PART 3
目標很具體:做出一份可以拿去用的神經元清單——而這件事的第一個難處,是決定「清單上放什麼」
這一部分只做一件事:給定一個腦區,產出一份神經元清單,而且這份清單要能拿去做下一步——寫進論文的方法段、丟給程式批次處理、或當成挑分析對象的名單。
聽起來像是點一個按鈕的事。實際上你在 PART 2 那個腦區的資訊面板上,會看到三個數字同時擺在一起:
這三個數字都對,而且它們回答的是三個不同的問題。差別正是 PART 2 那條線——類別與個體:
| 這一支查詢回的是 | 編號長什麼樣 | 例子 |
|---|---|---|
| 神經元的種類(類別) | FBbt_… | Cm7、Tm18、Tm19 |
| 一條一條重建出來的神經元(個體) | VFB_… | Cm7_L (MaleCNS:41280) |
| 這個腦區自己被畫出來的那幾塊(個體) | VFB_… | ME on JRC2018Unisex adult brain |
三個數字出自 out/counts_region.json(scripts/vfb_probe.py,2026-09-14);例子取自 out/ui/query_results.json 與 out/terminfo_individual.json。本頁一律以 medulla(FBbt_00003748)為例,跟 PART 2 同一個。
一個腦區的資訊面板上,Query For 那一區列著十支現成查詢——意思是「VFB 已經替這個腦區寫好、你只要點一下就會跑」的查詢。每一支前面有一個數字徽章,就是它會回幾列:
| 徽章 | 查詢 | 它在問什麼 |
|---|---|---|
| 4 | List all available images of medulla | 這個腦區自己被畫在哪幾套標準腦上 |
| 471 | Neurons with some part in medulla | 有任何一部分長在這裡的神經元種類 |
| 464 | Neurons with synaptic terminals in medulla | 在這裡有突觸終端的種類 |
| 262 | Neurons with presynaptic terminals in medulla | 在這裡有前突觸終端的種類 |
| 333 | Neurons with postsynaptic terminals in medulla | 在這裡有後突觸終端的種類 |
| 28 | Parts of medulla | 這個腦區底下的次分區 |
| 3 | Tracts/nerves innervating medulla | 進出這裡的神經束與神經 |
| 7 | Lineage clones found in medulla | 在這裡找得到的譜系選殖 |
| 226k | Images of neurons with some part in medulla | 同上第二列,但回的是個體不是種類 |
| 2k | Transgene expression in medulla | 在這裡有表現的轉殖基因 |
上表裡有五支跟神經元有關的查詢,其中最後一支(Images of neurons…,226k)回的是個體,先放一邊。剩下這四支回的都是種類,數字一個比一個小,看起來像一層層篩下去:
| 本頁往後這樣稱呼它 | 站上的查詢 | 回幾種 |
|---|---|---|
| 有一部分在裡面 | Neurons with some part in medulla | 471 |
| 有突觸終端 | Neurons with synaptic terminals in medulla | 464 |
| 前突觸 | Neurons with presynaptic terminals in medulla | 262 |
| 後突觸 | Neurons with postsynaptic terminals in medulla | 333 |
包含關係確實成立——我們把這四支的編號全部取回來做過集合運算:
但這不表示數字可以加減。兩件事讓算術失效:
最外圈那 471 減掉 464,剩下 7 種只是路過:有一部分長在這個腦區裡,但沒有在這裡形成突觸。這一次減得成立,因為 464 那一組確實整個包含在 471 裡面——上面那個包含關係就是拿來判斷「哪些減法可以做」的。
十支查詢與它們的徽章數字出自 out/queries_for_region.json 與 out/counts_region.json;包含關係與重疊數(595、230、365、99、7)出自 out/query_overlaps.json——那一支把四支查詢的編號全部取回(各自取回的列數都等於它自己報的數字,沒有被翻頁上限截斷)再做集合運算。皆由 scripts/vfb_probe.py 於 2026-09-14 抓取。
點下 Neurons with some part in medulla 之後,畫面上方換成一整張結果表,標題寫著 471 Neurons with some part in medulla。這支查詢的表頭有五欄——欄位是跟著查詢走的,換一支查詢就換一組欄位(例如 PART 1 作業單那支 Painted domains 的結果表是 Name、Type、Definition、Images 四欄):
| 欄名 | 裡面是什麼 | 要注意的 |
|---|---|---|
