🧠 神经科学

Path knockout: an analysis tool for connectome-driven circuit discovery

本文介绍了“路径敲除”（path knockout），这是一种可扩展的连接组分析方法，通过模拟中间神经元的移除来量化其重要性，从而识别主导的多突触通路，并成功揭示了果蝇中已知及新颖的回路，例如将攻击指令神经元与视觉追踪通路联系起来的收敛基序。

原作者： McGrath, R., Hattori, D.

发布于 2026-11-03

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： McGrath, R., Hattori, D.

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

大脑是一个由数十亿个微小细胞组成的庞大网络，每个细胞通过被称为突触的微观连接与成千上万个其他细胞相连。这些连接构成了物理上的布线，使动物能够将气味、视觉或感觉转化为特定的动作，例如逃避捕食者或追逐配偶。几十年来，科学家们一直难以详细绘制这些连接图谱，因为路径的数量过于庞大，令人望而生畏。一个被称为“连接组学”（connectomics）的新兴领域终于为果蝇等小型动物提供了这些布线图的完整地图，展示了每一个神经元以及它们之间的每一个突触。然而，拥有地图只是第一步；真正的挑战在于弄清楚在这一团乱麻般的网络中，哪些特定的路径实际上被用于执行某种行为。如果没有一种方法来从数百万条可能的路径中进行筛选，这张地图就只能是一幅静态的图像，而不是指导大脑如何运作的指南。

为了解决这个问题，研究人员 Ryan McGrath 和 Daisuke Hattori 开发了一种名为“路径敲除”（path knockout）的新型计算工具。这种方法并非试图手动追踪每一条路径，而是作为一个系统性的过滤器，通过测试当移除一个特定的中间细胞时，两个神经元群体之间的连接会减弱多少，来识别最重要的路径。研究人员将这一工具应用于果蝇大脑，这是一个布线细节已广为人知的系统。他们首先定义了一个起点，例如检测特定气味的神经元群，以及一个终点，例如触发某种行为的神经元群。随后，该工具通过考虑信息可以采取的所有可能路径，并根据每条路径使用的突触数量及其连接强度进行加权，计算出这两点之间的连接强度。

这项创新的关键在于该工具处理大脑布线的方式。以往的方法通常寻找最短路径或流量最大的路径，但这些方法忽略了大脑利用许多并行路径以确保信号传递成功的现实。路径敲除法认识到，如果一条路径失效，其他路径可以接管，因此它计算的是至少存在一条成功路径的概率。为了找到最关键的细胞，研究人员在虚拟地一次移除一个神经元，并观察整体连接强度下降了多少。如果移除某个特定神经元导致连接崩溃，那么该神经元就被列为核心要素；如果连接保持强劲，则认为该神经元不太重要。这个过程使得团队能够在标准计算机上仅需几分钟内就能对数千个神经元的重要性进行排名，将海量且复杂的数据集转化为一份关于最可能电路组件的清晰清单。

当研究人员在已知的电路中测试这种方法时，其效果完全符合预期。在果蝇的嗅觉系统中，该工具准确识别了已知负责将信号从气味探测器传输到大脑处理中心的特定神经元。它还成功找到了参与雌性攻击行为（即果蝇追逐并互相打斗的行为）的已知神经元。但该工具的作用不仅限于证实已知内容；它还发现了这些电路中此前未被表征的新参与者。例如，在攻击电路中，该方法凸显了一些尚未与该行为建立联系的特定中间神经元，这为未来的实验指明了新的目标。这种既能发现电路中显而易见的部分，又能发现隐藏部分的能力，证明了该工具可以在无需预先猜测的情况下，引导科学家找到最有希望的研究线索。

