Коннектом ( / k ə ˈ n ɛ k t oʊ m / ) представляет собой полную карту нейронных связей в мозге , и ее можно рассматривать как « схему соединений ». [2] Нервная система организма состоит из нейронов , которые общаются через синапсы . Коннектом создается путем отслеживания нейрона в нервной системе и картирования мест соединения нейронов через синапсы.
Значение коннектома проистекает из осознания того, что структура и функции человеческого мозга неразрывно связаны между собой посредством множества уровней и способов взаимодействия мозга. Существуют сильные естественные ограничения на то, какие нейроны или нейронные популяции могут взаимодействовать, а также насколько сильными и прямыми являются их взаимодействия. Действительно, в основе человеческого познания лежит закономерность динамических взаимодействий, формируемая коннектомом.
Несмотря на такие сложные и изменчивые структурно-функциональные отображения, коннектом является незаменимой основой для механистической интерпретации динамических данных мозга, от записей отдельных клеток до функциональной нейровизуализации .
В 2005 году доктор Олаф Спорнс из Университета Индианы и доктор Патрик Хагманн из университетской больницы Лозанны независимо и одновременно предложили термин «коннектом» для обозначения карты нейронных связей внутри мозга. Этот термин был напрямую вдохновлен продолжающимися усилиями по секвенированию генетического кода человека — по созданию генома .
«Коннектомика» (Хагманн, 2005) определяется как наука, занимающаяся сборкой и анализом наборов данных коннектома. [3]
В своей статье 2005 года «Человеческий коннектом, структурное описание человеческого мозга» Спорнс и др. написал:
Чтобы понять функционирование сети, необходимо знать ее элементы и их взаимосвязи. Целью данной статьи является обсуждение исследовательских стратегий, направленных на комплексное структурное описание сети элементов и связей, образующих человеческий мозг. Мы предлагаем назвать этот набор данных человеческим «коннектомом» и утверждаем, что он имеет фундаментальное значение для когнитивной нейробиологии и нейропсихологии . Коннектом значительно расширит наше понимание того, как функциональные состояния мозга возникают из лежащего в их основе структурного субстрата, и предоставит новое механистическое понимание того, как влияет на функцию мозга, если этот структурный субстрат нарушается. [4]
В своей докторской степени 2005 г. диссертацию «От диффузной МРТ к коннектомике мозга » Хагманн писал:
Понятно, что, как и геном, который представляет собой нечто гораздо большее, чем просто сочетание генов , набор всех нейронных связей в мозге представляет собой нечто гораздо большее, чем сумма их отдельных компонентов. Геном сам по себе является сущностью, поскольку именно в результате тонкого взаимодействия генов возникает [жизнь]. Аналогичным образом можно рассматривать коннектом мозга, совокупность всех нейронных связей, как единое целое, подчеркивая тем самым тот факт, что огромные коммуникационные возможности нейронов мозга и вычислительная мощность критически зависят от этой тонкой и невероятно сложной архитектуры связей. [3]
Термин «коннектом» был популяризирован совсем недавно в речи Себастьяна Сына « Я — мой коннектом» , произнесенной на конференции TED в 2010 году , в которой обсуждаются высокоуровневые цели картирования человеческого коннектома, а также текущие усилия по созданию трехмерного коннектома. нейронная карта ткани головного мозга на микромасштабе. [5] В 2012 году Сын опубликовал книгу «Коннектом: как структура мозга делает нас теми, кто мы есть» .