Name | 這個種類的名字,例如 Cm7 | 一列 = 一個種類,不是一條神經元 |
Gross_Type | 幾個分類標籤,例如 Visual_system、Neuron、GABAergic | 同一列可以有好幾個 |
Template_Space | 這份影像對位到哪一套標準腦,例如 JRC2018U | 寫的是短名(PART 2 第 4 節那個 Symbol),不是編號 |
Imaging_Technique | 這份影像怎麼拍的,例如 serial block face SEM (SBFSEM) | 同一個種類可能有好幾種來源 |
Images ▼ | 縮圖,左右各一個箭頭 | 這一欄是一個輪播,見下一段 |
Images 那一欄不是一張圖,是可以左右翻的一疊圖。翻的時候,圖上方那一行字會跟著換——Cm7 那一列顯示的是:
Cm7_L (MaleCNS:41280) aligned to JRC2018U
讀法:這一列是「Cm7 這個種類」,而這一疊圖是屬於它的那些個體——每一個都是某套連線資料裡一條真的重建出來的神經元(這裡是 male-CNS 那一套裡編號 41280 的那條,左側)。第 2 節那個 226,524 就是把所有種類的這一疊全部攤平來數。
id、label、tags、template、technique,照那組去畫面上找,一欄都對不到。第二,Template_Space 那一欄寫短名這件事,跟 PART 1 作業單的 Aligned To 欄是同一個習慣——VFB 的表格慣例是給人看的名字,不是編號。
欄名、標題列與 Images 欄的內容,由 scripts/browser_probe.py 在 2026-09-14 用真的瀏覽器跑完這支查詢後拍下,原始輸出在 out/ui/query_results.json;介面回的鍵名出自 out/counts_region.json 的 columns。
結果表上方(仍然在 v2.virtualflybrain.org 這個檢視器裡)有一個 Filter Results 輸入框,欄頭 Images ▼ 的那個三角是排序方向。兩件事都很直覺,但篩選有一個性質會影響你怎麼用它。
我們實測過:在那個框裡打 Cm7,畫面上的列從 10 列變成 1 列,而整個過程沒有送出任何一個網路請求。
但緊接著是那個要注意的地方:篩完之後,標題上的數字不會跟著變。畫面上只剩一列的時候,標題仍然寫著 471 Neurons with some part in medulla。
篩選的實測(打 Cm7、列數 10 → 1、期間 0 個請求、標題不變)由 scripts/browser_probe.py 於 2026-09-14 量得,原始輸出在 out/ui/query_results.json 的 filter_test。
同一個檢視器(v2.virtualflybrain.org)的畫面左半邊,有 Slice Viewer 與 3D Viewer 兩個分頁。這一節不教怎麼轉、怎麼縮放——那些按鈕會改版;要教的是一件不會改版的事:你看到的東西是怎麼來的。
答案在 Layers 那個面板上。它列的就是「檢視器裡現在有什麼」,而它的內容比你想的少:
| 這個時候 | Layers 面板上有什麼 |
|---|---|
| 剛打開腦區的頁面 | 只有 JRC2018Unisex 一列(那顆標準腦) |
| 跑完查詢、結果表滿滿一整頁 | 還是只有 JRC2018Unisex 一列 |
| 在結果表裡勾選一列之後 | 多了一列:Cm7_L (MaleCNS:41280) |
Layers,不要看縮圖。
另外一件要知道的事:Layers 的每一列都有自己的控制項,其中一個是 顏色——每一列的顏色都可以自己換。由此推得一件對截圖很重要的事:畫面上的顏色不是資料的一部分,它不編碼細胞類型、不編碼訊號強度、也不編碼任何量。截圖放進論文或簡報時,這件事要寫在圖說裡,否則讀者會去解讀那些顏色。
三個時間點的 Layers 內容,由 scripts/browser_probe.py 在 2026-09-14 依序拍下(載入 → 跑查詢 → 勾選一列),原始輸出在 out/ui/viewer_state.json。顏色控制項出自同一支探針拍到的每一列控制按鈕。
清單做好了要帶走。站上有三種下載,拿到的東西不一樣——先把它們並排,之後就不會按錯:
| 按哪裡 | 拿到什麼 |
|---|---|
| 結果表底下的 Download results (CSV) | 清單:結果表那幾欄,一個 CSV |
資訊面板底下的 Downloads 區 | 一個東西:你正在看的那一筆,可以挑格式 |
頂列的 Download Contents 圖示 | 一批東西:目前載入檢視器裡的那些,一次打包 |
結果表底下有四個動作:Refine query、New query、Delete results、Download results (CSV)。最後那個就是把整份清單存成檔案。
Filter Results 篩到只剩一列,按下去拿到的仍然是全部 471 列,連檔名都還是 471_Neurons_with_some_part_in_medulla.csv。篩選是看的,下載是全部。要只匯出一部分,得用 Refine query 重新問一次,而不是篩。
CSV 裡是結果表那幾欄,不是影像——影像要用底下那兩種拿。另外要有心理準備:CSV 的欄名是第三組寫法。同一件事,你已經遇過三種名字:
