BSC 專題課程 / LPU 專題課程 / PART 2

PART 2

如何畫出 LPU

論文把兩個條件寫成了七個可執行的步驟——但七個步驟不是全部

← PART 1 什麼是 LPU PART 3 要怎麼交代 AI Agent →
這一頁在做什麼。論文正文只列了七個步驟的標題,真正的數學定義藏在補充材料的〈Defining an LPU〉一節。這一頁把兩者合起來,重建成一條可以照著做的流程。論文有給數學式的步驟(STEP 1、2、3、6),這裡先照抄原式,再用白話講一次它到底在做什麼;沒有給式子的步驟(STEP 4、5、7),就直接講作法。看不懂公式可以跳過,白話那段就夠往下走。

先看全貌整條流程長這樣

STEP 0(論文沒有列為步驟) 先要有:一套 neuropil 分區     + 一份「哪些神經元是 LN」的標記 1數每個體素被幾條 LN 纖維穿過,得到 v(r) 在單一個 neuropil 內數,再取 3×3×3 共 27 個體素的平均 2取上四分位 QU,留下最密的 25% 同樣只在這個 neuropil 內取,這些體素構成熱點集合 Z 3對熱點集合 Z 做 UPGMA 分群 ① 樹剪在某個高度 ② 只留超過該區 1% 的群 分成幾群? 只有一群 這個 neuropil 本身 就是一個 LPU 兩群以上 4從最小的候選 LPU 裡挑一顆 LN 當種子,滾雪球招募 神經元佔的體素放大 4 倍,重疊超過 50% 就併入 5去掉細胞本體與初級神經突,抽等值面 得到候選 LPU 的邊界 6算 c 值:中心 80% 與周邊的平均密度比 判準是 c > 2 7c > 2,而且這個區域有自己的長程神經束? 神經束怎麼認定,論文寫在另一節(見 STEP 7) 兩個都是 判定為 LPU 無 LN、 有神經束 判定為 hub 不在步驟裡 合併: 把好幾個 neuropil 當 成一個 LPU (蕈狀體、 中央複合體) 灰底=論文列出的七個步驟 · 藍框=判定結果 · 黃色虛線=論文做了、但沒有寫成步驟的事 流程改繪自 Chiang et al. (2011) 正文第 5 頁的七步驟條列與補充材料〈Defining an LPU〉,非原圖重製。
整條流程一次只處理一個 neuropil。v(r)、四分位、分群全都在同一個 neuropil 內部做,全腦就是把這條流程對每一個 neuropil 各跑一次(我們的資料是 75 個)。

七個步驟,加上兩件不在步驟裡的事。左邊黃色虛線框的「合併」是論文實際做了、但沒有寫成判準的操作——照著七個步驟跑,永遠跑不出蕈狀體與中央複合體那兩個 LPU。上方的 STEP 0 也一樣:它是七個步驟的前提,論文沒有把它算成一步。

本圖依 Chiang et al. (2011) 正文的七步驟條列與補充材料〈Defining an LPU〉自行繪製,非原圖重製。
圖裡有三個詞,讀到這裡都還沒解釋過,先各給一句:

論文自己跑過一次,全篇只有這一個實例

那七個步驟,論文只示範過一次——把左側腹外側前腦(VLP)切成背側與腹側兩塊。整個示範就是下面這七格,本頁後面每一節都在拆解它:

論文補充圖 S5D 的七格:(a) 全腦剪影上框出左側 VLP;(b) VLP 內的密度場,顏色由藍到紅代表該體素被重複註冊 6 到 28 次以上,n=120;(c) 同一批體素的強度分布;(d) 上四分位分成黃、紫兩群;(e) 依兩群各自的覆蓋招募到的兩批候選 LN,箭頭指出兩批的細胞本體位置分開;(f) 依兩群 LN 的邊界把 VLP 切成藍色背側與黃色腹側,兩個小圖各標 c=3.5/3.4 與 c=3.5/3.1;(g) 藍色的交連束連接左右兩側的背側 VLP,黃色的連接腹側。
七格對上七個步驟。(a) 選定一個 neuropil 與做局部變換的框——STEP 0。(b) 密度場 v(r),顏色是該體素被重複註冊的次數——STEP 1。(c) 用五數綜合看這些值的分布——STEP 2。(d) 取上四分位,依距離矩陣分成兩群——STEP 3。(e) 依兩群各自的覆蓋範圍招募兩批候選 LN;箭頭指出兩批的細胞本體在空間上是分開的——STEP 4。(f) 依兩群 LN 的邊界把 VLP 切成背側(藍)與腹側(黃),四個情況的 c 值都大於 2——STEP 5、STEP 6。(g) 三條交連束連接成對的背側 VLP,一條連接腹側——STEP 7。 出自 Chiang, A.-S. et al. (2011) Current Biology 21(1), 1–11,補充圖 S5 的 D 欄,doi:10.1016/j.cub.2010.11.056。原圖重製,教學用途。
這張圖是本頁十個空缺的來源之一。它是全篇唯一的完整實例,所以每當正文與補充材料對某一步的寫法不一致時,這張圖的圖說就是第三個說法——(b) 的「重複註冊次數」與 (e) 的「依兩群的覆蓋招募」都在後面被引用到,而且都跟補充材料的正文不一樣。

STEP 0你得先有兩樣東西

七個步驟的輸入不是原始的顯微鏡影像。它預設你手上已經有:

  1. 一套 neuropil 分區。論文用的是 58 個(每半腦 29 個)。這套劃分不是論文自己發明的——補充圖 S2(B) 寫的是「For each brain hemisphere, 29 demarcated neuropil regions as defined previously [1] were segmented」,而 [1] 是 FlyBrain 圖譜(Armstrong et al., 1995, Neuron 15:17–20),也就是 2014 年新命名法出現之前大家共用的那一套。論文做的是把既有的分區切到自己的標準腦上(原句:segmented into 58 morphologically distinguishable neuropil regions)。
  2. 一份「哪些神經元是 LN」的標記。

第二項有個先後問題。論文對 LN 的定義是「神經突完全侷限在單一個腦區之內」——哪個腦區?答案是既有的 neuropil。所以整條路是:

neuropil → LN → LPU 先有形態上的分區,才定得出誰是 LN;有了 LN,才劃得出 LPU。
所以 LPU 沒有取代 neuropil,它建立在 neuropil 上面。這一點在 PART 1 只是隱含帶過,但它決定了整條流程的起點——你不可能拿著一批神經元影像、什麼分區都沒有,就直接跑出 LPU。

在我們自己的資料上做一次

這一步不必只停在紙上。本機有兩樣現成的東西:D03 的標準腦分區(Ito 2014 的 75 個腦區)與 D06 的 28,573 顆 FlyCircuit 骨架體素。缺的只有一樣——怎麼判定一顆神經元是不是 LN。

論文的定義是一句話。local interneurons (LNs), whose processes are restricted within a single brain region——在地神經元,神經突完全侷限在單一個腦區之內。本頁之後一律簡稱 LN。
但論文是目視判讀每一顆神經元的支配範圍(visually inspected and delineated),我們沒有那雙眼睛,得把這句話翻成一條算得出來的規則。

我們用的規則是比例:

這顆神經元落在腦區內的體素,至少有 80% 集中在同一個腦區 那個腦區就是它的歸屬。達不到 80% 的,不算 LN 候選。
為什麼問比例,不問「留下幾個體素」。如果規則是「在某區留下 5 個以上體素就算進入該區」,那麼這條規則會跟神經元的大小綁在一起——一顆大神經元隨便一根分枝就超過 5 個體素,一顆小神經元整顆可能才幾十個體素。比例不受大小影響,而且它才是「restricted within」這個詞真正在說的事。

結果

28,573 顆裡有 6,922 顆符合,佔 24.2%。論文報的是「約 26% 的神經元屬於 LPU-LN」。這 6,922 顆分布在 75 個腦區中的 35 個:

