
Flugans hjärna kartlagd – men vad förklarar 50 miljoner kopplingar?
FlyWire visar nervcellernas förbindelser i en vuxen bananflugas hjärna. Nästa uppgift är att förstå hur kretsarna blir till beteende.
Tusentals tunna snitt, elektronmikroskopi och omfattande mänsklig granskning gav forskarna en karta över omkring 140 000 nervceller. Den gör det möjligt att följa signalernas tänkbara vägar genom hjärnan – men visar inte vilka vägar en levande fluga använder.
En bananfluga vrider huvudet, byter kurs och landar på kanten av ett glas. För oss är det en obetydlig rörelse. För flugan kräver den att synintryck tolkas, kroppens läge uppskattas och muskler får rätt instruktioner i rätt ögonblick. Allt samordnas av ett nervsystem vars hjärna är mindre än ett knappnålshuvud.
År 2024 presenterade det internationella FlyWire-samarbetet en karta över nästan 140 000 nervceller och mer än 50 miljoner synapser i en vuxen bananflugehonas hjärna. Det var första gången en vuxen flugas hela hjärna hade fått ett kopplingsschema på denna detaljnivå.
Nu går det att följa en nervcells förgreningar och undersöka vilka andra celler den kontaktar. Men avståndet mellan att se en förbindelse och att förstå ett beteende är fortfarande stort. FlyWire gör framför allt detta avstånd möjligt att angripa systematiskt.
Från tunna snitt till sammanhängande nervceller
Arbetet började inte med en fluga som flög, utan med vävnad som hade fixerats och preparerats för elektronmikroskopi. Hjärnan skars i drygt 7 000 snitt, omkring 40 nanometer tjocka. En nanometer är en miljondels millimeter. Bilderna behövde vara tillräckligt detaljerade för att forskarna skulle kunna urskilja cellernas gränser och känna igen synapser, de kontaktställen där nervceller överför signaler.

Bildmaterialet hade publicerats redan 2018. FlyWire byggde vidare på det genom att rekonstruera nervcellerna i tre dimensioner. Skillnaden är ungefär den mellan att ha tusentals tvärsnitt genom ett trassligt kabelknippe och att veta vilka kabeländar som faktiskt hör ihop.
En nervcell kan förgrena sig långt från sin cellkropp. Dess tunnaste utskott ligger tätt intill andra cellers. För att följa rätt utskott måste samma struktur identifieras genom många på varandra följande bilder. Ett enda misstag kan få två celler att se ut som en, eller dela en cell i flera skenbart oberoende fragment.
Maskininlärning gjorde den första stora sorteringen. Algoritmer identifierade cellstrukturer och byggde förslag till sammanhängande former. Därefter behövdes människor: forskare och andra medverkande granskade rekonstruktionerna i en gemensam digital miljö, rättade fel och kontrollerade svåra passager.
Den manuella granskningen var alltså inte en kosmetisk slutkontroll. Den var en central del av hur kartan blev användbar. Om en felaktig sammanslagning lämnas kvar kan den skapa en förbindelse mellan hjärnområden som inte finns i djuret.
Resultatet omfattade 139 255 nervceller och omkring 54,5 miljoner synapser. Siffrorna beskriver en enorm arbetsinsats, men garanterar inte att varje detalj är rätt. Även en noggrant granskad rekonstruktion har kvarvarande fel och gränsfall. För en forskare som vill testa en särskild krets är det därför viktigt att kunna gå tillbaka till de ursprungliga bilderna.
Ett kopplingsschema med riktning – men utan pågående trafik
Ett sådant kopplingsschema kallas ett konnektom. I sin enklaste form kan det beskrivas som ett nätverk: nervcellerna är punkterna, och synaptiska förbindelser är riktade länkar mellan dem. Där bildmaterialet tillåter det kan forskarna identifiera vilken cell som skickar signalen och vilken som tar emot den.

Antalet synapser mellan två celler ger också information. En förbindelse med många kontaktställen är anatomiskt annorlunda än en med bara ett fåtal. Men synapsantal är inte samma sak som uppmätt signalstyrka. Effekten beror bland annat på vilka signalämnen och receptorer som används, cellernas elektriska egenskaper och deras aktuella tillstånd.
FlyWire-kartan kompletterades med omfattande klassificering av nervceller. Genom form, position och kopplingsmönster kunde forskarna gruppera dem i tusentals celltyper och jämföra med tidigare kartlagda delar av flughjärnan. Det gör materialet sökbart på ett sätt som enbart en stor samling bilder inte hade varit.
Skillnaden mot en aktivitetsmätning är ändå grundläggande. Elektronmikroskopin visar fixerad vävnad. Den registrerar inte vilka nervceller som var aktiva när flugan såg ett föremål, blev hungrig eller ändrade kurs.
Kartan visar vilka nervceller som har förbindelser med varandra – inte när förbindelserna används eller vilken effekt de får.
Den kartlagda hjärnan tillhör dessutom en enda hona. Det är en anatomisk referens, inte ett statistiskt genomsnitt av arten. Jämförelser mellan individer behövs för att skilja stabila kopplingsmönster från individuell variation. Kön, utveckling och erfarenhet kan också spela roll.
Och hela hjärnan är inte hela nervsystemet. Flugans buknervsträng och kroppens sinnesorgan och muskler ingår inte i denna hjärnkarta som ett fullständigt sammanhängande system. Ett beteende uppstår genom samspel mellan alla dessa delar.
Syn och orientering: kartan pekar ut vad som ska testas
Synsystemet är ett tydligt exempel på kartans värde. När en fluga svänger förändras bilden över stora delar av synfältet. När ett litet föremål rör sig framför den uppstår ett annat mönster. Nervsystemet måste kunna skilja sådana situationer åt för att välja en användbar rörelse.