Мозговые сети могут быть определены на разных уровнях масштаба, соответствующих уровням пространственного разрешения при визуализации мозга (Kötter, 2007, Sporns, 2010). [6] [7] Эти масштабы можно грубо разделить на макромасштабы, мезомасштабы и микромасштабы. В конечном счете, возможно, окажется возможным объединить коннектомные карты, полученные в разных масштабах, в единую иерархическую карту нейронной организации данного вида, которая варьируется от отдельных нейронов до популяций нейронов и более крупных систем, таких как области коры. Учитывая методологическую неопределенность, связанную с выводом о связности на основе первичных экспериментальных данных, и учитывая, что, вероятно, будут большие различия в коннектомах разных людей, любая унифицированная карта, вероятно, будет опираться на вероятностное представление данных о связности (Sporns et al., 2005). ). [4]
Коннектом на макромасштабе ( с миллиметровым разрешением) пытается охватить крупные системы мозга, которые можно разделить на анатомически отдельные модули (области, участки или узлы), каждый из которых имеет свой собственный образец связности. Коннектомные базы данных на мезо- и макроуровне могут быть значительно более компактными, чем базы данных с клеточным разрешением, но они требуют эффективных стратегий для точного анатомического или функционального разделения нейронного объема на сетевые узлы (сложности см., например, Wallace et al., 2004). . [8]
Признанные методы исследования мозга, такие как отслеживание аксонов, открыли первые возможности для создания наборов данных о коннектомах. Однако недавние успехи в изучении живых субъектов были достигнуты за счет использования неинвазивных технологий визуализации, таких как диффузионно-взвешенная магнитно-резонансная томография (ДВ-МРТ) и функциональная магнитно-резонансная томография (фМРТ). Первый, в сочетании с трактографией, позволяет восстановить основные пучки волокон головного мозга. Второй позволяет исследователю фиксировать сетевую активность мозга (как в состоянии покоя, так и при выполнении целенаправленных задач), позволяя идентифицировать структурно и анатомически различные области мозга, которые функционально связаны.
Примечательно, что цель проекта Human Connectome Project , возглавляемого консорциумом WU-Minn, состоит в том, чтобы построить структурную и функциональную карту здорового человеческого мозга в макромасштабе, используя комбинацию нескольких технологий визуализации и разрешений.
На протяжении 2000-х годов несколько исследователей пытались составить карту крупномасштабной структурной архитектуры коры головного мозга человека. Одна из попыток использовала взаимную корреляцию толщины или объема коры у разных людей (He et al., 2007). [9] Такие корреляции толщины серого вещества постулируются как индикаторы наличия структурных связей. Недостатком этого подхода является то, что он предоставляет весьма косвенную информацию о моделях корковых связей и требует данных от большого количества людей для получения единого набора данных о связях по всей группе субъектов. Другие исследователи пытались построить матрицы связей всего мозга на основе данных визуализации DW-MRI.
Проект Blue Brain Project пытается реконструировать весь коннектом мыши, используя алмазный нож, заточенный до атомной кромки, и электронную микроскопию для визуализации срезов тканей.
Первоначальные исследования в макромасштабной коннектомике человека проводились с использованием либо областей одинакового размера, либо анатомических областей с неясной связью с лежащей в их основе функциональной организацией мозга (например, области извилин и бороздок ). Хотя эти подходы позволяют многому научиться, крайне желательно разделить мозг на функционально различные участки: области мозга с различной архитектоникой, связностью, функцией и/или топографией (Феллеман и Ван Эссен, 1991). [10] Точная парцелляция позволяет каждому узлу макромасштабного коннектома быть более информативным, связывая его с отдельным паттерном связности и функциональным профилем. Парцелляция локализованных областей коры была достигнута с использованием диффузной трактографии (Бекманн и др., 2009) [11] и функциональной связности (Нельсон и др., 2010) [12] для неинвазивного измерения паттернов связности и определения областей коры на основе четкой связности. узоры. Такой анализ лучше всего проводить в масштабе всего мозга и путем интеграции неинвазивных методов. Точная парцелляция всего мозга может привести к созданию более точных макромасштабных коннектомов для нормального мозга, которые затем можно будет сравнить с болезненными состояниями.
Пути прохождения через белое вещество головного мозга можно определить с помощью гистологического вскрытия и окрашивания , методов дегенерации и отслеживания аксонов . Методы отслеживания аксонов составляют основную основу для систематического картирования дальних путей в обширные, видоспецифичные анатомические матрицы связей между областями серого вещества . Знаменательными исследованиями стали области и связи зрительной коры макак (Felleman and Van Essen, 1991) [ 10] и таламокортикальной системы мозга кошек (Scannell et al., 1999). [13] Развитие нейроинформатических баз данных по анатомическим связям позволяет постоянно обновлять и уточнять такие карты анатомических связей. Онлайн-инструмент для подключения к коре головного мозга макак CoCoMac (Kötter, 2004) [14] и коннектом височной доли крысы [ 15] являются яркими примерами такой базы данных.
«Мезомасштабный» коннектом соответствует пространственному разрешению в сотни микрометров. Вместо того, чтобы пытаться картировать каждый отдельный нейрон, коннектом на мезомасштабе будет пытаться захватить анатомически и/или функционально различные популяции нейронов, образованные локальными цепями (например, кортикальными столбцами ), которые связывают сотни или тысячи отдельных нейронов. В настоящее время этот масштаб по-прежнему представляет собой очень амбициозную техническую задачу и может быть исследован только в небольших масштабах с помощью инвазивных методов или магнитно-резонансной томографии (МРТ) в очень сильном поле в локальном масштабе.