24.2% 貼近 26%,這件事不能當成任何證據。下面會看到,這條曲線隨 f 單調下降,剛好在 f ≈ 78% 通過 26%——也就是說,只要 f 選在 78% 到 80% 之間,跟論文「對得上」是自動的。要看的是後面那些不隨 f 改變的東西,不是這個百分比。
左側為水平長條圖,列出 35 個有 LN 候選的腦區,由扇形體 1354 顆到多個腦區各 1 顆,橫軸為對數尺度;右側以四欄列出其餘 40 個為零的腦區,其中蕈狀體各部分、結節與左側前視結節以紅色標出。
全部 75 個腦區的 LN 候選普查。左:35 個有至少一顆的腦區(橫軸是對數尺度,否則下面那些 1 和 2 會看不見)。右:其餘 40 個為 0。橘色與紅色是論文圖 5A 標為「−」的對照區。 本圖由 scripts/make_part2_figures.py 算出。資料:D06 的 28,573 顆骨架體素 + D03 的腦區標籤。
「40 個腦區是 0」聽起來很多,但它們很小。有 LN 的那 35 個佔了標註腦體積的 83.5%,40 個 0 加起來只有 16.5%。零大多落在 Ito 新劃出來的小區域(BU、GA、EPA、GOR、SAD、CAN、FLA、AME 這一類),不是落在大塊的功能腦區上。

「族群」至少要幾顆

先看那 35 個腦區的內部結構:其中 12 對是左右都有的(AL、AVLP、CRE、IPS、LH、LO、LOP、ME、PLP、SLP、SMP、SPS),其餘 11 個是單側或本來就不成對。但清單尾端有一串只有 1 到 3 顆的腦區——那稱不上「族群」。論文的用字是 population(族群)——一個族群不會只有一兩顆。

要求「族群」至少幾顆符合的腦區數其中左右都有的對數
≥ 13512
≥ 33011
≥ 5249
≥ 10 ← PART 4 全腦那一遍用這個218
≥ 20177

這個門檻是我們自己設的,論文沒有給數字——它只說 LN 要成 population(族群)。把「族群」定成至少 10 顆,剩下 21 個腦區;定成 5 顆就有 24 個。PART 4 的全腦那一遍用的正是「至少 10 顆」,所以有 54 個腦區沒有進入分群——那是這個門檻擋掉的,不是資料不夠。

把 80% 換成別的數,結論會不會翻

會動,但不是每一項都動。把 f 從 50% 一路掃到 100%(下面那張圖的兩端就是這兩個值;再下面那張表只挑其中五個值列出來):

兩張並排折線圖。左圖橫軸為比例門檻 f 由 50% 到 100%,縱軸為被判為 LN 的神經元比例,單調由 60.1% 降到 6.2%,f 等於 80% 時為 24.2%,論文的 26% 以紅色虛線標示並註明在 f 約 78% 處被穿過。右圖同一橫軸,縱軸為有 LN 的腦區數,由 59 單調降到 17,f 等於 80% 時為 35。
左:被判為 LN 的神經元比例(60.1% → 6.2%)。右:有 LN 的腦區數(59 → 17)。兩條都單調下降——比例門檻沒有轉折點,選得越嚴,兩個數字都越小。左圖的紅色虛線是論文的 26%,在 f ≈ 78% 被穿過。右圖沒有畫論文的 41,因為「有 LN 的腦區數」與「LPU 的個數」不是同一種東西。 由 scripts/make_part2_figures.py 算出。
fLN 候選非零腦區蕈狀體四塊合計EB結節 NOAOTU 兩側
70%9,688(33.9%)47256012
80% ← 本專題採用6,922(24.2%)3511101
90%4,545(15.9%)250000
95%3,469(12.1%)220000
100%1,761(6.2%)170000
穩的部分:蕈狀體與結節。蕈狀體四塊在 f 從 70% 到 100% 之間,合計只有 0 到 2 顆;結節(NO)全程是 0。圖 5A 給 MB 與 Nod 的「−」,在我們的資料上不論 f 怎麼選都成立——這兩條才是這張普查圖真正支持的結論。

不穩的部分:EB。從 56 掉到 11 再掉到 0,是唯一一個隨 f 改變判定結果的。而 EB 正是論文自己前後不一致的那一個(正文把它列為三個中央不成對 LPU 之一,圖 5A 卻給它「−」)。

AOTU 不能算進來。它在 f = 70% 時有 12 顆、80% 以上掉到 0–1,看起來像圖 5A 的 OPTU;但如 PART 1 所述,Ito 的正文從未列出 OPTU → AOTU 這條對照,我們不能拿一個沒確認過的對應去佐證。

順帶回答:75 區真的比 58 區細嗎

就名字的數量而言是的,但兩者不是「同一張圖再切幾刀」的關係。

Chiang 2011
沿用 FlyBrain 1995
Ito 2014/D03
標籤總數5875
組成29 個名字 × 左右兩份34 個名字 × 左右兩份 + 7 個中線
不同的名字2941

但如 PART 1 第 3 節所列,Chiang 那 29 個名字裡有 14 個在新系統裡找不到對應——因為 Ito 是在一大片本來就沒有明確邊界的「瀰漫性」腦區上重新劃線,不是把舊的區再切開。所以「細」是就平均而言,不是每一處都是舊區的子集。所以就算把 Ito 明顯切開的幾組併回去,也只能說是「往 58 的方向靠」,不是還原 Chiang 的分區。

STEP 1數 LN 纖維,得到密度場 v(r)

先講「體素」是什麼。把整個腦切成一格一格的小立方體,每一格就是一個體素(voxel,= volume + pixel,立體版的像素)。r(i, j, k) 就是第 i 行、第 j 列、第 k 層的那一格。本頁在白話的地方也會直接叫它「格子」或「一格」,指的是同一個東西。

令 r(i, j, k) 為腦中的一個體素。每個體素關聯一個整數 v(r):

v(r) = 穿過體素 r 的 LN 纖維條數 為了壓掉密度的抖動,實際使用的 v(r) 是以 r 為中心的 3×3×3 = 27 個體素的平均。
白話。把很多顆 LN 疊在一起,變成一個三維的「哪裡比較密」的地圖。3×3×3 平均就是把地圖稍微模糊一下,免得單一體素的雜訊被當成訊號。
數纖維:一個體素裡有幾條 v = 3 三條纖維穿過藍色那個體素,所以它的值是 3 再取 27 個體素的平均 圖上畫的是 3×3,實際是 3×3×3 的立方體 中央那個體素的值 = 這 27 個體素的平均
示意圖,非論文原圖。

把這一步在真實資料上跑出來,是這個樣子:

兩張並排的切片圖:左為右側觸角葉的腦區遮罩,右為同一切片上 723 顆在地神經元疊出來的密度場,顏色由深藍到紅代表由疏到密。
右側觸角葉(AL_R)的一張切片。左:這個腦區的範圍。右:723 顆 LN 疊出來的 v(r),紅色是密、藍色是疏。可以看出密度不是平均分布的——這正是後面幾步要利用的訊息。 由 scripts/make_part2_figures.py 算出。

我們那張 AL_R 密度圖做了論文沒做的事

上面那張 AL_R 的密度圖,除了論文那個 3×3×3 的平均,還先做了一次真正的併格:make_part2_figures.py 裡 B = 4,把 4×4×4 個標籤格(1 µm)併成一個分析體素(4 µm),格數變成原本的 1/64。

理由是 STEP 3 的距離矩陣——不併格的話,熱點體素數乘進 N(N−1)/2 會直接超出記憶體——不併格的話光距離矩陣就要 110 GB(下面 STEP 3 會再談這件事)。這是我們的工程妥協,不是論文的步驟。代價是:小於一個分析體素的密度結構,在我們的圖上根本不會出現。所以我們掃切割高度掃出來的那些數字,也要放在這個尺度下讀。

實作上的第一個分岔:v(r) 到底在數什麼

論文在三個地方寫這一步,用了三種說法:

· 正文的七步驟條列第 (1) 步:calculating the number of counts passing through a voxel by populations of LNs(數「LN 族群穿過該體素的次數」)

· 補充材料〈Defining an LPU〉:the number of LN fibers passing through the voxel(穿過該體素的纖維條數)

· 圖 S5D(b) 的圖說:the number of repetitive registrations of every single voxel(該體素被重複註冊的次數)

後兩者不是同一件事。「一顆神經元的三條分枝都穿過同一個體素」在「纖維條數」算 3、在「重複註冊次數」算 1。正文那句沒有裁決——它只說「數次數」,沒說數的是纖維還是神經元。而我們手上的資料是二值化的——每一格只記「有沒有被這顆神經元佔到」,不記亮度、也不記裡面有幾條纖維(D06 的骨架體素就是這樣存的)。從這種資料你只做得到「重複註冊次數」那一個,因為「同一格裡有三條分枝」這件事根本沒有被記下來。

