MaleCNS：當一隻果蠅的完整神經網路成為可查詢、可分析的開放資料

2026 年，神經科學與人工智慧研究迎來一項重要里程碑：研究團隊完成成年雄性果蠅（Drosophila melanogaster）完整中樞神經系統的神經連接圖譜 MaleCNS。

MaleCNS v1.0 於 2026 年 6 月 8 日正式公開，相關研究並於 2026 年 9 月 3 日刊登於《Cell》。這項成果由 Howard Hughes Medical Institute（HHMI）Janelia Research Campus 的 FlyEM 團隊、英國劍橋大學、MRC Laboratory of Molecular Biology，以及 Google Research 等團隊共同完成。

它的重要性不只是「把果蠅的大腦畫出來」，而是把一個完整動物中樞神經系統中的神經元，以及神經元之間的連接關係，轉化成可以被電腦搜尋、分析、視覺化，甚至建立計算模型的數位資料。

從大腦到身體：MaleCNS 記錄的是完整的中樞神經系統

過去的果蠅 connectome 已經能夠重建大腦的部分區域，甚至建立完整的雌性果蠅大腦圖譜；MaleCNS 更進一步，將雄性果蠅的 central brain、左右 optic lobes，以及 ventral nerve cord（VNC）連接起來。

VNC 可以粗略類比為脊椎動物的脊髓，負責連接大腦與身體的運動及感覺系統。因此 MaleCNS 的價值在於，研究者不再只能觀察「大腦內部怎麼連」，而開始可以追蹤：

感覺輸入 → 大腦處理 → 決策 → descending neuron → VNC → 運動輸出

也就是從感知一直追蹤到行為控制。Janelia 展示的案例之一，就是從 R1–R6 視覺神經元一路追蹤至 DNg13 motor neuron 的 visual-motor pathway。

16.67 萬個神經元，約 1.25 億個突觸連接

MaleCNS 包含約 166,700 個神經元，並整理成約 11,710 種 neuron types。Google Research 將其描述為目前依神經元數量計算規模最大的完整腦部 wiring map，資料涵蓋約 1.25 億個 synaptic connections。

這與傳統醫學影像有根本上的不同。

MRI 或 CT 告訴研究者「結構在哪裡」，MaleCNS 則試圖進一步回答：

Neuron A 接到了誰？誰把訊號送給 Neuron A？A 又把訊號送到哪裡？這條連線有多強？發生在哪一個神經區域？

因此可以把 MaleCNS 想像成一張規模極大的神經網路圖：

Neuron = Node

Synaptic connection = Edge

Synapse count = Connection weight

再搭配 neuron type、位置、neurotransmitter、brain region、形態等 metadata，一顆果蠅的中樞神經系統，就成為了一套可以被計算機科學方法分析的巨大圖資料。

這張圖是如何做出來的？

建立 connectome 的困難，在於神經元並不像電路板上的線路，可以直接用肉眼追蹤。

研究團隊必須先利用電子顯微鏡取得大量高解析度影像，再將二維影像重新組合為三維組織。Google Research 的 connectomics 技術利用 AI 協助進行 neuron segmentation，將電子顯微鏡影像中的神經元自動辨識、分割並重建成三維結構，再由研究人員進行大量 proofreading 與 annotation。

也就是：

Electron Microscopy → AI Segmentation → 3D Reconstruction → Human Proofreading → Annotation → Connectome

因此 MaleCNS 並不是單純由 AI「猜」出的一個神經網路，而是從真實生物標本的電子顯微鏡資料建立，再經過人工校正及標註的研究資料集。

MaleCNS 最大的研究價值之一：第一次系統性比較雄性與雌性大腦

果蠅之所以特別適合作為這類研究模型，是因為過去已經存在高品質的雌性果蠅 connectome。

當 MaleCNS 出現後，研究者第一次可以在 synaptic resolution 下，大規模比較雄性與雌性果蠅神經網路。

研究發現，許多感覺輸入與運動周邊系統在兩性之間仍相當類似，但 sex-specific 與 sexually dimorphic neurons 則較集中於高階大腦區域。這些差異雖只涉及整個神經系統中的一小部分細胞，卻可能透過 connectivity 將影響傳遞至更廣泛的神經迴路。

