BSC 專題課程 / VFB 專題課程 / PART 3

PART 3

從腦區找到神經元

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」

← PART 2 把一個名字問清楚 PART 4 連結體 →

1目標:做出一份可以用的神經元清單

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:

471
Neurons with some part in medulla
226,524
Images of neurons with some part in medulla
4
List all available images of medulla

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
所以「我要 medulla 的神經元」這句話,在 VFB 上有三種意思。清單做出來之前,要先答一個問題:你要的是幾種神經元,還是幾條神經元?前者是分類學的問題(這個腦區裡有哪些型),後者是資料的問題(我手上能拿到幾份重建)。兩個都合法,但它們的數字差了將近五百倍(226,524 ÷ 471 ≈ 481),而且後面每一步都不一樣。

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。

2挑哪一支查詢

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
4List all available images of medulla這個腦區自己被畫在哪幾套標準腦上
471Neurons with some part in medulla有任何一部分長在這裡的神經元種類
464Neurons with synaptic terminals in medulla在這裡有突觸終端的種類
262Neurons with presynaptic terminals in medulla在這裡有前突觸終端的種類
333Neurons with postsynaptic terminals in medulla在這裡有後突觸終端的種類
28Parts of medulla這個腦區底下的次分區
3Tracts/nerves innervating medulla進出這裡的神經束與神經
7Lineage clones found in medulla在這裡找得到的譜系選殖
226kImages of neurons with some part in medulla同上第二列,但回的是個體不是種類
2kTransgene expression in medulla在這裡有表現的轉殖基因

數字一個比一個小,但不能相加

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 medulla471
有突觸終端Neurons with synaptic terminals in medulla464
前突觸Neurons with presynaptic terminals in medulla262
後突觸Neurons with postsynaptic terminals in medulla333

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:

前突觸 ⊆ 有突觸終端 ⊆ 有一部分在裡面。後突觸也一樣。三個包含關係都逐一驗證過,沒有例外。

但這不表示數字可以加減。兩件事讓算術失效:

  1. 前突觸與後突觸大量重疊。262 + 333 = 595,可是兩邊都有的就有 230 種——同一個種類在這個腦區裡既接收也輸出,很常見。實際的聯集只有 365 種。
  2. 而 365 還是小於 464。有 99 種被算進「有突觸終端」,卻既不在前突觸也不在後突觸那一組——它們在這個腦區有突觸,但沒有標出是前是後。

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。

要寫進方法段的話,一定要寫明是哪一支查詢。「medulla 有 471 種神經元」跟「medulla 有 464 種神經元」是兩個不同的敘述,而它們的差別不是誤差,是定義。本課往後凡是給一個腦區的神經元數目,都會附上是哪一支查詢問出來的。

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。

3結果表的每一欄是什麼

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

最後那一欄,是 471 與 226,524 接起來的地方

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。

兩個提醒。第一,畫面上的欄名跟程式介面回的欄位名不是同一組:介面回的鍵是 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。

4篩選與排序

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。

意思是:它篩的是已經回來的那些,不是回去重問一次。所以篩選很快,也不會漏掉任何東西——因為該回的都已經在你手上了。

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。

所以標題那個數字,永遠是「這支查詢回了幾列」,不是「你現在看到幾列」。要報告篩選後的數量,不能抄標題——那是整份結果的數字。這是 PART 2 第 5 節那條規矩在結果表上的長相:畫面上的數字,要先問它在回答哪一個問題。

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。

5三維與切片檢視:你看到的是什麼

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)
所以結果表上的縮圖,不等於載入。那些縮圖是預覽;勾選才會把東西放進檢視器。這件事一開始會讓人以為「我明明看到很多神經元了」,其實三維檢視裡只有一顆空的標準腦。要判斷檢視器裡有什麼,看 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。

6匯出

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

一、清單:Download results (CSV)

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。

拿到的是整份結果,不是畫面上那幾列。就算你先用 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
Namenamelabel
Gross_Typegross_typetags
Template_Spacetemplatetemplate
Imaging_Techniquetechniquetechnique
Imagesimagesthumbnail
(畫面上沒有這一欄)idid

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。

二、一個東西:資訊面板的 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
那一區底下有一句話:「The license shown above applies to this data.」——授權是逐筆的,寫在同一個面板的 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。

三、一批東西: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
第二段列出來的,就是上一節那個 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。

7動手做

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。

  1. 打開 medulla 的頁面。網址:virtualflybrain.org/reports/FBbt_00003748。
    去哪裡確認你到對地方了:檢視器(v2.virtualflybrain.org)的 Term Info 分頁,Name 欄寫著 medulla [FBbt_00003748]。
  2. 比較兩支查詢的數字。在同一個面板往下找 Query For 區。
    看到什麼算對:Neurons with some part in medulla 前面的徽章是 471,而 Images of neurons with some part in medulla 前面是 226k。先想一遍你要哪一個,再往下做——這一步就是第 1 節那個問題。
  3. 跑出清單,然後篩一次。點 Neurons with some part in medulla。
    看到什麼算對:畫面上方換成結果表,標題是 471 Neurons with some part in medulla,表頭五欄依序是 Name、Gross_Type、Template_Space、Imaging_Technique、Images。
    接著在表格上方的 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。
  4. 把一列放進檢視器,再把清單帶走。先看一眼 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。
    看到什麼算對: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。
    最後按結果表底下的 Download results (CSV)。
    看到什麼算對:檔名是 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。
  5. 把剛剛勾的那一個打包帶走。不要關掉畫面——上一步勾進 Layers 的那一個還在。按頂列的 Download Contents 圖示。
    看到什麼算對:對話框標題是 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。
    勾 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)。

數字跟你看到的不一樣是正常的。本頁的徽章數字是 2026 年 9 月 14 日抓的。連線資料集會換版、新的重建會進來,這些數目就跟著變——第 2 節那些包含關係與重疊則不會。要確認自己看到的是哪一版,就看該筆資料 Source 欄裡的資料集名稱,名字裡帶著版本。
← PART 2 把一個名字問清楚 PART 4 連結體 →
VFB 專題課程 PART 3 · 本頁引用的 VFB 資料與畫面皆於 2026-09-14 讀取 ·  頁面上每個數字都對得回 out/ 底下的探針輸出
回 BSC 專題課程首頁