MétaCan
Menu
Retour à la cohorte
Enregistrement W4408853456 · doi:10.1038/s41586-025-08746-0

Connectome-driven neural inventory of a complete visual system

2025· article· en· W4408853456 sur OpenAlexaff
Aljoscha Nern, Frank Loesche, Shin-ya Takemura, Laura E. Burnett, Marisa Dreher, Eyal Gruntman, Judith Hoeller, Gary B. Huang, Michał Januszewski, Nathan C Klapoetke, Sanna Koskela, Kit D. Longden, Zhiyuan Lu, Stephan Preibisch, Wei Qiu, Edward M. Rogers, Pavithraa Seenivasan, Arthur Zhao, John Bogovic, Brandon S Canino, Jody Clements, Michael Cook, Samantha Finley-May, Miriam A Flynn, Imran Hameed, Alexandra M. C. Fragniere, Kenneth J. Hayworth, Gary Patrick Hopkins, Philip M. Hubbard, William T. Katz, Julie Kovalyak, Shirley A Lauchie, Meghan Leonard, Alanna Lohff, Charli Maldonado, Caroline Mooney, Nneoma Okeoma, Donald J. Olbris, Christopher Ordish, Tyler Paterson, Emily M Phillips, Tobias Pietzsch, Jennifer Rivas Salinas, Patricia K. Rivlin, Philipp Schlegel, Ashley L Scott, L. A. Scuderi, Satoko Takemura, Iris Talebi, Alexander Thomson, Eric T. Trautman, Lowell Umayam, Claire Smith, John J Walsh, C. Shan Xu, Emily A Yakal, Tansy Yang, Ting Zhao, Jan Funke, Reed George, Harald F. Hess, Gregory S.X.E. Jefferis, Christopher Knecht, Wyatt Korff, Stephen M. Plaza, Sandro Romani, Stephan Saalfeld, Louis K. Scheffer, Stuart Berg, Gerald M. Rubin, Michael B. Reiser

Notice bibliographique

RevueNature · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology and Insect Physiology Research
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesNational Institute of General Medical SciencesWellcome Trust
Mots-clésConnectomeComputer scienceConnectomicsSet (abstract data type)VisualizationNeuroscienceVisual processingArtificial intelligencePattern recognition (psychology)BiologyFunctional connectivityPerception

Résumé

récupéré en direct d'OpenAlex

Abstract Vision provides animals with detailed information about their surroundings and conveys diverse features such as colour, form and movement across the visual scene. Computing these parallel spatial features requires a large and diverse network of neurons. Consequently, from flies to humans, visual regions in the brain constitute half its volume. These visual regions often have marked structure–function relationships, with neurons organized along spatial maps and with shapes that directly relate to their roles in visual processing. More than a century of anatomical studies have catalogued in detail cell types in fly visual systems 1–3 , and parallel behavioural and physiological experiments have examined the visual capabilities of flies. To unravel the diversity of a complex visual system, careful mapping of the neural architecture matched to tools for targeted exploration of this circuitry is essential. Here we present a connectome of the right optic lobe from a male Drosophila melanogaster acquired using focused ion beam milling and scanning electron microscopy. We established a comprehensive inventory of the visual neurons and developed a computational framework to quantify their anatomy. Together, these data establish a basis for interpreting how the shapes of visual neurons relate to spatial vision. By integrating this analysis with connectivity information, neurotransmitter identity and expert curation, we classified the approximately 53,000 neurons into 732 types. These types are systematically described and about half are newly named. Finally, we share an extensive collection of split-GAL4 lines matched to our neuron-type catalogue. Overall, this comprehensive set of tools and data unlocks new possibilities for systematic investigations of vision in Drosophila and provides a foundation for a deeper understanding of sensory processing.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,334
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNatureMême sujetNeurobiology and Insect Physiology ResearchTravaux en français237 207