因此研究者可以開始回答一個非常基礎而重要的問題：

相似的感覺輸入，為什麼可能在雄性與雌性個體中產生不同的行為？

這對於研究求偶、社交、攻擊行為，以及基因、神經迴路與行為之間的關係具有重要價值。

MaleCNS 不只是一篇論文，而是一套可以直接操作的開放資料平台

MaleCNS 特別值得注意的地方，在於研究成果並沒有只停留在論文中的圖片。

整套資料以 CC-BY 授權開放，研究者可以利用多種工具直接操作。

其中包括：

neuPrint 可以查詢 neuron-to-neuron connectivity，適合進行 graph query 與神經迴路分析。

Neuroglancer 可以在瀏覽器中觀看電子顯微鏡影像、神經元 segmentation、synapse，以及三維 neuron morphology。

Cell Type Explorer 可以按照 neuron type 瀏覽不同神經元及其 connectivity。

Dimorphism Explorer 可以直接比較雄性 MaleCNS 與雌性 connectome 中的神經元差異。

Clio 提供 annotation-oriented 的資料探索介面。

此外，研究者亦可透過 neuprint-python 或 R 套件以程式方式存取資料。官方還直接提供 connectivity tables、synapse coordinates、neuron annotations、neurotransmitter predictions、skeleton，以及支撐 neuPrint 的 Neo4j database。

換言之，MaleCNS 同時也是一個相當有趣的 Graph Data / Open Data / Scientific Computing 資源。

為什麼 AI 與電腦科學研究者也開始注意 MaleCNS？

從資訊工程的角度來看，MaleCNS 可以被視為一個由生物演化產生、規模超過十萬節點的大型圖網路。

因此除了傳統神經科學之外，它也自然產生許多計算問題，例如：

• Graph traversal：某個 sensory neuron 如何一路連到 motor neuron？
• Community detection：哪些神經元形成高度互聯的 functional modules？
• Graph embedding：不同 neuron type 在 connectivity space 中呈現什麼結構？
• Link prediction：是否能根據現有結構預測可能的神經連接？
• Comparative graph analysis：雄性與雌性 connectome 的拓樸結構有何差異？
• GNN：是否能利用 Graph Neural Network 學習 neuron representation？
• AI Agent：是否能讓大型語言模型透過 neuPrint，自然語言查詢果蠅神經迴路？

例如未來使用者可以直接提出：

「從視覺輸入到腿部運動，中間可能經過哪些神經元？」

系統不必讓大型語言模型憑語言知識回答，而可以由 Agent 將問題轉換為 connectivity query，實際查詢 MaleCNS，再把查詢得到的神經路徑、三維 morphology 與相關文獻組合成答案。

這也使 MaleCNS 成為 Scientific AI、Graph AI 與 AI Agent 很有意思的實驗場域。

但 MaleCNS 還不是一顆可以直接「開機」的數位大腦

這也是理解 MaleCNS 時最重要的界線。

Connectome 是 wiring diagram，不等於完整的 brain simulation。

知道兩個 neuron 之間存在 synapse，並不代表已經完整掌握神經元在不同時間的膜電位、動態反應、神經調節物質、學習與可塑性、身體狀態，以及與環境互動時所產生的全部訊號。

換句話說，MaleCNS 告訴我們大量的：

「誰和誰連在一起。」

但「這些神經元此刻在做什麼」、「訊號如何隨時間變化」，以及「整個網路如何產生行為」，仍需要 electrophysiology、calcium imaging、behavioral experiments 與 computational models 等其他資料來補足。

因此，把 MaleCNS 稱為「一隻已經被完整數位化、可以直接思考的果蠅大腦」並不精確。

比較適合的描述是：

MaleCNS 是目前最完整的成年雄性果蠅中樞神經系統神經連線圖之一，讓科學家第一次能以資料庫與計算模型的方式，從感覺輸入一路研究到運動輸出的完整神經迴路。

從果蠅開始，研究「智慧如何從網路中產生」

MaleCNS 真正令人感興趣之處，或許不是果蠅擁有多少神經元。

而是當 166,700 個相對簡單的神經元，以特定方式形成約 1.25 億個突觸連接後，這個系統就能讓一隻果蠅完成視覺辨識、飛行、導航、覓食、逃避、求偶與社交等行為。

它讓研究問題從：

「一個神經元能做什麼？」

逐漸轉變為：

「大量相對簡單的元件連接在一起後，複雜行為如何湧現？」

這個問題不只屬於神經科學。

它也正是人工智慧、Graph Neural Network、multi-agent system，乃至於人工生命研究長期關心的核心問題之一。

MaleCNS 的價值，因此不只是一張「果蠅大腦地圖」。它更像是一個由真實生命系統留下的超大型網路範例：

一套由演化設計、經過真實世界驗證，而且現在能被全世界研究者查詢、下載與分析的 biological neural network。

我們距離真正理解「大腦如何產生智慧」仍然很遠。

但 MaleCNS 至少讓研究者第一次可以把一個具備複雜行為的成年動物中樞神經系統攤開來，沿著十幾萬個神經元與上億條連接，一條一條地開始追問：

訊號究竟如何變成行為？