本頁採用的就是它:同一顆神經元在同一個分析體素裡,不論留下幾筆紀錄都只算一次。換句話說,v(r) 是「有幾顆不同的 LN 佔到這一格」。右觸角葉的 v(r) 因此最大 142.8、平均 65.7。PART 3 的指令、PART 4 的實跑、PART 5 的程式(lpu_lib.py 的 density_field())用的都是同一個定義,所以四頁的數字可以逐項對照。

換成另一種算法會差多少,量過了。先把三個容易混在一起的尺度講清楚:

格子邊長是什麼
標籤格1 µmD03 分區檔的格子,腦區的邊界畫在這上面
D06 的骨架體素2 個標籤格=2 µm神經元骨架存在這上面:「某顆神經元經過某個體素」一筆
分析體素4 個標籤格=4 µm本頁把 4×4×4 個標籤格併成一個,v(r) 與後面的分群都在這上面做(見上面〈我們那張 AL_R 密度圖做了論文沒做的事〉)

所以一個分析體素裝得下 8 個 D06 體素(2×2×2)。同一顆神經元穿過一個分析體素時,往往在裡面留下好幾筆紀錄——右觸角葉實測平均 1.44 筆、最多 7 筆。

如果 v(r) 改成「每一筆(體素, 神經元)紀錄都加 1」,這些重複就會被重複計入,v(r) 的最大值從 142.8 變成 206.6。但兩種算法只差在絕對值:

絕對值會變,判定不會。

STEP 2取上四分位,留下熱點

這一步是對單一個 neuropil 做的:把那個 neuropil 內所有的 v(r) 拿來做五數綜合(five-number summary:最小值、下四分位、中位數、上四分位、最大值)。取上四分位 QU,定義熱點集合:

Z = { r : v(r) ≥ QU } 只留下這個腦區裡密度最高的那 25% 體素,其餘丟掉。
白話。像把一張地形圖只保留最高的四分之一——低窪處全部抹平,剩下的山頭才是後面要分群的對象。

上四分位就是把所有數字由小排到大之後,位在 75% 那個位置的值。有些書叫它「第三四分位」或 Q3,是同一個東西;本頁一律用「上四分位」,因為論文用的是 upper quartile(QU)。

論文沒有說明為什麼選四分位,不過用四分位而不是一個固定的數字,效果是看得見的:門檻是每個腦區各自算的,所以不論哪一區、LN 有多少顆,都恰好留下自己最密的四分之一。我們在六個腦區上實測,留下的比例是 25.0%–25.1%——這是四分位的定義使然,不是巧合。

但這也是它的代價。因為比例是固定的,「這個腦區到底夠不夠密」這件事,在這一步就被抹掉了。一個 LN 很少的腦區,照樣會被留下 25% 的體素當熱點,然後照樣進入 STEP 3 分群。真正把它擋下來的是後面的 c 值與神經束,不是這一步。
直方圖:右側觸角葉內所有體素的密度值分布,標出下四分位 36.4、中位數 64.9、上四分位 94.7,上四分位右側區域以紅色淡底標示為熱點。
右側觸角葉的真實分布。五數綜合是 0.6 / 36.4 / 64.9 / 94.7 / 142.8。紅線是上四分位 QU = 94.7,右邊那塊淡紅色區域就是熱點集合 Z。 由 scripts/make_part2_figures.py 算出。

STEP 3分群——兩條規則要一起用

這一步要做的事:把 STEP 2 留下的那堆熱點體素分成幾團,看這個腦區裡有幾處「各自密集」的地方。一團就是一個候選 LPU。

要分群,得先知道任兩個體素離多遠。對 Z 裡的體素兩兩算歐氏距離,構成距離矩陣:

D(r, r′) = √[ (i−i′)² + (j−j′)² + (k−k′)² ] 就是兩個體素在空間中的直線距離。
這一步不是「分完群就有答案」。要拿到候選 LPU,得同時用上兩條規則:
規則出處
①把 UPGMA 的樹剪在某個高度——剪出幾枝,就有幾群論文沒有給這個高度
②只留體素數大於「該 neuropil 總體素的 1%」的群論文明寫:Those clusters with voxel numbers larger than 1% of the total voxel number in the neuropil are LPU candidates

兩條缺一不可,而且會互相牽制。剪得越細,群越多但每一群越小、越容易被規則 ② 刷掉;剪得越粗,群越少但每一群都過得了。下面會看到這個交互作用直接決定了答案。

規則 ② 的分母是整個 neuropil,不是熱點。這一點很容易寫錯。以右觸角葉為例:腦區內共 12,511 個分析體素,1% 就是 125 個;而熱點(STEP 2 留下的那 25%)只有 3,130 個。所以門檻雖然寫成「1%」,實際上是要求一群佔掉熱點的 4%。把分母誤寫成熱點數,門檻會鬆四倍。
一個關鍵分岔。如果所有 v(r) 只形成一群,那麼這個 neuropil 本身就是一個完整的 LPU,不需要再細分。否則,每一群各自成為一個候選 LPU。
論文寫「多數解剖學上劃好的 neuropil 都符合 LPU 的條件」,又寫「In only one case (i.e., VLP), we found two LPUs in one neuropil」——兩句合起來看,全腦幾乎都走了前一條路。(嚴格說,論文沒有逐區交代誰在哪一步被判成一群,這是從這兩句推的。)

體素在整齊的格點上,所以距離會大量重複

體素不是散落在空間裡的點,它們排在一個規則的立方格點上。兩個體素的距離只能是 √(a²+b²+c²) 這種形式,a、b、c 都是整數——可能的值本來就不多。

右觸角葉的熱點
體素數3,130
配對數(距離矩陣的長度)4,896,885
相異的距離值557
平均每個距離值被幾對共用8,792
白話。490 萬對體素,只有 557 種不同的距離。平均每一種距離都有八千多對並列。光是「距離剛好等於 1」(正上下左右相鄰)的就有 8,363 對。

先記著這件事。分群演算法每一步都要挑「最近的一對」,而這裡有成千上萬對並列第一——下面〈平手的時候,UPGMA 挑誰?〉會看到它造成什麼後果。

再用 UPGMA(unweighted pair group method with arithmetic mean,中譯「不加權平均連結法」)把體素分群(規則 ①),再把體素數不到該 neuropil 總體素 1% 的群丟掉(規則 ②),剩下的才算候選 LPU。

白話。UPGMA 是這樣運作的:一開始每個體素自成一群,然後反覆把「彼此平均距離最近」的兩群併成一群,一路併到只剩一群為止。過程會長出一棵樹。你要在樹的某個高度把它剪斷,剪出來的分枝數就是群數。
「高度」是距離,不是次數。樹的高度軸量的是「這兩群當時的距離」——每一次合併都畫在它發生時的那個距離上。所以剪在高度 8 的意思是:把所有「距離 ≤ 8 時才發生」的合併都保留,比 8 高的合併全部不做。

它不是「合併 8 次」。以右觸角葉為例,3,130 個熱點體素要全部併完需要 3,129 次合併;剪在高度 8,實際上已經做掉 3,125 次,只剩下 5 群。而第 8 次合併發生在高度 1.00——離 8 還很遠。

切割高度已經做掉的合併次數剩下的群數
11,5171,613
22,770360
43,08050
83,1255
143,129(全部)1

高度的單位就是體素——這裡是分析體素(4×4×4 個原本的體素併成一個)。所以「高度 8」大致是「兩群的平均距離在 8 個分析體素以內」。

兩條規則怎麼互相牽制

把右觸角葉的每一個切割高度攤開,分別看「樹剪出幾群」與「有幾群過得了 1%」:

切割高度規則 ① 剪出的群數規則 ② 通過的群數
(=候選 LPU)
最大的一群有多少體素
(門檻是 125)
4500114 ← 連最大的都不到 125
5289185
61614299
8551,011
10441,144
14113,130
看第一列。切割高度 4 的時候,樹其實剪出了 50 群——但每一群都太小,一群都沒過,答案是 0。那個 0 不是「分不出群」,是「分出太多群、每一群都不夠大」。

高度 5、6 是兩條規則同時在起作用的一段:高度 5 剪出 28 群、只有 9 群過關,被丟掉的體素佔了熱點的 56.5%;高度 6 剪出 16 群、過 14 群。高度 7 以後規則 ② 就不再刷掉任何東西了——群夠大,全部通過,答案完全由規則 ① 決定。