其中一个最引人注目的发现来自于对比雄性和雌性果蝇处理攻击行为的方式。虽然雄性和雌性果蝇的大脑在许多方面是不同的，但研究人员发现，触发攻击行为的指令神经元在两性中实际上都连接到了相同的视觉通路。在雌性中，一组特定的指令神经元连接到一个帮助果蝇追逐另一只果蝇的视觉电路。而在雄性中，一组独特的雄性指令神经元则连接到那个完全相同的视觉电路，并使用相同的中间神经元。这意味着，尽管两性的脑部在高层结构上布线不同，但它们都汇聚到了一个共享且一致的路径上来执行相同的视觉追踪行为。这一发现表明，进化已经为特定的动作构建了一个通用且可靠的电路，即使输入的信号来源各异。

研究人员还利用他们的工具更广泛地观察大脑，扫描不同神经元层级之间的强连接。他们发现，某些检测压力相关气味的嗅觉受体与社会行为指令神经元之间存在着令人惊讶的结构性联系。这表明压力可能会直接影响果蝇之间的互动方式，这一假设现在可以在实验室中进行验证。通过将大脑视为一个基于概率的网络而非单一固定的线条，路径敲除法提供了一种可扩展的方法，将庞大的布线图转化为可测试的想法。它并不取代生物学实验的需求，但它提供了一种强大的手段，用以决定哪些实验最有可能取得成功，从而架起了大脑静态地图与行为动态流转之间的桥梁。

技术摘要：路径剔除法（Path Knockout）用于连接组驱动的回路发现

问题陈述
体积电子显微技术的出现产生了包括C. elegans、成年果蝇大脑及小鼠皮层在内的完整连接组。虽然这些数据集提供了突触分辨率的布线图，但从如此庞大的规模和复杂性中提取具有功能相关性的多突触路径仍是一个重大挑战。现有的路径发现计算方法存在特定的局限性：

最短路径分析（Shortest-path analysis） 优先考虑具有最小突触“跳数”的路径，往往忽略了那些具有丰富突触连接但路径较长的路径，而后者在生物学上可能更具相关性。该方法通常只返回一条“最优”路径，无法实现对替代路线的比较。
最大流（Maxflow）分析 量化信号传输，但依赖于在生物学上无效的刚性流量守恒假设（即每个节点的输入等于输出）。这将中间神经元视为被动的电缆，而非进行非线性转换的活跃贡献者，导致该方法会遗漏那些通过冗余并行路径贡献连接强度的中间神经元。

因此，需要一种可扩展的、具有生物学基础的计算方法，能够系统地识别并对多突消路径进行排序，且不受上述约束。

方法论：路径剔除（Path Knockout）
作者引入了“路径剔除”这一连接组分析方法，通过量化单个中间神经元的重要性来识别主导的多突触路径。其数学框架定义如下：

图表示： 将连接组建模为一个有向加权图 $G = (V, E, W)$ 。边 $w(i, j)$ 的权重定义为输入比例：即源自突前神经元 $i$ 对突后神经元 $j$ 总突触输入的比例。该权重作为跨越该突触成功信号传输概率的代理指标。
路径成功概率： 对于多突触路径 $\pi$ ，成功概率是路径中所有边传输概率的乘积。
连接强度（Connection Strength, $CS$ ）： 源集合（ $S$ ）与汇集合（ $S_k$ ）之间的连接强度定义为在所有可能路径中至少有一条路径成功的近似概率。使用公式 $CS = 1 - \prod [1 - P(\pi \text{ 成功})]$ 进行计算，假设路径是相互独立的。这种形式奖励了具有冗余并行路径的电路。
剔除（Knockout, KO）指数： 为了识别关键中间神经元，该方法系统地从图中移除每个中间神经元（及其连接的边），重新计算连接强度，并计算 KO 指数： $I(n) = 1 - [CS(G_{\setminus n}) / CS(G)]$ $I (n) = 1 - [C S (G_{∖ n}) / C S (G)]$ 。
- $I(n) = 0$ ：神经元是可有可无的（移除后没有影响）。
- $I(n) = 1$ ：神经元是必需的（移除后连接强度降至零）。
  通过对这些指数进行排序，可以揭示规范的电路。

