AI资讯

Google与HHMI合作发布完整雄性果蝇大脑连接组图谱:超16.6万神经元与1.25亿突触,迄今最庞大脑接线图

发布时间:2026年09月05日 15:00:00

当地时间9月5日消息,Google Research与霍华德·休斯医学研究所Janelia研究园区等机构合作,绘制并发布了雄性果蝇大脑(神经系统)的全脑神经元连接组图谱。该图谱覆盖超过16.6万神经元、约1.25亿个突触连接,是迄今人类构建的最大规模、最完整的大脑接线图之一。这一成果为从微观回路层面理解大脑神经网络的运转机制提供了关键的生物神经计算数据,也是AI for Science在大脑逆向工程这一前沿课题上的重要里程碑,其连接组架构有望为受脑启发的计算智能提供新的设计参考。


当地时间9月5日消息,Google Research与霍华德·休斯医学研究所(HHMI)的Janelia研究园区等机构合作,绘制并发布了雄性果蝇大脑及中枢神经系统的完整连接组图谱。这张"脑接线图"覆盖了超过16.6万个神经元和约1.25亿个突触连接,是迄今人类构建的最大规模、最完整的大脑神经元连接图谱之一。该成果为从微观回路层面理解大脑神经网络的运转机制提供了关键的生物神经计算数据,也被视为AI for Science在大脑逆向工程这一前沿课题上的一次重要里程碑。

一、什么是连接组:读懂大脑的"神经线路图"

连接组(connectome)是神经科学中的一个核心概念,指的是生物体神经系统全部神经元之间连接关系的完整描述。如果说基因组是一本记录了"材料清单"的说明书,那么连接组就是一张记录了"电路如何连接"的线路图——它刻画了每个神经元与哪些神经元相连、连接的方向与强度如何,是理解神经回路如何产生认知与行为的基础。

果蝇虽然只有约十几万神经元,远少于人类大脑的上千亿神经元,却拥有极为丰富的行为谱系,包括学习记忆、求偶、睡眠、导航、躲避天敌等复杂功能。正因如此,果蝇是连接组学研究的关键模型生物——如果连果蝇大脑的完整连接组都无法破解,理解更复杂生物大脑更是无从谈起。此次发布的全脑连接组,把一个拥有完整行为能力的生物大脑的"连线路板"首次全面摊开在研究者面前。

二、技术突破:从微米级成像到超大规模重建

构建一张覆盖16.6万神经元、1.25亿突触的全脑图谱,是一项工程与计算密集型的庞大任务。研究团队需要对果蝇大脑进行极高分辨率的连续切片成像,再通过图像算法对海量切片数据进行神经元形态的自动重建、对齐与连接识别,最后还要经过人工与机器学习结合的大规模校对。整个过程涉及的图像数据规模以拍字节计,计算与存储需求惊人。

Google在其中扮演了"算力与算法"的关键角色,借助其强大的计算基础设施与机器学习流水线,把这一原本旷日持久的重建工程压缩到可完成的程度。此次发布将宝贵的连接组数据以开放形式提供给整个科研社区,意味着全球神经科学家都可以直接在这张全脑线路上开展研究,而不必各自从零开始重建。这种"大团队协作 + 超大规模计算 + 开放数据"的科研范式,正是AI for Science时代的典型特征。

三、研究价值:从理解大脑到启发计算

全脑连接组图谱的科学价值是多维的。首先,它为研究神经回路如何组织提供了前所未有的完整视野——研究者可以在全脑尺度上追踪一条感知信号如何从感觉器官传入、经过哪些中间回路的加工,最终驱动行为输出;也可以比较不同个体、不同性别、不同状态的连接组差异。其次,它让"老问题"得以在新尺度上重问,例如神经元的多样性如何编码、局部回路与全局网络的关系、学习与记忆如何在连接层面实现等。

更重要的是,连接组还天然连接了神经科学与人工智能两个领域。脑连接组所揭示的稀疏连接、层级组织、反馈回路与神经调质机制,长期是启发人工神经网络架构设计的灵感来源。一个完整的生物神经连接网,为研究者提供了一个"生物版"的基准,用以对照和启发更类脑、更高效的计算架构。随着连接组数据向"大脑模拟"与"神经形态计算"方向延伸,这张果蝇全脑线路图可能在未来数年内持续为计算智能研究提供设计参考。

市场反应与行业影响

在神经科学界,这一发布被视作连接组学领域的标志性节点。相比此前的部分神经组织或特定脑区的连接组数据,此次覆盖全脑、且包含中枢神经系统的完整连接图谱,为"整脑建模"研究提供了突破性的数据基础。对Google等科技公司而言,参与这类基础科学研究并主导其计算环节,既是其"AI for Science"投入的体现,也在公众与学界层面树立了负责任的科技巨头形象。

从更广阔的产业视角看,全脑连接组的建成预示着"数字孪生大脑"的构想正从科幻走向现实——虽然距离解码人类大脑仍极为遥远,但果蝇全脑图谱已经证明,结合顶级成像、海量算力与先进算法,人类完全可以在微观尺度上系统性地"重绘"一个复杂生物有机体的神经之网。这张地图不仅属于神经生物学,更属于每一个力图理解智能本质、并从中汲取灵感的研究领域。未来,当计算智能遇上一份完整的生物智能蓝图,两者之间的相互启发,或许才刚刚开始。