平手的時候,UPGMA 挑誰?它每一步要挑「平均距離最近」的兩群併起來。既然有八千多對並列第一,就得有某個規則決定挑哪一對——而演算法本身沒有規定。scipy 的作法是挑索引最小的那一對,也就是按你輸入體素的先後順序。

這不是無關痛癢的細節。把同一批體素打亂順序重跑,答案就變:右觸角葉在切割高度 6,九次打亂給出的是 13、13、13、14、14、14、15、15、15——從 13 到 15 都有。同一份資料、同一個參數,只有列的順序不同。

那怎麼辦?三條路,各有代價。

一、換一種連結法。「連結法」不是某個方法的名字,而是分群時的一個選項:兩群之間有很多條配對距離,要拿哪一條當作「這兩群的距離」。UPGMA 用的是平均(所有配對的平均),另外兩種常見的選擇是單一(取最近的一對)與完全(取最遠的一對)。改用單一連結就沒有平手問題,但在這裡完全沒有分辨力(下一節〈什麼是「連結法」〉細講)。

二、報範圍,不報單一數字。打亂順序跑幾次,把最小到最大一起呈現。下面那張切割高度掃描圖就是這樣畫的。

三、只採信打亂之後不變的結論。切割高度掃描圖上帶寬為 0 的區段才算數;帶寬張開的地方,那個數字不是資料告訴你的。

什麼是「連結法」,為什麼換一種就沒有平手問題

UPGMA 每一步要挑「最近的兩群」併起來。但兩群之間的距離是什麼?群裡有很多個體素,體素跟體素之間有很多條距離——要拿哪一條當作「這兩群的距離」?

這個選擇就叫連結法(linkage)。常見的有三種:

① 單一連結:取最短的一條 只要有一對夠近,兩群就算近 ② 平均連結(UPGMA):取平均 每一對都算進去,取平均 ③ 完全連結:取最長的一條 要每一對都夠近才算近
示意圖,非論文原圖。藍點是一群,橘點是另一群;細線是兩群之間所有的配對。論文指定的是第 ② 種。
白話。想像兩個社團要不要算成同一群:
· 單一連結=「只要有一個人同時認識兩邊,就算同一群」。
· 平均連結=「兩邊平均要夠熟才算同一群」。
· 完全連結=「要每個人都跟對面每個人都熟才算」。

為什麼單一連結不怕平手

因為它的答案根本不用管合併順序。在高度 h 剪斷單一連結的樹,得到的東西可以用另一種方式一次算出來:

把距離 ≤ h 的體素兩兩連起來,看形成幾塊連得通的 兩個體素只要能經由一連串「每步都 ≤ h」的中繼點走到彼此,就屬於同一塊。
白話。像在地圖上把所有距離夠近的城市用道路連起來,然後問「有幾個彼此開得到的區域」。不管你按什麼順序鋪路,最後有幾塊是一樣的。沒有「先併誰」的問題,自然也沒有平手的問題。

平均連結不一樣:A 和 B 一旦併起來,這個新群到 C 的平均距離就變了。所以先併哪一對,會改變後面每一步看到的數字。這就是平手為什麼會影響結果。

我們實際驗過這個等價關係——單一連結剪在高度 h,跟直接算「距離 ≤ h 的連通塊」,在 h = 0.9、1、1.5、2、3、6 上都給出同一個數。

那為什麼不乾脆用單一連結

因為它在這裡什麼都分不出來。熱點體素排在格點上,彼此正好相鄰(距離 = 1)。只要允許「相鄰就連起來」,3,130 個熱點體素立刻全部串成一整塊。

切割高度單一連結給出的群數
0.9(連相鄰都不算)3,130 ← 每個體素自成一群
1.0 以上1
從 3,130 直接掉到 1,中間沒有任何可用的區間。這是單一連結有名的毛病:只要有一串體素把兩塊接起來,那兩塊就被判成同一群——而在密實的體素格點上,這種「橋」到處都是。

結論:單一連結可重現,但沒有分辨力;平均連結有分辨力,但答案受順序影響。論文選了後者,所以就得面對前面那個平手問題。

散點圖:右側觸角葉的熱點體素在切割高度 8 時被分成五群,各以不同顏色標示,背景灰點是整個腦區的範圍。
右側觸角葉的熱點體素,在切割高度 = 8 時分成五群(346、455、520、798、1,011 個體素)。灰色是整個腦區的範圍,彩色是各群。但這個「五」既取決於切割高度,也取決於體素的排列順序——換一個高度會變,光是把體素打亂重跑,同樣在高度 8 也可能得到 6 或 7 群。 由 scripts/make_part2_figures.py 算出。

規則 ① 的高度,論文沒有給

兩條規則裡,規則 ② 的 1% 論文寫得清清楚楚,規則 ① 的高度卻從頭到尾沒有出現。這是整條流程最大的空缺——而上面〈兩條規則怎麼互相牽制〉那張表已經顯示,高度從 4 動到 6,答案就從 0 跳到 14。

這不是雞蛋裡挑骨頭。我們把六個腦區的切割高度從 4 掃到 25,看每個高度會得到幾個候選 LPU:

折線圖:六個腦區在不同 UPGMA 切割高度下得到的候選 LPU 數量,每條線是九次打亂體素順序的中位數,外圍淡色帶是最小到最大。切割高度 5 到 6 之間帶最寬,最多相差 8 個;高度 14 以上帶幾乎閉合,22 以上全部給 1。
橫軸是切割高度,縱軸是找到的候選 LPU 數。每一個切割高度都把體素順序打亂重跑九次,得到九個答案;實線是把這九個答案排序後取中間那一個(第 5 個),淡色帶是最小到最大。跑九次(奇數)是為了讓中位數一定落在某一次真的跑出來的整數上。剪得太細(高度 4)時,樹其實剪出了幾十群,但沒有一群大得過規則 ② 的 1%,所以四個腦區的答案落在 0–1(扇形體與前腦橋例外,它們給 7–11);高度 5–6 衝到十幾個,而且這裡的帶最寬——同一個高度光靠順序就能差 8 個;高度 14 以上帶幾乎閉合;22 以上六個區都給 1,但那只是因為 22 已經高過每一棵樹的根(見下方「整棵樹的高度」那張表)。 由 scripts/make_part2_figures.py 算出,資料同前。
腦區LN 候選數候選 LPU 數的範圍
(高度 4–25 × 九次打亂)
AL_R(右觸角葉)7230 – 15
AL_L(左觸角葉)7800 – 14
AVLP_R1630 – 14
AVLP_L2700 – 16
FB(扇形體)1,3541 – 16
PB(前腦橋)1061 – 11
同一個觸角葉,可以被判成 0 個、1 個,也可以被判成 15 個。差別只在規則 ① 剪在哪裡、以及體素用什麼順序排(0 那個是規則 ② 把 50 群全刷掉的結果)。

曲線中段確實有平台——一段高度再怎麼調、答案都不變的區間,而且帶寬是 0(打亂體素順序也不變)。但每個腦區的平台高度不一樣。切割高度 14 到 20 這一段是最穩的:

切割高度 14–20AL_RAL_LAVLP_RAVLP_LFBPB
候選 LPU 數11–221–22–32

(表上的範圍已經把九次打亂算進去了。)先說清楚論文對這六個區的說法:觸角葉、扇形體、前腦橋在論文裡都是單一 LPU;而 AVLP 不能這樣講——它屬於 Chiang 的 VLP,那正是論文全篇唯一被切成兩個 LPU 的腦區(背側與腹側)。

於是這個平台上,觸角葉本該是 1 卻只有右側穩定給 1、扇形體與前腦橋本該是 1 卻給 2–3。沒有一個切割高度能讓這四個區同時回到 1。

AVLP 那個 2 要小心解讀。它在平台上穩定給 2,而 Chiang 的 VLP 恰好也被切成 2——但這兩個「2」不是同一件事。Ito 把 Chiang 的 VLP 重新劃成 AVLP、PVLP、PLP 三塊,我們算的是其中一塊;論文切的是整個 VLP 的背側與腹側。看起來吻合,但分的不是同一個東西,不能拿來當佐證。
還有一件事:「群數穩定」不等於「分群穩定」。前腦橋在這個平台上九次都給 2 群,但九次分出來的不是同一批體素——兩群的大小在 189/268 與 213/244 之間游移。再往下走一步(拿這兩群各自去收 LN),九次收到的名單兩兩重疊度最低只有 0.154(完全一樣是 1、毫無交集是 0),九次都收到的只有 8 顆。穩的是「有兩群」這個數字,不是那兩群本身。AVLP_R 則相反:九次的群大小完全相同(313/3,010),收到的名單也九次一模一樣。