Forskare hade redan före FlyWire identifierat många celltyper som deltar i flugans synbearbetning. Den nya kartan låter dem följa förbindelserna vidare: vilka celler tar emot information från en viss synkrets, var möts olika signalvägar och vilka vägar leder mot hjärnområden som påverkar rörelser?
Det förändrar hur ett experiment kan planeras. Om en viss cell svarar på ett rörligt mönster kan forskaren undersöka dess anatomiska ingångar och formulera en mer precis hypotes om var känsligheten uppstår. Därefter kan de misstänkta ingångarna påverkas experimentellt.
Orientering ger ett annat exempel. I flugans centralkomplex, en grupp strukturer mitt i hjärnan, finns nervkretsar som deltar i representationen av riktning. Tidigare aktivitetsmätningar har visat mönster som förskjuts när flugans orientering förändras. Konnektomet ger möjlighet att undersöka vilka återkopplande förbindelser som kan hjälpa en sådan representation att hållas kvar och uppdateras.
Men ett anatomiskt mönster bevisar inte ensamt en funktion. En slinga av kopplade nervceller kan vara förenlig med en viss beräkningsmodell utan att visa att modellen beskriver det levande djuret korrekt.
Därför behövs flera slags försök. Forskare kan mäta nervaktivitet medan flugan går i en kontrollerad synmiljö. De kan aktivera eller hämma utvalda celltyper och se om orienteringen förändras. Med genetiska verktyg går det att rikta sådana ingrepp mot avgränsade grupper av nervceller.
Det starka resultatet kommer när anatomi, aktivitet och beteende pekar åt samma håll. Kartan anger en möjlig mekanism. Aktivitetsmätningen visar om kretsen arbetar på det föreslagna sättet. Ingreppet testar om den faktiskt bidrar till beteendet.
En modell kan förutsäga något utan att vara en hel fluga
En studie som publicerades i samma forskningsvåg 2024 visar hur kopplingsschemat kan användas bortom anatomisk beskrivning. Forskarna byggde en beräkningsmodell med nervceller och förbindelser från den kartlagda hjärnan och undersökte bland annat sensorimotorisk bearbetning kopplad till ätande.
Modellen fick förenklade regler för hur nervceller reagerar på inkommande signaler. Forskarna kunde sedan stimulera utvalda ingångar i datorn och se hur aktiviteten spreds. Vissa förutsägelser om nervcellers bidrag till matningsrelaterade svar prövades också experimentellt.
Det viktiga är inte att forskarna hade skapat en digital fluga. Det hade de inte. Resultatet visade i stället att anatomiska förbindelser, tillsammans med uttryckliga antaganden om cellernas funktion, kunde ge testbara förutsägelser om vissa avgränsade svar.
Antagandena är avgörande. Synapser kan förstärkas eller försvagas. Neuromodulerande ämnen kan ändra hur hela kretsar arbetar. En hungrig fluga och en mätt fluga kan reagera olika på samma stimulans trots att deras grundläggande kopplingsschema är likartat.
När en modell lyckas behöver forskarna därför fråga varför. Har den fångat den biologiska mekanismen, eller kan flera olika modeller ge samma resultat? Och när den misslyckas kan felet ligga i kopplingsdata, i modellens regler eller i sådant som inte modellerats alls.
Den experimentella modellstudien hör till 2024 års publicering, inte till en senare oberoende bekräftelse. Senare experimentella uppföljningar har inte kunnat verifieras för denna text. Slutsatserna här begränsas därför till vad de identifierade originalarbetena faktiskt visar.
Vad krävs för att förklara ett beteende?
FlyWire flyttar neurovetenskapens flaskhals. Tidigare kunde forskare ägna lång tid åt att ta reda på om två celltyper över huvud taget var förbundna. Nu kan många sådana frågor undersökas direkt i en gemensam karta. Mer arbete kan läggas på att förstå vad förbindelserna gör.
Det innebär inte att alla beteenden snart kan läsas ut ur en tabell med synapser. För att förklara varför flugan svänger just nu behövs också kunskap om vad den ser, hur kroppen rör sig, vilka nervceller som är aktiva och vilket tillstånd djuret befinner sig i.
En särskilt övertygande förklaring skulle kunna förutsäga både det normala beteendet och vad som händer när en bestämd del av kretsen förändras. Den skulle dessutom hålla i nya situationer, inte bara i försöket som användes för att bygga modellen.
Det är där de 50 miljonerna kopplingar får sin verkliga betydelse. De ersätter inte experimenten. De gör det möjligt att välja skarpare experiment, pröva fler alternativa förklaringar och lokalisera var en modell brister.
Flugans rörelse mot glaskanten är fortfarande mer än ett kopplingsschema. Men nu finns en detaljerad anatomisk grund för att steg för steg undersöka hur rörelsen blir möjlig.
Källor
- Sven Dorkenwald med flera, Neuronal wiring diagram of an adult brain (2024)
- Philipp Schlegel med flera, Whole-brain annotation and multi-connectome cell typing of Drosophila (2024)
- Zhihao Zheng med flera, A Complete Electron Microscopy Volume of the Brain of Adult Drosophila melanogaster (2018)
- Sven Dorkenwald med flera, FlyWire: online community for whole-brain connectomics (2022)
- Philip K. Shiu med flera, A Drosophila computational brain model reveals sensorimotor processing (2024)
- Johannes D. Seelig och Vivek Jayaraman, Neural dynamics for landmark orientation and angular path integration (2015)
Ställ frågor om "Flugans hjärna kartlagd – men vad förklarar 50 miljoner kopplingar?". Svaren bygger på tidningens egna artiklar.