| 畫面上的欄名 | CSV 的欄名 | 程式介面回的鍵 |
|---|---|---|
Name | name | label |
Gross_Type | gross_type | tags |
Template_Space | template | template |
Imaging_Technique | technique | technique |
Images | images | thumbnail |
| (畫面上沒有這一欄) | id | id |
CSV 比畫面多給你一欄 id——那是編號,也就是 PART 2 第 4 節說「要指名一個東西就用它」的那個。拿 CSV 去做下一步時,用 id 那一欄,不要用名字。另外,CSV 裡好幾欄的值帶著連結語法,例如 [Dm8b](FBbt_00110069)——要用之前得先拆開。
Downloads 區單一顆神經元的檔案在它自己的資訊面板底下,Downloads 那一區:
| 檔案 | 是什麼 |
|---|---|
Mesh (OBJ) | 表面網格,拿來畫圖、做三維呈現 |
Skeleton (SWC) | 骨架,拿來算形態、做形態比對 |
Signal (NRRD) | 原始的影像訊號 |
Slices (Woolz) | 切片格式 |
citations.bibtex | 該引用什麼 |
License 欄裡,而它每一筆可能不一樣(PART 2 第 3 節)。下載之前看一眼那一欄,並且照 citations.bibtex 引用原始資料的論文,不是引用 VFB。同一個面板的 Source 欄會告訴你這筆資料出自哪一套、哪一版。
Download Contents要一次拿好幾個,用頂列那個 Download Contents 圖示。點下去跳出來的對話框標題是 Download Data,分兩段:
| 對話框的兩段 | 要你選什麼 |
|---|---|
| Please select the desired types | 四種格式:OBJ(網格)、SWC(骨架)、NRRD(影像訊號)、References(引用資訊) |
| Please select Variables: | 要下載哪幾個東西,可以整組勾(All Instances)也可以逐個挑 |
Layers 面板上的東西。所以你沒有勾進檢視器的,這裡不會出現——要打包一批神經元,得先把它們一個一個勾進去。這是「縮圖不等於載入」那件事的第二個後果:第一個是三維檢視裡看不到,第二個是打包時抓不到。
四個動作按鈕出自 out/ui/query_results.json;Downloads 區的檔案清單與那句授權說明,出自 out/ui/terminfo_v2_neuron.json。「篩選不影響下載」與 CSV 的欄名,是真的按下去下載了兩次量出來的(一次不篩、一次篩成一列,兩次都拿到 471 列、同一個檔名),出自 out/ui/csv_export.json;程式介面那一欄的鍵名出自 out/counts_region.json。Download Contents 圖示的名稱、對話框標題與那兩段文字,出自 out/ui/bulk_download.json。皆由 scripts/browser_probe.py 於 2026-09-14 取得。
五步,不用安裝也不用登入。做完你會有一份 CSV,以及一條神經元的骨架檔。
v2.virtualflybrain.org)的 Term Info 分頁,Name 欄寫著 medulla [FBbt_00003748]。Query For 區。471 Neurons with some part in medulla,表頭五欄依序是 Name、Gross_Type、Template_Space、Imaging_Technique、Images。Filter Results 框裡打 Cm7,看著列數變少——然後回頭看標題,它還是 471。第 4 節說的就是這件事。Layers 面板:現在只有 JRC2018Unisex 一列。接著在結果表裡勾選任一列右下角的方框。Layers 多出一列,名字長得像 Cm7_L (MaleCNS:41280)——那是一條真的神經元,不是一個種類。471_Neurons_with_some_part_in_medulla.csv,裡面有 471 列——不是你第 3 步篩剩的那一列。第 6 節說的就是這件事:篩選是看的,下載是全部。Layers 的那一個還在。按頂列的 Download Contents 圖示。Download Data;第一段有四個方框(OBJ、SWC、NRRD、References),第二段列出來的正好就是 Layers 面板上那兩樣——那顆標準腦,以及你剛剛勾的那一條神經元。SWC 與那條神經元,按 DOWNLOAD。拿到的就是 PART 5 第 4 節拿去跟原始資料比對的那份骨架。這一節每一步指名的欄位名、徽章數字與畫面上的字串,都由 scripts/browser_probe.py 在 2026-09-14 用真的瀏覽器把這四步做過一遍拍下來,原始輸出在 out/ui/(terminfo_v2_region.json、query_results.json、viewer_state.json、bulk_download.json)。
Source 欄裡的資料集名稱,名字裡帶著版本。