而右邊那段「全部收斂到 1」根本不是結論。每一棵樹都有一個最高點——根,也就是最後一次合併的高度。剪在根以上,當然只剩一群:

腦區AL_RAL_LAVLP_RAVLP_LFBPB
整棵樹的高度(根)13.113.521.219.421.920.8

六棵樹的根都在 22 以下。所以「高度 22 以上六個區都給 1」只是「22 超過了每一棵樹的頂端」——那是算術,不是資料在告訴你這六個區各是一個 LPU。

要公平地說:這是我們在自己的資料上跑出來的,用的是 Ito 的分區而不是論文的分區,體素尺度也不同。論文團隊手上的資料可能表現得比較乾淨。但規則 ① 的高度確實沒有出現在論文或補充材料的任何一處,所以任何人想重跑,都得自己決定它。
順帶一個工程上的警告。距離矩陣是 N(N−1)/2 個數字。上面掃描過的那六個腦區,熱點是 457(PB)到 4,012(AVLP_L)個體素,還算得動;但如果你用更細的體素、或處理視葉那種大區域,熱點很容易到十萬個——那就是 50 億個距離,而 scipy 的 pdist 回傳 float64,等於 37 GB(就算改成 float32 也還要 19 GB)。動手前先算一次規模。

STEP 4從一顆 LN 開始滾雪球

這一步要做什麼,論文說得很清楚:把屬於這個候選 LPU 的 LN 全部收集起來。正文第四步的標題是「recruiting LNs into each subdivision」(把 LN 招募進每一個細分區);補充材料則說被招募的神經元「designated as building blocks for the candidate LPU」——它們就是這個候選 LPU 的組成單位,而下一步的邊界就是繞著它們畫出來的。

為什麼不能直接用 STEP 3 的那群體素當邊界?因為那群體素只是「密度高的地方」——它還沒有對應到任何一顆具體的神經元。LPU 的定義講的是「有自己的 LN 族群」,所以最後要交出來的是一份神經元名單,不是一團體素。這一步就是從一顆種子出發,把整份名單找齊。

作法是:在最小的候選 LPU 裡,用目視挑一顆纖維侷限在該候選 LPU 內、體積最小的 LN 當作起始的種子(論文的原字是 initial source)。接著:

把所有體素放大 4 倍;若某顆神經元有超過 50% 的體積與種子重疊,就把它招募進來 「所有體素」是論文的原話(all voxel units enlarged)。實際上放大的只有神經元佔用的那些——格子全部放大等於什麼都沒做,見下方第一點。 被招募的神經元與原本的種子合併成新的種子,再去招募下一顆。反覆到找不到新目標為止。
白話。這是一個「跟我夠像的就算我這一群」的滾雪球。雪球越滾越大,能吸附的對象也越來越多,直到沒有東西可以再吸為止。
先把「誰跟誰比」講清楚,這一步才讀得下去。招募的判準是一句話:某一顆候選 LN,有超過 50% 的體積落在某一團裡面,就把它收進來。所以場上永遠是兩個角色:

被撐大的只有那一團(source),被檢查的那顆 LN 不撐大——這是我們的實作選擇,理由與論文原文(all voxel units enlarged,兩邊都撐大)的差別,見下面〈六個要注意的地方〉的第一點(「放大」該怎麼讀)與第四點(50% 的分母是哪一個)。

這一步論文寫了兩次,寫在兩個地方,兩次不一樣——差別就在那一團會不會變。
補充材料的寫法(滾雪球)圖 S5D(e) 圖說的寫法(固定靶)
那一團是什麼起始的那顆種子,加上已經收進來的每一顆 LNSTEP 3 分出來的那一群熱點體素
它會不會變會。每收一顆就把它併進來,下一輪再撐大一次——愈滾愈大
原文:Once recruited, two partners are combined as a new source for recruiting next target
不會,從頭到尾就是那一群。每顆 LN 各量一次「我有多少比例落在這一群裡」,超過門檻就收
原文:candidate LNs recruited based on the coverage of the two clusters
有沒有回饋有。先收到誰,會改變接下來收得到誰沒有。每顆各算各的,互不影響

「種子」與「靶」在滾雪球這一種讀法裡會合流:一開始那一團就只有種子,收了第一顆之後,那一團=種子+第一顆,再往下就愈滾愈大。固定靶那一種沒有種子這個角色——不必挑起點,因為那一群本來就在。

選哪一種不是文字之爭,它決定這一步跑不跑得動:滾雪球那一種在三個腦區、388 組參數下(右觸角葉 20 組,前腦橋與 AVLP_R 的四個群各 92 組),結果不是「只有種子」就是「幾乎整池全收」,沒有一組落在中間——因為每收一顆就把靶放大一次,只有「收不到」與「全收」兩個終點;固定靶那一種則隨門檻連續變化。PART 4〈發現一〉把兩種讀法都跑了一遍。

① 挑種子 最小的候選 LPU 裡最小的 LN 虛線=放大 4 倍後的範圍 ② 招募重疊過半的 × 重疊不到一半,不收 收進來的兩顆合併成新的種子 ③ 反覆到收不到為止 這一群神經元就是 這個候選 LPU 的組成單位
畫的是補充材料那一種讀法(滾雪球)——靶每收一顆就變大一次。圖說那一種讀法的靶是 STEP 3 分出來的群,固定不動,只會發生第 ② 格那一次判定。示意圖,非論文原圖。

六個要注意的地方

一、「放大」不能照字面理解成「把整個座標放大」。如果是整體等比放大,這一步不會有任何作用——判準是「重疊超過體積的 50%」,是一個比例;把所有東西一起放大 4 倍,分子分母同時變大,比例一模一樣。
唯一說得通的讀法是把神經元佔用的那些體素各自向外撐大(影像處理裡叫形態學膨脹)。
換句話說,被撐大的是神經元的形狀,不是格子。格點位置、格子大小都沒有動;動的是「這顆神經元佔了哪些格」——原本只佔一條細線,撐大之後佔了一條粗一點的管。原文寫 all voxel units enlarged,字面是「所有體素單位」——但有作用的只有被神經元佔用的那些。

二、先講清楚這裡的「重疊」是什麼。比的是兩顆神經元,但度量單位是體素:

重疊率 = (同時出現在 A、B 兩份體素名單裡的格子數)÷(B 的格子數) 論文的判準是這個比例大於 50%。
要注意這不是「兩顆神經元碰到了」。同一格只表示兩條纖維穿過同一個立方格;一格邊長約 0.8–1.25 微米,格子裡的兩條纖維最遠可以相距一整條對角線(約 1.4–2.2 微米)。而化學突觸的間隙只有幾十奈米——差了近百倍。

所以這一步量的是「兩顆神經元佔不佔同一塊地盤」,不是「它們有沒有接觸」。用在這裡是恰當的——STEP 4 要找的本來就是「纏在同一個區域裡的那一群 LN」,不是連結關係。但這個數字不能拿去當接觸或突觸的證據(PART 1 第 8 節談的正是這件事)。

三、不膨脹的話,這一步根本跑不動。拿右觸角葉的 LN 候選抽 60 顆,按上面的定義算:

每個含神經元的體素向外撐大有交集的配對重疊率中位數最大重疊率超過 50% 的配對
0 格(不膨脹)96.4%0.0150.100.00%
1 格99.6%0.0920.350.00%
2 格100%0.2380.685.9%
3 格100%0.3980.9035.2%
4 格100%0.5310.9653.4% ← 管線實際採用

不膨脹時最大的重疊率只有 0.10,沒有任何一對過得了 50% 的門檻——雪球一顆都招募不到,STEP 4 當場停住。膨脹不是在微調結果,是在讓這個步驟成立。

管線最後用 4 格,也是被這張表逼出來的:撐大 2 格只有 5.9% 的配對過門檻,PART 4 實測在右觸角葉上一顆都招不到;撐大到 4 格才有 53.4%——但那之後雪球又三輪吞下全部 723 顆。兩個極端之間沒有中間值,這正是滾雪球讀法的問題。

等一下——體素是整齊切的格子,不膨脹的話兩顆神經元怎麼可能佔到同一格?