实际应用
为了确保在标准硬件上的计算可行性（在配备 16GB RAM 的台式机上仅需数分钟），作者采用了三种优化策略：

子连接组提取： 分析被限制在源下游 2 跳以及汇上游 2 跳范围内的神经元内，从而捕捉所有真实的 5 跳连接。
细胞类型分组： 将神经元按细胞类型分组为单个节点，并将边权重计算为类型间突触总和归一化至目标类型的总输入。
路径约束： 算法仅识别简单路径（无循环）且最多 5 跳，侧重于前馈路径。

主要结果
该方法通过使用果蝇连接组数据集（hemibrain, FAFB, 和 MCNS）进行了验证和应用：

已知电路的验证：
- 嗅觉回路： 应用于从表达 Or67d 的 ORN（DA1 球）到 MBON01 的路径，路径剔除法正确地将义务性继电器中间神经元（DA1_lPN 和特定的 Kenyon 细胞类群）识别为排名靠前的神经元，这与已知的基准事实一致。
- 雌性攻击行为回路： 应用于 pC1d 到 LC10a 的路径，该方法识别出了所有已知的功能性中间神经元（aIPg, SMP054, TuTuA）以及未表征的新型中间神经元。
- 对比： 路径剔除法的表现优于迭代加权最短路径分析（后者遗漏了如 KCa'b' 等关键中间神经元，并产生了不一致的排序）和最大流剔除法（后者由于对瓶颈而非并行冗余的敏感性，遗漏了如 DA1_lPN 和 aIPg 等主要中间神经元）。
假设验证： 蒙特卡洛模拟（500 万次试验）证实，虽然路径独立性假设在绝对连接强度值方面引入了近似误差，但它不会显著影响中间神经元的排序。
来源筛选： 该方法被用于筛选 48 类 ORN 对 pC1 神经元的影响，识别出 ORN_DA1 是最强的结构输入，并揭示了一个多球体投射神经元（M_lvPNm45）是主要的继电器，这与功能性光遗传学数据一致。
发现性别同构基序（Sexually Isomorphic Motif）：
- 通过对 28 种 pC1 子类对 45 种视觉投射神经元（VPNs）进行层对层筛选，发现促进攻击行为的神经元在雌雄两性中（雌性为 pC1d/pC1e；雄性为 TKFruM）都汇聚到了一组对小物体运动敏感的共享 VPNs 上，特别是 LC10a。
- 路径剔除法识别出，雄性 TKFruM-to-LC1a 和雌性 pC1d-to-LC10a 路径经过完全相同的 4 跳中间神经元架构（aIPg, SMP054, TuTuA）。
- 这揭示了一个收敛的电路基序：性别二态性的指令神经元驱动了一个共享的、同构的下游电路，用于执行攻击过程中的视觉追踪。

意义与主张
论文声称路径剔除法提供了一个可扩展且通用的框架，用于连接组驱动的电路发现。其主要贡献包括：

生物学基础： 它将中间神经元视为信息传输的活跃贡献者，并考虑了冗余的并行路径，解决了最短路径和最大流算法的局限性。
高效性： 它能在标准计算机上数分钟内运行，使其能够广泛应用于大规模连接组的分析。
假设生成： 它成功地在神经解剖布线图与功能电路假设之间架起了桥梁，能够在无需先验功能知识的情况下，识别出主导路径和关键中间神经元。
发现能力： 它已经成功识别了已知的电路组件并发现了新的结构基序，例如连接攻击指令神经元与视觉追踪电路的性别同构路径。

作者将路径剔除法定位为一种工具，旨在促进神经解剖学与功能之间的系统性联系，作为更复杂的网络模拟和实验解剖的补充。

技术摘要：路径剔除法（Path Knockout）用于连接组驱动的回路发现

类似论文