Картирование коннектома на «микромасштабе» ( разрешение микрометра ) означает построение полной карты нейронных систем, нейрон за нейроном. Сложность этого становится очевидной: число нейронов, составляющих мозг, легко достигает миллиардов в более сложных организмах. Только в коре головного мозга человека содержится порядка 10 10 нейронов , связанных 10 14 синаптическими связями. [16] Для сравнения, количество пар оснований в геноме человека составляет 3×10 9 . Некоторые из основных проблем построения человеческого коннектома на микромасштабе сегодня включают в себя: сбор данных займет годы, учитывая современные технологии, инструменты машинного зрения для аннотирования данных остаются в зачаточном состоянии и неадекватны, а ни теория, ни алгоритмы не являются легкодоступными. для анализа полученных брейн-графов . Для решения проблем сбора данных несколько групп создают серийные электронные микроскопы с высокой производительностью (Кастури и др., 2009; Бок и др ., 2011). Чтобы решить проблемы машинного зрения и обработки изображений, проект Open Connectome [17] использует алгоритмы (аутсорсинг алгоритмов) для решения этого препятствия. Наконец, статистическая теория графов — это новая дисциплина, которая разрабатывает сложные инструменты распознавания образов и вывода для анализа этих мозговых графов (Goldenberg et al., 2009).
Современные неинвазивные методы визуализации не могут уловить активность мозга на уровне нейронов. Картирование коннектома на клеточном уровне у позвоночных в настоящее время требует посмертного (после смерти) микроскопического анализа ограниченных участков ткани головного мозга. Неоптические методы, основанные на высокопроизводительном секвенировании ДНК, были недавно предложены Энтони Задором (CSHL). [18]
Традиционные подходы к гистологическому картированию цепей основаны на визуализации и включают методы световой микроскопии для окрашивания клеток , инъекции меченых агентов для отслеживания путей или химическое сохранение мозга, окрашивание и реконструкцию последовательно разделенных блоков ткани с помощью электронной микроскопии (ЭМ). Каждый из этих классических подходов имеет определенные недостатки, когда дело доходит до развертывания коннектомики. Окрашивание отдельных клеток, например, красителем Гольджи , для отслеживания клеточных процессов и связей, страдает от ограниченного разрешения световой микроскопии, а также из-за трудностей с захватом проекций на большие расстояния. Трассировка путей, которую часто называют « золотым стандартом » нейроанатомии для обнаружения дальних путей в головном мозге, обычно позволяет отслеживать только довольно большие популяции клеток и отдельные аксональные пути. ЭМ-реконструкция была успешно использована для составления коннектома C. elegans (White et al., 1986). [19] Однако при применении к более крупным тканевым блокам всей нервной системы традиционно возникали трудности с проекциями, охватывающими большие расстояния.
Недавние достижения в картировании нейронных связей на клеточном уровне дают новую значительную надежду на преодоление ограничений классических методов и на компиляцию наборов данных клеточного коннектома (Livet et al., 2007; Lichtman et al., 2008). [20] [21] [22] Используя Brainbow , комбинаторный метод цветовой маркировки, основанный на стохастической экспрессии нескольких флуоресцентных белков , Джефф В. Лихтман и его коллеги смогли пометить отдельные нейроны одним из более чем 100 различных цветов. Маркировка отдельных нейронов различимым оттенком позволяет отслеживать и реконструировать их клеточную структуру, включая длинные отростки внутри блока ткани.
В марте 2011 года журнал Nature опубликовал пару статей о микроконнектомах: Bock et al. [23] и Бриггман и др. [24] В обеих статьях авторы сначала охарактеризовали функциональные свойства небольшого подмножества клеток, а затем вручную проследили подмножество процессов, исходящих из этих клеток, чтобы получить частичный подграф. В соответствии с принципами открытой науки авторы Bock et al. (2011) опубликовали свои данные для публичного доступа. Набор данных полного разрешения объемом 12 терабайт от Bock et al. доступен на сайте NeuroData . [17] Независимо от этого постепенно будут объявлены важные топологии функциональных взаимодействий между несколькими сотнями клеток (Shimono and Beggs, 2014). [25] В настоящее время ведется масштабирование картирования ультраструктурных цепей на весь мозг мыши (Микула, 2012). [26] Альтернативный подход к картированию связности был недавно предложен Задором и его коллегами (Zador et al., 2012). [18] Метод Задора, названный BOINC (штрих-кодирование отдельных нейронных связей), использует высокопроизводительное секвенирование ДНК для картирования нейронных цепей. Вкратце, этот подход заключается в маркировке каждого нейрона уникальным штрих-кодом ДНК, передаче штрих-кодов между синаптически связанными нейронами (например, с использованием Suid герпесвируса 1 , SuHV1) и слиянии штрих-кодов для представления синаптической пары. Этот подход потенциально может быть дешевым, быстрым и чрезвычайно высокопроизводительным.