因為格子不是被「分配」掉的。如果體素像拼圖,一格屬於一顆神經元,那確實不可能重疊。但實際的流程不是這樣:

每一顆神經元是單獨造影、單獨追蹤骨架,再各自映到同一個標準腦的格點上。每顆神經元因此產生自己的一份體素名單。從頭到尾沒有任何一步把某一格指派給某一顆神經元——所以同一個格子編號,會同時出現在很多顆神經元的名單裡。

像把 723 張透明片各畫一條線,疊在同一張方格紙上。任何一格都可能有好幾張片子的墨水,因為方格紙沒有把格子分給任何一張片子。

D06 全腦 28,573 顆神經元
(體素, 神經元)紀錄11,895,201 筆
相異的體素3,365,959 個
平均每個體素被幾顆神經元登記3.5
最擠的一個體素被幾顆登記67

資料結構本身就看得出來:D06 存的是一份(體素, 神經元)的配對清單,同一個體素編號在裡面重複出現很多次。1,189 萬筆紀錄,只落在 337 萬個相異體素上。

至於為什麼那麼多纖維會落到同一格:因為一格比一條纖維粗得多。D06 的體素邊長是 2 個座標格(約 0.8–1.25 真實微米),而果蠅的神經纖維直徑常在 1 微米以下——同一個立方格裡塞得下好幾條不同神經元的纖維。

回到右觸角葉那 723 顆 LN 候選,它們佔用了 141,327 個相異體素:

被幾顆神經元佔用體素數佔比
只有 1 顆27,36619.4%
2 顆以上113,96180.6%
10 顆以上59,62442.2%

中位數是 7 顆神經元共用一格,最擠的一格被 46 顆佔用。

所以膨脹要解決的不是「完全沒有交集」,而是「交集太小」。兩顆神經元各自的分枝鋪得很開,真正重疊的只是其中一小塊——不膨脹時任意兩顆的重疊率中位只有 1.5%、最大 10%,離 50% 的門檻很遠。把神經元佔的每個體素撐大,等於把「算是重疊」的範圍放寬,那一小塊才長得到過門檻的大小。

以上都在我們的資料上量的(D06 骨架體素),程式在 scripts/dilation_check.py。論文用的是原始共軛焦影像,體素更細、絕對數字會不同。

四、「所有體素」已經回答了撐大誰——但沒回答 50% 的分母是哪一個。論文的原句是 With all voxel units enlarged 4 folds, a target neuron is recruited if over 50% of its volume overlaps with the source.「所有」表示 source 與 target 兩邊都撐大。沒有交代的是後半句那個 its volume:50% 的分母,是 target 撐大前的體積,還是撐大後的?這個差別大到會讓其中一種讀法直接不成立:

讀法撐大誰50% 的分母重疊率中位數超過 50% 的配對
①只撐大 sourcetarget 撐大前的體積
(target 根本沒撐大)
0.2385.9% ← 本專題採用
②只撐大 targettarget 撐大後的體積0.22719.8%
③兩邊都撐大target 撐大前的體積3.26 ← 超過 193.6%
④兩邊都撐大target 撐大後的體積0.2324.0% ← 論文的字面讀法
第 ③ 列的 3.26 就是那個讀法不成立的證據。「重疊率」是一個比例,最大只能是 1(=B 的體素全部都落在 A 裡面)。而這一列算出 3.26,等於說「B 有 326% 的體素落在 A 裡」——不可能。

為什麼會跑出這種數字:分子分母不是同一個東西。分子數的是「撐大後的 A 與撐大後的 B 共同佔到的格子」,分母卻用「撐大前的 B 有幾格」。B 撐大兩格之後體積變成原本的 16.9 倍,所以共同的部分輕易就比原本的 B 大好幾倍。要嘛分子分母都用撐大後的(那就是第 ④ 列,0.232),要嘛都用撐大前的(那就是不膨脹,0.015)——不能一邊撐大一邊不撐。

照字面讀,成立的是第 ④ 列:兩邊都撐大、分母也用撐大後的體積。第 ③ 列不成立(比例大於 1),第 ② 列不是論文的讀法。

本專題採用的是第 ① 列,不是字面的第 ④ 列。本頁上面那張膨脹敏感度表、PART 3 的指令 9、PART 4 的實跑、PART 5 的 recruit(),用的都是第 ① 列。

為什麼不用第 ④ 列:滾雪球時 source 每一輪都在長大,若 target 也要撐大,每一輪都得把每一顆候選神經元重新撐大一次;只撐大 source 則每輪只撐一次。

代價量過了:第 ① 列與第 ④ 列的通過率是 5.9% 對 4.0%,中位數 0.238 對 0.232——兩者很接近。真正會翻盤的是第 ③ 列(93.6%),而那個讀法本身不成立。換句話說,這個簡化沒有把門檻放鬆到改變結論的程度,但它仍然是我們的選擇,不是論文的規定。

五、「4 倍」是每個方向 4 倍,還是體積 4 倍?兩種讀法差 16 倍。而在體素格點上還有第三個問題:撐大是一格一格來的,跨不出小數。

神經元的體素向外撐大1 格2 格3 格4 格
體積變成幾倍(我們抽的 60 顆 LN 的中位數)6.216.929.741.0

撐大一格,體積就跳到 6.2 倍——「體積 ×4」這個讀法在格點上跨不過去。

但 6.2 這個數字不是普世常數,它是「細長分枝」這種形狀的特性。撐大一格會讓體積增加多少,完全取決於物體有多「胖」——胖的東西表面積佔比小,撐大一格加不了多少:
形狀撐大 1 格後體積變成幾倍
孤立的單一體素7.0
一條一格寬的直線5.0
實心立方體 4×4×42.5
實心立方體 8×8×81.8
實心立方體 16×16×161.4
實心立方體 32×32×321.2

神經元的骨架在這個解析度下幾乎就是「一格寬的分枝曲線」——每一個體素都在表面上,所以倍率落在「直線 5.0」與「孤立體素 7.0」之間,大約 6。分枝點與斷點把它往 7 推,筆直的段落把它往 5 拉。

實測三個腦區各抽 60 顆,倍率確實都擠在一起:AL_R 4.3–6.6(中位 6.2)、FB 5.9–6.6、PB 5.9–6.7。所以在這份資料上「撐大一格 ≈ 六倍體積」是穩的,但別把它當成一條通則搬到別的東西上——換成實心的區塊,撐大一格連兩倍都不到。

論文沒有給這個 4 的推導——enlarged 4 folds 全文只出現這一次。論文有說整個招募在做什麼(見上面的引文),沒說的是這個 4 從哪裡來、以及它對應到格點上的哪一步。

六、種子的條件挑不挑得出合格的神經元,要看腦區。論文寫「a smallest LN with its fibers restricted within the smallest candidate LPU」——纖維要完全侷限在那個候選 LPU 之內。在右觸角葉、切割高度 8 分出來的那幾群上,照字面一顆都挑不到:

右觸角葉 723 顆 LN 候選,各有多少比例的體素落在……中位數最大值達到 100% 的
最小的那一群(切割高度 8,346 個體素)4.5%23.6%0 顆
全部熱點體素(五群加起來)39.6%77.2%0 顆
整個右觸角葉92.1%99.5%0 顆

照字面找,一顆都找不到——最接近的那顆也只有 23.6% 的體素落在最小那一群裡。把該群膨脹兩格、再填洞(把區域內部剩下的小空洞補起來)放寬,最好的一顆升到 46.9%,達到 100% 的還是 0 顆(scripts/seed_check.py)。要讓這一步跑起來,只能改成「有一部分落在裡面就算」,而「一部分」是多少,論文沒有給。

但換一個腦區,這個條件就成立了。在 AVLP_R、切割高度取平台上的 17 時,最大的那一群裡有五顆 LN 的體素有 97% 以上落在群內,最高的一顆是 99.1%(該顆共 112 個分析體素,不是小到失真的個案)。所以「挑不到合格的種子」是右觸角葉這個腦區的性質,不是這個條件本身的性質。真正沒有給的是另一件事:當一個腦區裡一顆合格的都沒有時該怎麼辦。

