Resumo Técnico: Inferência de Função de Circuitos Neurais com LLMs (LLantia)

Declaração do Problema

A rápida aceleração do mapeamento do conectoma, particularmente em Drosophila melanogaster, deslocou o desafio primário da aquisição de dados para a interpretação da função do circuito neural. Embora o conectoma da mosca da fruta contenha aproximadamente 140.000 neurônios, estes podem ser reduzidos a uma matriz de conectividade de cerca de 9.000 tipos celulares distintos baseados em morfologia e conectividade sináptica. No entanto, a densidade extrema de conectividade — onde ~80% dos tipos celulares estão sinapticamente conectados dentro de cinco saltos — cria uma explosão combinatória de potenciais vias de entrada-saída. Esta complexidade, combinada com uma literatura esparsa e dispersa que cobre apenas uma fração dos tipos celulares, dificulta a formulação de modelos e experimentos testáveis. As abordagens existentes para agregação de literatura dependem fortemente de curadoria manual ou ferramentas comerciais sem APIs abertas, tornando difícil a integração sistemática de dados funcionais conhecidos com dados estruturais do conectoma em escala.

Metodologia: O Framework LLantia

Os autores introduzem o LLantia (inferência e análise automatizada de circuitos neurais por LLM), um pipeline automatizado projetado para inferir a função de tipos celulares neurais e os circuitos de que fazem parte, combinando a estrutura do conectoma com descrições funcionais derivadas da literatura. O framework opera através de três estágios primários:

1. Mineração de Literatura Automatizada e Destilação de Função

• Travessia de Grafo de Citações: Partindo de 114 artigos "semente" selecionados à mão, o sistema utiliza a API do Semantic Scholar para percorrer o grafo de citações (upstream e downstream, 2 saltos).
• Filtragem de Relevância: Um LLM pequeno (Qwen3.5-4B) filtra artigos com base em títulos e resumos para relevância à função neural de Drosophila, seguindo um filtro inicial de palavras-chave.
• Extração e Normalização: PDFs de texto completo são recuperados (via Semantic Scholar, Unpaywall, OpenAlex) e processados por um LLM grande (Qwen3.6-35B) para extrair nomes de tipos celulares e suas funções.
• Correspondência de Nomes: Nomes extraídos são comparados a identificadores do conectoma usando listas de sinônimos e correspondência parcial de strings.
• Sumarização: Para tipos celulares que aparecem em múltiplos artigos, o LLM consolida as descobertas em descrições concisas (máximo de 30 palavras) para se ajustar às restrições de prompts subsequentes.

2. Inferência de Função de Tipo Celular Único

Para inferir a função de um tipo celular de consulta, o sistema constrói um prompt estruturado contendo:

• Dados do Conectoma: Conectividade efetiva assinada pré-computada (excitatória/inibitória) de neurônios sensoriais e células funcionais conhecidas para a consulta, e da consulta para células conhecidas.
• Contexto Local: Parceiros pré e pós-sinápticos diretos e seus pesos de conectividade.
• Conhecimento Funcional: Um compêndio de descrições funcionais destiladas para todos os tipos celulares "conhecidos" que participam das vias polissinápticas da consulta.
• Restrição: A função conhecida do tipo celular de consulta é explicitamente excluída para evitar vazamento de dados (data leakage) e testar a capacidade de inferência.
• Saída: O LLM (Qwen3.6-35B) gera uma resposta JSON estruturada detalhando o contexto comportamental, a lógica do circuito, a avaliação de coerência, o cálculo inferido, as conexões de suporte principais e os cálculos intermediários.

3. Inferência de Função de Circuito Hierárquica

Para circuitos mais amplos, o pipeline emprega uma estratégia de prompting hierárquica de múltiplamente etapas:

• Busca de Caminhos (Pathfinding): O Intérprete de Conectoma identifica todas as vias polissinápticas entre tipos celulares de origem e alvo definidos.
• Representação em Camadas: O circuito é transformado em um grafo em camadas (baseado no fluxo de informação) para reduzir a redundância de tokens, listando tipos celulares por sua distância sináptica em relação às fontes.
• Síntese Iterativa:
  1. Pareada: Inferir funções para pares específicos de entrada-saída.
  2. Agregação: Sintetizar funções para todos os caminhos que convergem em um alvo ou divergem de uma fonte.
  3. Síntese Global: Combinar esses sumários para definir a função de todo o circuito através de múltiplos contextos comportamentais e fisiológicos (ex: fome, estado de acasalamento).