В 2016 году отдел перспективных исследовательских проектов в области разведки правительства США запустил MICRONS — пятилетний межинститутский проект по картированию одного кубического миллиметра зрительной коры головного мозга грызунов в рамках инициативы BRAIN . [27] [28] Несмотря на небольшой объем биологической ткани, этот проект даст один из крупнейших микромасштабных наборов данных коннектомики, существующих в настоящее время.
С помощью фМРТ в состоянии покоя и при выполнении заданий изучаются функции коннектомных цепей. [29] Точно так же, как подробные карты дорог поверхности Земли мало что говорят нам о том, какие транспортные средства ездят по этим дорогам или какой груз они перевозят, необходимо понять, как нейронные структуры приводят к определенному функциональному поведению, такому как сознание . строить теории, связывающие функции с анатомической связностью. [30] Однако связь между структурной и функциональной связностью не является простой. Вычислительные модели динамики сети всего мозга являются ценными инструментами для изучения роли анатомической сети в формировании функциональной связи. [31] [32] В частности, вычислительные модели могут использоваться для прогнозирования динамического эффекта повреждений в коннектоме. [33] [34]
Коннектом можно изучать как сеть с помощью сетевой науки и теории графов. В случае микромасштабного коннектома узлами этой сети (или графа ) являются нейроны, а ребра соответствуют синапсам между этими нейронами. Для коннектома макромасштаба узлы соответствуют ROI ( областям интереса ), а края графа образуются из аксонов, соединяющих эти области. Таким образом, коннектомы иногда называют мозговыми графами , поскольку они действительно являются графами в математическом смысле, описывающими связи в мозге (или, в более широком смысле, во всей нервной системе).
Одна группа исследователей (Iturria-Medina et al., 2008) [35] построила наборы данных коннектома с использованием диффузионно-тензорной визуализации (DTI) [36] [37] с последующим получением средних вероятностей соединения между 70 и 90 кортикальными и базальными области серого вещества головного мозга. Было обнаружено, что все сети обладают атрибутами маленького мира и «широкомасштабным» распределением степеней. Анализ централизации посредничества в этих сетях продемонстрировал высокую центральность для предклинья , островка , верхней теменной и верхней лобной коры . Другая группа (Gong et al. 2008) [38] применила DTI для картирования сети анатомических связей между 78 областями коры. Это исследование также выявило несколько узловых областей в человеческом мозге, включая предклинье и верхнюю лобную извилину .
Хагманн и др. (2007) [39] построили матрицу соединений на основе плотностей волокон, измеренных между однородно распределенными и равными по размеру ROI, насчитывающими от 500 до 4000. Количественный анализ матриц соединений, полученных примерно для 1000 ROI и примерно 50 000 волоконных путей от двух субъектов, продемонстрировал экспоненциальную зависимость. (одношкальное) распределение степеней, а также надежные атрибуты маленького мира для сети. Наборы данных были получены с помощью визуализации диффузионного спектра (DSI) (Weedeen, 2005), [40] варианта диффузионно-взвешенной визуализации [41] [42] , которая чувствительна к внутривоксельным неоднородностям в направлениях диффузии, вызванным пересечением волоконных трактов. и, таким образом, позволяет более точно картировать траектории аксонов, чем другие подходы к диффузной визуализации (Wedeen, 2008). [43] Комбинация наборов данных DSI всей головы, полученных и обработанных в соответствии с подходом, разработанным Hagmann et al. (2007) [39] с помощью инструментов анализа графов, изначально задуманных для исследований по отслеживанию животных (Sporns, 2006; Sporns, 2007) [44] [45] позволяют детально изучить сетевую структуру кортикальных связей человека (Hagmann et al., 2008). [46] Сеть человеческого мозга была охарактеризована с использованием широкого спектра методов сетевого анализа, включая декомпозицию ядра, анализ модульности, классификацию узлов и центральность . Хагманн и др . представили доказательства существования структурного ядра из сильно и взаимно взаимосвязанных областей мозга, расположенных преимущественно в задне-медиальной и теменной коре. Ядро состоит из частей задней поясной извилины , предклинья, клина , парацентральной дольки , перешейка поясной извилины , берегов верхней височной борозды , а также нижней и верхней теменной коры , расположенных в обоих полушариях головного мозга .
