脑 IV · 连接组学

核对于 2026-07。 证据地位：已完成的连接组数据【实】；"有了接线图就能理解大脑"【争】。 一个直白的问题：如果我们拥有每一个神经元、每一个突触的完整地图，能理解大脑吗？过去十年，这个问题从思想实验变成了有真实数据可以检验的问题——果蝇全脑连接组已经完成，哺乳动物皮层的立方毫米级重建也已发表。

一、什么是连接组

连接组（connectome）：一个神经系统中所有神经元及其连接的完整图谱。不同尺度：

• 突触级（EM）：电子显微镜切片重建，分辨率达纳米级，能看到每个突触。数据量巨大，这是"连接组学"通常指的含义。
• 中观级：示踪剂标记的区域间投射（如小鼠全脑投射图谱）。
• 宏观级（人类）：弥散 MRI 追踪白质纤维束——分辨率低得多，只能看纤维束走向，且方法学争议不小（交叉纤维处易出错）。

二、三个里程碑

① 秀丽隐杆线虫（1986）：302 个神经元、约 7000 个突触，由 White、Brenner 等人手工重建，耗时十余年。这是第一个完整连接组。

关键教训（对本页的中心问题极重要）：有了完整接线图近四十年，我们仍未能完全预测线虫的行为。 原因包括：神经调质可以动态改变回路的有效连接（同一结构在不同调质状态下实现不同功能）、连接强度与极性未被结构图捕获、以及个体差异。结构是必要的，但不充分。

② 果蝇全脑（2024）：FlyWire 联盟完成成年果蝇全脑连接组——约 13 万神经元、超过 5000 万突触，追踪自 2100 万张显微图像，标注出8400 余种细胞类型，以九篇论文的形式于 2024 年 10 月发表于 Nature。这是第一个完整的成年动物全脑连接组。

③ 小鼠视皮层立方毫米（MICrONS，2025）：约一立方毫米的小鼠视觉皮层被完整重建，包含约 5 亿个突触、超过 20 万细胞，历时约九年。其体积约为果蝇全脑的十倍，是迄今最大、最精细的哺乳动物神经回路重建。其独特之处在于"功能–结构配对"：同一批神经元先在小鼠观看视频时做了活动记录，再做 EM 重建——既知道谁连着谁，也知道它们在做什么。

Nature Methods 将基于电镜的连接组学评为 2025 年度方法。

三、连接组能给我们什么【实】

已经兑现的价值：

• 细胞类型的普查：果蝇连接组给出了前所未有完整的细胞类型目录，且跨个体比较显示回路结构相当刻板（stereotypy）——同一类型在不同个体中连接模式高度一致，这本身是重要发现。
• 回路假说的生成：有了接线图，可以预测某回路的功能，再用实验检验。果蝇的味觉、视觉运动检测、导航回路都因此获得可检验的模型。
• 仿真的基础：已有工作基于果蝇连接组构建全脑模型并驱动虚拟身体产生行走等行为——这类"连接组约束的仿真"是当前活跃方向。
• 发现意外结构：MICrONS 数据揭示了皮层抑制性神经元的靶向规则比预想的更有选择性。

四、它不能给我们什么【争】

必须同样清楚地列出局限——这正是线虫教训的普遍化：

① 静态快照。 EM 重建是死后固定的组织，看不到活动、可塑性与时间演化。学习会改变突触强度，而结构图给不出权重。

② 缺少关键参数。 从形态可以估计突触大小（与强度相关），但不能直接读出：突触强度、递质类型（部分可推断）、受体组成、短期可塑性性质。图有拓扑，缺权重。

③ 神经调质使连接组"可重构"。 上页说过，单胺类调质能大幅改变回路的有效功能。同一张接线图在不同调质状态下是不同的电路——龙虾口胃神经节是研究得最透的例子：一个仅约 30 个神经元的回路，在不同调质下产生完全不同的节律模式。

④ 个体差异与规模。 人脑约 860 亿神经元、约 10¹⁴ 突触，比小鼠立方毫米大约 8 个数量级。以当前技术，人类全脑突触级连接组在可预见的未来不可行；且每个人的连接组都不同，"一个"人类连接组这个概念本身就成问题。

⑤ 数据 ≠ 理解。 这是最深的一条。拥有完整的接线图，就像拥有一台电脑的完整电路图——它是必要的，但要理解它在计算什么，还需要理论。神经科学目前缺的可能不只是数据。

五、一个有教益的争论

围绕连接组学的资源投入，领域内有真实的分歧：

支持方：结构约束是任何理论的地基；历史上，解剖学的突破（如高尔基染色、Cajal 的神经元学说）反复带来概念革命；数据一旦公开，会持续产生价值。

质疑方：投入巨大而理论产出未必成比例；线虫的前车之鉴表明接线图不自动带来理解；同样的资源用于功能实验或理论可能回报更高。

当前的实际走向是两者结合——MICrONS 的"功能 + 结构"配对正是对"静态快照"批评的直接回应，而这也是本页想传达的方法论：一个领域最好的进展，往往来自认真对待对它最尖锐的批评。

六、与全课的连接

连接组学把本课几条线缝在一起：

• 与线一/线三：细胞类型由基因表达定义，单细胞转录组（线六第三页）与连接组结合，可给出"分子身份 + 连接身份"的双重分类；
• 与本线第三页：接线图为检验回路计算理论（吸引子、预测编码）提供了结构约束；
• 与线六：AI 是连接组学的必需工具——从 EM 图像自动分割与追踪神经突起，完全依赖深度学习；反过来，连接组也被期待启发新的网络架构（这个方向目前兑现有限，宜谨慎）。

下一页：脑 V——记忆。信息在脑中以什么形式存在？从印迹细胞的操纵实验，到记忆的巩固、再巩固与遗忘。