 的指令。重點不在「叫它寫程式」,而在那十個論文沒交代的決定,要在哪一句指令裡講清楚。

14 條指令 · 不需程式基礎 · 已完成

PART 4 真的讓 AI Agent 跑一遍

14 條指令一口氣交出去:六條照做、兩條抓到上游的錯(都已修正)、一條追出論文對同一個步驟寫了兩種不一樣的作法。過程、失敗與最後那張全腦判定圖都在裡面。

實跑紀錄 · 過程與錯誤都保留 · 已完成

PART 5 讀懂 AI 寫出來的程式

十六支程式整合成三個帶得走的檔案,再用五個問題把它讀完:參數在哪、資料怎麼進來、哪一段做哪一步、怎麼證明沒寫錯、撐不住的時候會不會停下來。

程式判讀 · 需要能跑 Python · 已完成

先看數字論文交付了什麼

41
個 LPU(19 對成對 + 3 個中央不成對)
6
個 hub(有長程神經束、但沒有自己的 LN)。這是摘要的數字——正文寫「四對」、圖 5A 數得到九個,見 PART 1
58
條神經束(tract)
~26%
的已建圖單神經元屬於 LPU-LN
一句話定義(論文原文的中譯):LPU 是一個腦區,它擁有自己的一群在地神經元(LN)、這群 LN 的神經纖維完全侷限在該區域之內;並且該區域至少被一條神經束(tract)連上。相對地,一個用形態邊界定義出來的腦區,不一定具備這兩者。

出處這堂課讀的是哪一篇

Chiang, A.-S. et al. (2011). Three-Dimensional Reconstruction of Brain-wide Wiring Networks in Drosophila at Single-Cell Resolution. Current Biology 21(1), 1–11. doi:10.1016/j.cub.2010.11.056

LPU 的完整操作型定義不在正文,而在補充材料的 Supplemental Experimental Procedures /「Defining an LPU」一節;正文只給了七個步驟的條列摘要與 VLP 的實例(Figure S5D)。PART 2 主要重建的就是那一節。

進度:五個部分都已完成。PART 1 講概念,PART 2 把論文的七個步驟拆開並在本機資料上實跑 STEP 0 到 STEP 3,PART 3 寫成 14 條交給 AI Agent 的指令,PART 4 讓它一口氣跑完、跑出一張自己的全腦判定圖,也記錄了兩條指令抓到的上游錯誤(都已修正),以及一條追出「論文對同一個步驟寫了兩種不一樣的作法」的指令,PART 5 把那十六支程式整合成三個檔案並示範怎麼讀。所有圖都是用本機資料自己算出來的真實結果。
BSC 腦空間體研究中心 · 專題課程 LPU · 教材由 Claude Code 產生 · 回 BSC 專題課程首頁