Подобласть коннектомики занимается сравнением графиков мозга нескольких субъектов. Можно построить консенсусный граф, такой как Будапештский эталонный коннектом, разрешив для выбираемого параметра только ребра, которые присутствуют как минимум в коннектомах . Будапештский эталонный коннектом привел исследователей к открытию консенсусной динамики коннектома графиков человеческого мозга. Ребра, появляющиеся на всех графах мозга, образуют связный подграф вокруг ствола мозга . Благодаря постепенному уменьшению частоты ребер этот основной подграф непрерывно растет, как куст . Динамика роста может отражать индивидуальное развитие мозга и давать возможность направлять некоторые края консенсусного графика мозга человека. [47]
С другой стороны, локальные различия, которые статистически значимо различаются между группами, привлекают больше внимания, поскольку они подчеркивают конкретные связи и, следовательно, проливают больше света на конкретные особенности или патологии мозга. Следовательно, также были введены алгоритмы для поиска локальных различий между популяциями графов (например, для сравнения случайной и контрольной групп). [48] Их можно найти с помощью скорректированного t-теста [49] или модели разреженности [48] с целью обнаружения статистически значимых связей, которые различаются между этими группами.
Также были исследованы возможные причины различия между отдельными коннектомами. Действительно, было обнаружено, что макромасштабные коннектомы женщин содержат значительно больше ребер, чем у мужчин, и большая часть ребер в коннектомах женщин проходит между двумя полушариями. [50] [51] [52] Кроме того, коннектомы обычно демонстрируют характер маленького мира , при этом общая кортикальная связность уменьшается с возрастом. [53] Целью продолжающегося в 2015 году пилотного проекта HCP Lifespan Life является выявление коннектомных различий между 6 возрастными группами (4–6, 8–9, 14–15, 25–35, 45–55, 65–75).
Совсем недавно коннектограммы стали использоваться для визуализации данных всего мозга путем размещения областей коры вокруг круга, организованного по долям. [54] [55] Затем внутренние круги обозначают кортикальные показатели в цветовой шкале. Соединения волокон белого вещества в данных DTI затем рисуются между этими областями коры и взвешиваются по фракционной анизотропии и силе соединения. Подобные графики даже использовались для анализа ущерба, нанесенного знаменитому пациенту с черепно-мозговой травмой Финеасу Гейджу . [56]
Статистическая теория графов — это новая дисциплина, которая разрабатывает сложные инструменты распознавания образов и вывода для анализа этих мозговых графов (Goldenberg et al., 2009).
Недавние исследования изучали мозг как знаковую сеть и показали, что хабность в положительных и отрицательных подсетях повышает стабильность мозговой сети. Выявлена роль негативных функциональных связей, которым уделяется меньше внимания. [57]
В начале проекта коннектома считалось, что связи между нейронами после установления остаются неизменными и что изменять можно только отдельные синапсы. [4] Однако недавние данные свидетельствуют о том, что связность также подвержена изменениям, называемым нейропластичностью . Есть два способа переподключения мозга: образование и удаление синапсов в установленном соединении или образование или удаление целых связей между нейронами. [58] Оба механизма перестройки полезны для изучения совершенно новых задач, которые могут потребовать совершенно новых связей между областями мозга. [59] Однако способность мозга приобретать или терять целые связи представляет собой проблему для картирования универсального видового коннектома. Хотя перенастройка происходит на разных уровнях, от микромасштаба до макромасштаба, каждый масштаб не происходит изолированно. Например, в коннектоме C. elegans общее количество синапсов увеличивается в 5 раз от рождения до взрослой жизни, изменяя как локальные, так и глобальные свойства сети. [60] Другие коннектомы развития, такие как мышечный коннектом, сохраняют некоторые свойства глобальной сети, хотя количество синапсов уменьшается в 10 раз в раннем постнатальном периоде. [61]
Доказательства макромасштабной перестройки в основном получены из исследований плотности серого и белого вещества, которые могут указывать на новые связи или изменения плотности аксонов. Прямые доказательства такого уровня перенастройки получены в исследованиях на приматах, в которых использовалось отслеживание вирусов для картирования формирования связей. Приматы, которых научили использовать новые инструменты, развили новые связи между межтеменной корой и высшими зрительными областями мозга. [62] Дальнейшие исследования по отслеживанию вирусов предоставили доказательства того, что макромасштабная перестройка происходит у взрослых животных во время ассоциативного обучения. [63] Однако маловероятно, что у взрослых нейронные связи на расстоянии претерпевают значительные изменения. Небольшие изменения в уже сформированном нервном тракте , вероятно, являются тем, что наблюдается при макромасштабной перестройке.
