神經連接能告訴我們多少？來自果蠅延髓的系統性檢驗


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 更新率的二維三值隨機噪訊刺激，分別於藍光與紫外光波段下進行。透過將每一時間點的鈣訊號，回溯加權前三秒的刺激歷史，計算得到神經元的**時空感受野 (spatiotemporal receptive field, STRF)**，作為功能特徵描述。
此外，神經元類型的最終鑑定並非僅依賴 STRF。作者結合高解析度形態掃描，將被標記神經元與既有的解剖圖譜及 connectome 資料庫進行比對，以確認其細胞型別。STRF 的角色主要在於後續的功能空間分析與跨細胞型別比較。
由於 SPARC-L 屬隨機取樣，部分細胞型別僅被標記 1–2 次，形成不可避免的低樣本數問題。作者因此在主要分析中，僅納入重複取樣三次以上的細胞型別；儘管如此，該資料集仍提供了目前少見的、跨 90 餘種延髓神經元的高品質單細胞功能量測基準。

### 強連結主導模型：少數強輸入決定多數預測品質
研究人員通過對於連結組建模的方式表明了: 強連結具有不成比例的功能貢獻，因他們在建模中發現，在他們採用的主資料集中可供分析的43個細胞種類中有28個他們僅需要採用最強的那個輸入就可以達到最佳的預測，僅有4個採取採用全輸入進行加權結果會更好，該結果強烈暗示了在果蠅延髓中弱連結是次線性(sub-linear)的，功能仍待研究。
此外，他們在對強連結的分析之中還發現了一個神經元的多個強輸入，往往來自功能上高度相似的 cell types，意味著強連結不是隨機放大的輸入而是來自同一「功能子空間」的冗餘輸入。

### 連結組僅能預測部分功能
本研究顯示，連接組對神經功能的解釋力具有明確邊界。當功能可直接由連結拓撲約束時，連接組具有良好預測能力。例如方向選擇性(direction selectivity, DS)、取向選擇性(orientation selectivity, OS) 與光譜偏好(spectral preference)，這些功能皆可追溯至輸入來源的不對稱性或特定前饋路徑，因此能與連接組推論相符。
相對地，對於涉及空間整合尺度的功能，連接組的預測則系統性失效。最典型的例子為感受野大小(spatial receptive field size)。實際量測顯示，神經元樹突覆蓋的視網膜柱數量，與其感受野大小幾乎無相關性，說明感受野並非單純由解剖覆蓋範圍決定，而受到樹突電性特性與功能性分區(compartmentalization) 等因素主導。
因此，連接組所提供的是潛在計算結構的限制條件，而非功能實現的充分描述。其在離散、類別型功能預測上有效，卻無法單獨決定連續或整合型的功能量。此結果界定了 connectomics 在功能推論中的實際適用範圍。

### 出乎意料的結論: 連接性不能預測相似的生理功能
該研究挑戰了一個傳統連結組分析中的一個常見預設: 一般在分析時會認為我們可以通過功能來預測連接性，反之亦然。然而在該研究中卻發現我們的這種假設是錯誤的，連接性不能預測相似的生理功能。
他們分別通過建立連結距離矩陣，以及功能距離的矩陣來進行分析，連結距離採用 Jaccard 距離衡量兩 cell types 的輸入與輸出重疊程度，而功能距離則是在 STRF PCA 空間中，以歐氏距離衡量功能相似性，分別對兩者分群互相對照後發現，以功能距離分群時在對應的連結距離矩陣終能找到區塊結構，然而反過來以連結距離分群對照後卻發現對應的功能距離矩陣沒有對應的塊狀結構，顯示連結相似的神經元，其功能可能完全不同。這導致與連結組以特定結構進行功能找尋的方式，在 cell-type level 可能不可靠，需要額外生理、動力學或細胞內機制約束，需要謹慎重新審視。

### 結論
該研究對於多個連結組常見問題進行了系統性的審視，並得到了諸如連接性不能預測相似的生理功能等顛覆性的成果，每一個成果都是極度具有啟發性以及值得注意的，此外 SPARC-L 對於想要進行類似的大規模連結組分析也是一個良好的工具，整體而言該研究是相當重要的。
需要注意的是，雖然研究總計辨識並記錄了 91 種 cell types，但多數核心統計分析限制於採樣 ≥3 次的 43 種類型；此外研究場景集中在延髓與特定視覺刺激範式下的鈣訊號動態。因而本文的結論應優先落在「視覺系統延髓、cell-type 層級、以強輸入為主導的預測框架」之內；若要推廣至其他腦區或更廣義全腦功能推論，仍需要在不同神經計算型態、不同刺激與不同量測指標下進一步驗證。


撰文：黃峻緯


原始論文：Currier, T. A., & Clandinin, T. R. (2025). Infrequent strong connections constrain connectomic predictions of neuronal function. bioRxiv, 2025-03.

留言

張貼留言