再加上論文明寫這一顆是目視決定的——這是整條流程唯一寫明要人介入的一步,而換一顆種子,招募出來的結果可能不同。

STEP 5抽等值面,定出邊界

把所有被招募的 LN 疊在一起,去掉它們的初級神經突(primary neurite)與細胞本體(soma),再對剩下的纖維密度場取等值面——這個曲面就是候選 LPU 的估計邊界。

白話。等值面就像地形圖上的等高線,只是在三維裡它是一個封閉的曲面。你先決定「密度到多少算是在裡面」,這條線就自己畫出來了。

為什麼要去掉細胞本體與初級神經突

論文在這一步沒有給理由(原句就是 after removing their primary neurites and soma,沒有下文)。但理由在解剖學上很清楚,而且可以量出來。

果蠅的神經細胞本體不在神經纖維網(neuropil)裡。它們排在腦的表層,像果皮一樣包在外面;纖維網在裡面。初級神經突就是從表層的細胞本體伸進纖維網的那一段——它只是條通勤路線,不在任何一區「工作」。

論文自己的圖說給了一個例子:某一群神經元「Their cell bodies are located in the ventral brain, and their primary neurites (arrows) project dorsally along the brain midline」——細胞本體在腹側,初級神經突卻沿著腦的中線一路往背側走。這一段路橫跨了好幾個腦區,但它在每一區都只是路過。

把它們留著會怎樣?密度場會在腦區外面多出一團,等值面跟著被拉出去,算出來的「候選 LPU 邊界」就不再是那個腦區的形狀了。這件事在我們的資料上看得很清楚:

離細胞本體的路徑深度
沿著骨架走幾步,不是直線距離
體素數落在右觸角葉之外落在任何腦區之外
0–5(最靠近本體)4,27163.2%61.7%
5–105,64739.0%37.4%
10–2022,58115.2%13.2%
20–35100,2807.9%4.9%
35–65(中段)614,4978.0%5.3%
65–100(末梢)549,19517.1%13.0%
最靠近細胞本體的那一段,有六成以上根本不在任何一個腦區裡——它就在細胞本體所在的表層,那裡不屬於任何 neuropil。越往裡面走,落在腦區外的比例掉到 8% 左右。去掉本體與初級神經突,去掉的正是這一段「還沒進到工作區」的通勤路線。(scripts/neurite_check.py)

順帶一提,論文在別處也是這樣處理的:FlyCircuit 的空間分布分析「the soma was excluded」,圖 S2 的圖說也註明「The soma was excluded」。細胞本體被排除是這套資料的慣例;初級神經突則是在 LPU 這一步才額外去掉的。

同一團 LN,三個門檻,三種邊界 門檻高 → 邊界緊 門檻中 → 邊界中 門檻低 → 邊界鬆 同一份資料,門檻不同, 算出來的 LPU 體積可以差好幾倍。 論文沒有給這個門檻。
示意圖,非論文原圖。

又一個沒給的參數

等值面的門檻要設多少,論文沒有寫(isointensity surface 只有名字,沒有數值)。而它直接決定候選 LPU 的體積——也就直接影響下一步的 c 值。

差多少?量給你看。同一批神經元(右觸角葉招募到的 723 顆,去掉初級神經突之後),只換這一個門檻:

門檻取密度的第幾百分位抽出來的區域佔腦區下一步的 c 值過得了 c > 2 嗎
10373.7%248.9過
25283.0%99.2過
50187.2%24.9過
75 ← 本專題採用93.4%2.67過
9037.4%1.22不過

c 值從 248.9 掉到 1.22——205 倍,而且中途跨過了 c > 2 這條判準。前三個門檻抽出來的「候選 LPU」甚至比腦區本身還大(密度場會溢出到區外,因為被招募的神經元有一部分伸出去了)。第 75 百分位是這幾個裡唯一讓區域小於腦區的,本專題後面一律用它——那是我們挑的,不是論文給的。由 part5/lpu_lib.py 的 c_value() 算出。

STEP 6算 c 值:中心要比周邊密

一個真正的 LPU,其 LN 纖維應該中間密、周邊相對空(論文說膠質細胞鞘可能也有貢獻)。把候選 LPU 的表面均勻內縮,使內部恰好包含 80% 的體素,記為中心區 A,其餘為周邊區 B。定義:

c = ( NB · Σr∈A v(r) ) / ( NA · Σr∈B v(r) ) NA、NB 分別是 A、B 的體素數。判準:c > 2。
白話:c 就是「中心的平均密度 ÷ 周邊的平均密度」。

公式看起來複雜,是因為它把兩個平均寫成了一個分數。中心的平均密度是 ΣAv ÷ NA,周邊的是 ΣBv ÷ NB,兩者相除,分母的 N 就跑到分子去了。c > 2 的意思就是:中心的平均密度要在周邊的兩倍以上。

A B 表面均勻往內縮,縮到內部剛好 裝下 80% 的體素——那是中心區 A, 剩下的外圈是周邊區 B。 c = A 的平均密度 ÷ B 的平均密度 c > 2:中心的平均密度是周邊的兩倍以上 80% 與 2 這兩個數字,論文沒有推導。
示意圖,非論文原圖。
實作上有個小訣竅。「把表面均勻內縮到剩 80% 體素」聽起來要做曲面運算,其實不必:對候選區域做一次距離轉換(算每個體素離表面多遠),依距離排序,取最內側的 80% 就是 A。這一點 PART 5 會用到。

STEP 7驗證:有沒有自己的長程神經束

最後一步是查這個候選區域有沒有自己的長程神經束。

白話。前面六步都在問「這塊區域裡面長什麼樣」——有沒有一群自己的在地神經元、密度夠不夠集中。這一步換一個方向問:它跟外面有沒有往來。

一個腦區就算內部再緊密,如果沒有任何一束纖維把它接到別的地方,它就只是一團組織,不是處理單元——沒有輸入、也沒有輸出。所以 LPU 的兩個條件是「對內有自己的班底」加上「對外有專線」,缺一不可。

一句常被誤引的話

「一條神經束至少由三顆神經元組成」不是論文的定義,也不是演算法的條件。它只出現在圖 7D 與圖 S7 的圖說裡,是在描述他們找到的那些神經束的性質:Each tract is composed of at least three neurons and may actually link more than two LPUs。

論文真正用來把纖維綁成一束的演算法寫在補充材料〈Searching Neural Tracts〉,判準是兩個門檻:兩端的平均終點位置相距小於 30 個體素,且總路徑長度的相似度大於 60%。裡面沒有任何「至少三顆」的規則。

有自己的 LN 族群有自己的長程神經束判定
是,而且 c > 2是LPU
沒有 LN 族群(c 根本算不出來)是hub
是,而且 c > 2否不成立——論文寫「a sub-division with c>2 is an LPU if the region has its own long-range tracts」

神經束的節點:正文寫 LPU、補充材料寫 neuropil

步驟七要用「有沒有神經束」來驗證 LPU。那神經束本身是怎麼定出來的?論文的正文與補充材料給了不同的答案。

出處原文節點是
正文we clustered neurons based on whether they follow a similar trajectory path linking specific LPUsLPU
補充材料
〈Searching Neural Tracts〉

← 本專題照這一列實作
For a selected neuron linking two neuropils, an average position of all terminals within each of the two regions was first determined…paths within the two selected neuropils were removedneuropil

差別很要緊。照正文那句,要找神經束得先有 LPU,而驗證 LPU 又要先有神經束——那是個循環。但照補充材料的演算法,神經束是在 neuropil 之間找的,根本用不到 LPU,循環就不存在。

兩處哪一個算數,論文沒有說。實作時建議照補充材料——那是唯一寫出可執行步驟的地方(兩端平均終點位置相距 < 30 個體素、總路徑長度相似度 > 60%),而且它讓步驟七跑得起來。

步驟以外合併:論文做了,但沒有寫成步驟

七個步驟從頭到尾只做一件事:在一個 neuropil 內部,找需不需要再細分。這也正是論文立的前提——LPU 的範圍「等於或小於」一個 neuropil。

但論文實際上還做了反方向的操作:把好幾個 neuropil 合起來,當成一個 LPU。

案例論文怎麼處理理由
蕈狀體 萼 + 葉
兩個 neuropil → 一個 LPU
Kenyon cell 的樹突在萼、軸突在葉——它跨在兩部分之間,所以切開之後不是任一邊的 LN,合起來才是整個蕈狀體的 LN 族群。論文另外還加了一條理由:MB 裡的 KC 有相似的長程連結樣式
中央複合體 橢球體 + 兩個側三角
三個 neuropil → 一個 LPU
同一個結構:論文明寫「Each EB LN gives dendrites at ipsilateral lateral triangle and axons surrounding the center ring」——EB 的 LN 本來就跨在側三角與中央環之間。原文的語氣是「可以視為(may be considered as)」

為什麼「都沒有 LN」反而變成合併的理由

論文那句話讀起來很奇怪:「the entire MB was one LPU because neither the calyx nor the MB lobe had its own populations of LNs」——兩邊都沒有 LN,怎麼會是合起來就有 LN 的理由?