Перестройка на мезомасштабе предполагает изучение наличия или отсутствия целых связей между нейронами. [59] Доказательства этого уровня перемонтажа получены из наблюдений за тем, как локальные цепи формируют новые связи в результате зависимой от опыта пластичности зрительной коры. Кроме того, количество локальных связей между пирамидными нейронами в первичной соматосенсорной коре увеличивается после изменения сенсорного опыта усов у грызунов. [64]
Микромасштабная перестройка — это образование или удаление синаптических связей между двумя нейронами, которую можно изучить с помощью продольной двухфотонной визуализации. Можно показать, что дендритные шипы на пирамидных нейронах формируются в течение нескольких дней после сенсорного опыта и обучения. [65] [66] [67] Изменения можно даже увидеть в течение пяти часов на апикальных пучках пирамидных нейронов пятого слоя в первичной моторной коре после задачи по доставке семян у приматов. [67]
Проект Human Connectome , спонсируемый Национальными институтами здравоохранения (NIH), был создан с целью картирования 86 миллиардов нейронов (и их связей) в человеческом мозге . [68]
Первый (и пока единственный) полностью реконструированный коннектом принадлежит аскариде Caenorhabditis elegans . [69] Основные усилия начались с первых электронных микрофотографий, опубликованных Уайтом, Бреннером и др. в 1986 году. [19] На основе этой плодотворной работы был создан первый в истории коннектом (тогда авторы называли его «базой данных нейронных схем») для C .elegans был опубликован в виде книги с сопровождающими дискетами Ачакосо и Ямамото в 1992 году . Компьютерное применение в медицинской помощи (SCAMC). [72] Позднее коннектом C. elegans был пересмотрен [73] [74] и расширен, чтобы показать изменения в ходе развития животного. [60] [75] Несмотря на наличие инвариантной линии клеток, коннектом C. elegans демонстрирует изменчивость между людьми, как на уровне синапсов, так и на уровне соединения. [76] [77]
Плодовая мушка Drosophila melanogaster служит привлекательной моделью для изучения структуры и работы нервной системы. Его центральная нервная система (ЦНС) особенно компактна: у взрослых особей она содержит около 200 000 нейронов, однако у отдельных мух она демонстрирует достаточно стереотипные нейронные связи. [78] Несмотря на свой небольшой размер, эта ЦНС поддерживает широкий спектр сложного и хорошо изученного поведения. Получение набора анатомических данных о ЦНС мух может стать решающим шагом, потенциально позволяющим лучше понять нервные системы других организмов.
Полный электронный микроскопический (ЭМ) коннектом личиночного мозга D. melanogaster , включающий 3016 нейронов и 548 000 синапсов, был опубликован в марте 2023 года. [79] [80] [81] Для взрослых частичные ЭМ-коннектомы головного мозга (~ 120 000 нейронов, ~30 000 000 синапсов) [82] [83] [84] или вентральный нервный шнур (VNC, эквивалент спинного мозга мух, ~ 14 600 нейронов) [85] [86] также доступны. Полный коннектом ЦНС взрослого человека, включающий в себя как мозг, так и VNC, в настоящее время находится в стадии разработки.
Доступны частичные коннектомы сетчатки мыши [24] и первичной зрительной коры мыши [23] .
Первый полный коннектом контура млекопитающих был построен в 2021 году. Эта конструкция включала развитие всех связей между центральной нервной системой и отдельной мышцей от рождения до взрослой жизни. [61]
около 43 .
% всех связей и 16% всех синапсов не сохранились между животными.
Такая степень изменчивости контрастирует с широко распространенным мнением о том, что коннектом C. elegans жестко закреплен.
Нейроны C. elegans демонстрируют межиндивидуальную изменчивость в смежности и связности.