神經連接能告訴我們多少？來自果蠅延髓的系統性檢驗
https://longing-wishbone-762.notion.site/2e57409d3c3f80e3b252cbe3b7b9261c 本次介紹的為於 2025年 3 月發表於 bioRxiv 的預印本研究 **Infrequent strong connections constrain connectomic predictions of neuronal function**，該研究為一項大型整合性工作，聚焦於果蠅延髓 (medulla) 中，神經連接組(connectome) 對神經功能可預測性的極限，並系統性比較廣域生理量測與連接組模型之間的一致與落差。 ### 為何需要 SPARC-L（SPARC Layering） 神經科學長期面臨一項核心問題：**單憑連接組在多大程度上能夠預測神經元的實際生理功能**。過往研究多半透過增加模型約束、引入更複雜的生物物理假設，嘗試使 connectome-based 模型逼近生理量測結果，但其可解釋性的上限始終缺乏系統性驗證。 困難之一在於實驗技術層面。若要在單細胞解析度下，同時量測大量、跨多種類型的神經元活動，傳統依賴 cell-type-specific driver line 的策略在時間、成本與可擴展性上皆不切實際。另一方面，彩虹腦 (Brainbow) 等多色標記技術在高密度神經區易產生訊號混疊(crosstalk)，亦不適合大規模功能比對。 為此，作者在既有 **SPARC（Sparse Predictive Activity through Recombinase Competition）** 架構上，開發出 **SPARC-L（SPARC Layering）**。SPARC 本身透過競爭性重組事件控制轉基因表達機率，但在延髓此類高密度結構中，單層稀疏化仍不足以避免重疊標記。SPARC-L 則引入**雙層競爭性重組設計**： 第一層以神經傳遞物質特異的 GAL4 系統驅動 LexA 的稀疏表達；第二層再由 LexA 驅動 GCaMP8m 的表達。唯有兩層皆在同一神經元內成功重組，才會產生可量測的鈣訊號，將最終標記密度壓低至約 **0.1–1%**，實現單神經元解析度的廣域取樣。 ### 功能量測與神經類型辨識 研究中以雙光子顯微鏡量測鈣動態，並呈現 5° 空間解析度、20 Hz 更新率的二維三...