關鍵在於 LN 是相對於「哪一塊區域」定義的。「LN」的意思是「神經突完全侷限在某一個區域之內」。同一顆神經元,在細的分區下不是 LN,在粗的分區下可能就是。

蕈狀體正是這樣:Kenyon cell 的樹突在萼、軸突在葉。把萼和葉當成兩個區,KC 就是「跨區」的投射神經元,兩邊都不算它的 LN——所以兩邊都沒有 LN 族群。但把整個蕈狀體當成一區,這 2,500 顆 KC 就全部變成它的 LN 族群。

所以「切開後兩邊都沒有 LN」不是「這裡沒有 LN」,而是「切錯地方了」。該有的 LN 就跨在那條切線上。

這在我們的資料上量得出來。把蕈狀體的四塊合併成一個區域,重跑 LN 普查:

切成四塊時合併成整個蕈狀體
右側萼 1、柄 0、垂直葉 0、水平葉 0596
左側四塊全是 0619

從幾乎全是 0,一口氣變成上千顆。那些神經元一直都在,只是在細的分區下不符合「LN」的定義。

中央複合體是同一回事。論文寫「Each EB LN gives dendrites at ipsilateral lateral triangle and axons surrounding the center ring」——EB 的 LN 樹突在側三角、軸突在中央環,一樣跨在兩塊之間。我們把 EB 與兩側的側三角合起來,LN 候選從 11 顆增加到 18 顆(再加上 GA 則是 24 顆)。方向一致,但幅度遠不如蕈狀體——EB 本來就是全篇最不穩定的那一個。
把蕈狀體與中央複合體這三組都併回去,全腦的 LN 候選從 6,922 增加到 8,143 顆(scripts/merge_check.py)。
論文對蕈狀體其實給了兩條理由,分別對應 LPU 的兩個條件。
條件一(要有自己的 LN 族群):切開後兩邊都沒有 → 合起來才有。
條件二(要有自己的長程神經束):「KCs in an MB share similar long-range connectivity patterns」——蕈狀體裡的 KC 對外連結的樣式相似,所以把它當一個單位看是合理的。
本節開頭那張合併案例表的「理由」欄把兩條都列了,但真正撐起「合併」這個動作的是第一條。

這兩個合併在圖 5A 那張正負號表上留下了痕跡:表裡同時有 Cal(−)、MB(−)與 Cal+MB(+),也同時有 Lat Tri(−)、EB(−)與 Lat Tri+EB(+)。那兩列合併項,就是這一步的存在證據。

但合併不在七個步驟裡,也沒有被寫成任何可執行的判準。論文是逐案說明的:蕈狀體那條靠「Kenyon cell 跨在萼與葉之間、而且長程連結樣式相似」,中央複合體那條靠「EB 的 LN 樹突在側三角、軸突在中央環」。兩者都是看了形態之後的判斷,沒有寫成任何可以套用到其他腦區的規則。

後果很直接:照著七個步驟跑,你永遠跑不出蕈狀體與中央複合體那兩個 LPU。而這件事會決定最後的總數是不是 41。

收尾想重跑這條流程,會卡在哪

把整條流程走完之後,該講清楚的是:這七個步驟不足以讓另一個人重現論文的 41 個 LPU。缺口有十個,分成三類: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。

下面三張表給這十個決定各編一個號(①–⑩),PART 3 每一條指令都會標明它寫死了哪幾個,PART 4 則記錄那些決定實跑起來會怎樣。(注意:這裡的 ①–⑩ 是「決定」的編號,跟 STEP 3 那兩條規則 ①②沒有關係。)

三個沒有給的參數

編號在哪一步缺什麼影響
②STEP 3UPGMA 樹的切割高度直接決定找到幾個候選 LPU。同一個右觸角葉可以是 1 個,也可以是 15 個
⑥STEP 5等值面的門檻決定候選 LPU 的體積,連帶影響 c 值。同一批神經元只換這個門檻,區域從腦區的 373.7% 縮到 37.4%、c 值從 248.9 掉到 1.22(205 倍),中途跨過 c > 2——見 STEP 5 那張掃描表
④STEP 4起始種子怎麼挑論文的條件「纖維完全侷限在該候選 LPU 內」在右觸角葉上按字面挑不出任何一顆(最接近的只有 23.6% 落在裡面),在 AVLP_R 上卻挑得到(最高的一顆是 99.1%,scripts/seed_check.py)——論文沒有寫「一顆合格的都挑不到時該怎麼辦」。放寬成「有一部分在裡面」則沒給比例。而且它明寫是目視決定的——換一顆種子,招募結果可能不同

五個定義上的含糊

編號在哪一步含糊在哪影響
①STEP 1v(r) 是數纖維條數,還是數重疊的神經元數補充材料與圖 S5D 的說法不同。從二值化影像只做得到後者
⑩STEP 4招募時比對的那一團,是滾雪球的種子,還是分群本身補充材料寫「收進來的併成新的種子」(靶愈滾愈大),圖 S5D(e) 的圖說寫 recruited based on the coverage of the two clusters(靶就是分群,固定不動)。兩處不一致,而選哪一種決定這一步跑不跑得動——滾雪球那一種在三個腦區、388 組參數下沒有一組收到中間結果
⑤STEP 4膨脹的細節:50% 的分母、撐大多少論文寫 all voxel units enlarged(兩邊都撐大),但沒說 50% of its volume 的分母是 target 撐大前還是撐大後——差別大到其中一種讀法會算出超過 1 的比例;「4 倍」是每方向還是體積也沒說(差 16 倍),而格點上撐大 1 格體積就已經是 6.2 倍
③STEP 3UPGMA 平手時挑哪一對體素在規則格點上,距離大量重複(490 萬對只有 557 種值)。演算法沒有規定,實作按輸入順序挑;打亂順序,同一個高度的答案可差 8 個
⑦STEP 7神經束的節點是 LPU 還是 neuropil正文寫 LPU(會造成循環),補充材料的演算法寫 neuropil(不會)。兩處不一致,論文沒有裁決

還有兩件不在七個步驟裡的

編號在哪裡缺什麼影響
⑧STEP 0誰算 LN,論文是目視判定的原文是 visually inspected and delineated。想自動化就得自己挑一條規則(我們用「至少 80% 的分枝待在同一區」),而規則一換,普查結果就換
⑨步驟以外合併照七個步驟跑,永遠跑不出蕈狀體與中央複合體那兩個 LPU

八個缺口加上這兩件,總共十件事需要重跑的人自己決定。

這不是要否定這篇論文。2011 年能把一套腦區劃分寫成七個具體的步驟、還附上數學定義,本身就是一件不常見的事——多數同期的分區工作連步驟都沒有。真正的問題是那個年代的論文格式不要求附程式碼與參數檔,所以再明確的文字描述,隔了十幾年還是留下了這些洞。
看完了怎麼算,下一步是自己動手算一次。上面那六張真實資料的圖,其實就是 STEP 0 到 STEP 3 的產出——程式在 scripts/make_part2_figures.py。PART 3 會把這條流程拆成一串交給 AI Agent 的指令,PART 4 真的讓它跑一遍,PART 5 則回頭讀懂 AI 寫出來的那份程式。那十個要自己決定的地方,三者都躲不掉。
← PART 1 什麼是 LPU PART 3 要怎麼交代 AI Agent →
BSC 腦空間體研究中心 · 專題課程 LPU · PART 2 | 真實資料圖由 scripts/make_part2_figures.py 以 D03 分區與 D06 骨架體素算出;流程圖與示意圖為自行繪製,非論文原圖重製 · 回 BSC 專題課程首頁