The C. elegans Connectome Toolbox: an open, extensible framework for multimodal connectomic data integration and analysis
本文介绍了秀丽隐杆线虫连接组工具箱（C. elegans Connectome Toolbox），这是一个由在线资源和 Python 库组成的开放且可扩展的框架，旨在统一、标准化并促进对秀丽隐杆线虫多样化多模态连接组数据集的分析。
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
为了理解动物如何运动、感知或做出决策，科学家必须首先了解其大脑是如何连接的。几十年来，圆线虫（C. elegans）一直是这项任务的理想实验室。它是拥有最简单神经系统的动物之一，成年期仅含有302个神经细胞。由于每一个细胞都已被绘制、识别和命名，研究人员长期以来一直拥有其大脑完整的“布线图”。这张被称为“连接组”（connectome）的地图，展示了哪些神经元通过接触来传递化学或电信号。然而，大脑不仅仅是一份静态的连接列表。神经元还通过在它们之间漂浮的化学云进行交流，并且会根据释放的化学物质改变其行为。此外，不同的研究产生了不同版本的布线图，经常对同一个细胞使用不同的名称，或者以不同的方式计算连接。这种碎片化使得比较研究结果或构建关于蠕虫实际行为的准确计算机模型变得十分困难。
现在，一个研究团队开发了一个新的数字工具来解决这个问题，将数十年的零散数据整合到一个统一的系统中。他们创建了“线虫连接组工具箱”（C. elegans Connectome Toolbox），这是一个开源框架，作为一个存储所有已知线虫神经系统信息的中央库。该工具箱并不强迫科学家在相互冲突的地图之间做出选择，也不必为不兼容的文件格式而苦恼，而是将每种数据集转化为一种通用的语言。它将经典的布线图与关于神经元如何释放神经递质、如何在不形成突触的情况下进行物理接触，以及如何通过直接刺激产生影响的新发现结合在一起。通过将这些海量信息组织到一个单一且可访问的平台中，研究人员使得人们能够不再将线虫的大脑视为一系列孤立的事实，而是一个凝聚的、多层级的系统。
这项工作的核心成就在于整合了此前被困在各个“信息孤岛”中的数据。多年来，研究界一直依赖于几种不同版本的线虫布线图，每种图都是由不同的实验室在不同的时间创建的。有些地图仅包含线虫的主体，而有些则包含了进食器官；有些计算了细胞间每一次微小的接触，而有些则只关注强力的化学突触。新的工具箱将所有这些变体进行了对齐。它为每个细胞使用了一套标准的命名系统，确保当研究人员在一个数据集中查看特定神经元时，他们在其他任何数据集中看到的都是完全相同的细胞。这使得直接比较成为可能。研究人员发现，虽然早期的地图并不完整，但包含肌肉和支持细胞的最全面版本，可以作为已知信息的可靠上限。他们还发现，地图之间看似存在的矛盾通常只是数据呈现方式的不同，而非真正的生物学分歧。
除了仅仅组织布线图之外，该工具箱还整合了此前难以叠加的生物学背景层。研究人员将神经元之间的物理连接与详细的神经递质（携带信号的化学信使）图谱相结合。这种集成揭示了哪些细胞释放特定的化学物质（如谷氨酸、乙酰胆碱或血清素），以及这些化学物质被发送到了何处。例如，该工具强调了某些神经元如何通过释放多巴胺来调节运动，或者其他神经元如何通过释放甜菜碱（一种新发现的信号分子）来帮助线虫在局部寻找食物与前往新区域之间进行切换。通过将这些化学路径与物理线路并置可视化，该系统展示了分子身份如何塑造电路功能。它还纳入了“突触外”通信的数据（即神经元在没有直接接触的情况下影响彼此），以及“功能性”连接的数据（即显示刺激一个细胞如何导致其他细胞实时做出反应）。
该框架的效用通过其测试科学理论与真实数据对比的能力得到了证明。研究人员利用该工具箱，将线虫的实际解剖结构与两种关于线虫如何运动的计算机模型进行了对比。一种模型假设线虫的有节奏爬行是由“中枢模式发生器”（神经索中的内置节律）驱动的。另一种模型则认为运动是由“牵张感受器”驱动的，即每个体节推动下一个体节。通过将这些模型导入工具箱，团队可以精确地看到哪些连接在现实中缺失或错误。他们发现，其中一个模型包含了在真实线虫布线中并不存在的抑制性连接，而另一个模型则成功捕捉到了进行前进运动所需的运动神经元的多样性。这种直接对比的方式允许科学家完善他们的理论，确保其模拟过程是基于生物体的实际生物学现实。
该工具箱被设计为一个“活的资源”，能够随着新数据的出现而不断成长。它是一个开源软件包，这意味着任何研究人员都可以添加新的数据集、可视化工具或分析方法，而无需从头开始重建整个系统。它提供了两种与数据交互的方式：一个用户友好的网站，任何人都可以无需编写代码即可探索交互式图表和地图；以及一个 Python 编程库，供那些想要进行复杂自定义分析的人员使用。这种双重方法确保了该资源对于实验生物学家和计算建模者都是可及的。研究人员还加入了自动化检查机制，以验证工具箱中的数据是否与原始发表的来源一致，从而确保信息在更新过程中保持准确和可靠。
最终，这项工作代表了一种转变——即不再将连接组视为静态的档案，而是将其视为一个动态的、综合的平台。通过统一解剖学、化学和功能性数据，该工具箱提供了一个更清晰的视角，展示线虫的神经系统是如何作为一个整体运行的。它表明，线虫的行为产生于物理连接、化学信号传递和环境背景之间的相互作用。虽然目前只有线虫在这一细微层面上拥有完整的映射神经系统，但此处开发的方法为处理其他更大型、更复杂动物的大脑提供了蓝图。随着科学家转向绘制果蝇和小白鼠的大脑，本项研究中所体现的标准化、集成化和开放获取的原则，对于理解正在产生的大量数据将至关重要。C. elegans 连接组工具箱不仅是在整理过去，它还为实现对神经系统如何产生行为的更具预测性和机制性的理解奠定了基础。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。