Resultados Principais e Validação

Precisão da Extração de Literatura

A extração automatizada de funções de tipos celulares foi validada contra conjuntos de dados curados manualmente. A análise de similaridade de embedding (usando Qwen3-Embedding-8B) mostrou que as descrições para o mesmo tipo celular geradas pelo pipeline automatizado eram significativamente mais similares às descrições curadas por humanos do que às descrições de tipos celulares diferentes (Wilcoxon $p < 1.51 \times 10^{-35}$).

Validação de Inferência

• Quantitativa: Para 488 tipos celulares com funções conhecidas, as descrições inferidas pelo LLM (excluindo a função conhecida do prompt) foram significativamente mais próximas da verdade fundamental (ground truth) derivada da literatura do que das descrições de outros tipos celulares ($p < 1.30 \times 10^{-33}$).
• Controle de Memória vs. Análise:
  • Quando as descrições de funções conhecidas foram removidas do prompt, o desempenho caiu, indicando que o modelo depende do contexto fornecido em vez de apenas memorizar nomes de tipos celulares.
  • Quando os nomes dos tipos celulares foram substituídos por nomes fictícios (preservando a conectividade e as descrições funcionais de seus parceiros), o modelo manteve alto desempenho, provando que a inferência é impulsionada pela análise estrutural e funcional, e não pela recuperação baseada em nomes.
• Validação Prospectiva: O método foi aplicado para inferir a função do tipo celular LoVPN (LTe72), usando o LLM (Qwen3.6), que foi lançado em abril de 2026. A análise foi conduzida antes da publicação de Coban, Harris et al. (junho de 2026). O LLM previu um "detector de saliência visual dependente de contexto" regulado por outras modalidades sensoriais (olfato, termossensação), o que se alinhou precisamente com os achados experimentais subsequentes sobre o controle mediado por LHPV6m1 relatado no artigo de junho de 2026.

Aplicações de Análise de Circuito

O framework foi aplicado a seis circuitos amplos no céreção da mosca da fruta (ex: Corno Lateral para o Complexo Central, MBONs para Neurônios Descendentes). O sistema gerou descrições hierárquicas identificando:

• Lógica Dependente de Contexto: Circuitos que operam de forma diferente sob estados específicos (ex: fome vs. saciedade).
• Co-inibição: Mecanismos onde tipos celulares específicos (ex: LPLC2) inibem outros (ex: pMP2) para impor exclusividade comportamental.
• Portas AND: Requisitos para múltiplas condições simultâneas (ex: presença de odor de alimento + ausência de prioridade de acasalamento) para desencadear saídas motoras específicas.

Significância e Alegações

O artigo afirma que o LLantia fornece um método escalável e automatizado para preencher a lacuna entre a estrutura do conectoma e a compreensão funcional. Suas principais contribuições são:

1. Inferência Sistemática: Move-se além da curadoria manual para inferir sistematicamente funções para todos os ~9.000 tipos celulares no conectoma da mosca.
2. Rastreabilidade e Transparência: A saída estruturada e hierárquica permite que pesquisadores rastreiem hipóteses de nível de circuito até subcircuitos específicos, conexões sinápticas e a literatura original, facilitando a validação experimental.
3. Nuance Contextual: Ao modelar explicitamente contextos comportamentais e fisiológicos, o método infere como os circuitos operam sob condições específicas, abordando a limitação de mapas de conectividade estáticos.
4. Ciência Aberta: Os autores disponibilizam o conjunto de software (LLantia), o Intérprete de Conectoma e todos os dados gerados (incluindo hipóteses para o conectoma FAFB/FlyWire) como recursos de código aberto, permitindo que a comunidade aplique esses métodos a outros conectomas.

Os autores mantêm uma postura modesta, reconhecendo que o framework depende da existência de literatura prévia para pelo menos alguns tipos celulares componentes e que a natureza de texto livre das saídas requer validação sistemática adicional por especialistas humanos ou verificações automatizadas de concordância funcional. No entanto, eles demonstram que LLMs modernos de pesos abertos podem realizar inferências eficazes em circuitos neurais quando guiados por prompts estruturados contendo conectividade e conhecimento funcional destilado.