信息速览
INFOBOX — C. elegans Connectome 一屏速览
维度 内容 本质 8 只同源线虫跨出生后发育阶段的完整脑部连接组重建（ssEM），史上首次逐个体跨发育阶段推导并比较全脑接线 物种 Caenorhabditis elegans（秀丽隐杆线虫，雌雄同体，302 个神经元） 团队 Zhen Lab（Lunenfeld-Tanenbaum Research Institute，多伦多）联合 Harvard / MIT；一作 Witvliet（兼 NemaNode 作者）与 Mulcahy，通讯 Zhen、Samuel 论文 Nature 596(7871):257-261, 2021（doi:10.1038/s41586-021-03778-8；PMID 34349261；PMCID PMC8756380） 个体数 8 只 isogenic 个体，覆盖 L1 幼虫至成体 解剖范围 完整脑（full brain），逐神经元、逐突触、逐连接 连接类型 化学突触（chemical synapse）+ 电连接/缝隙连接（gap junction）；权重以突触数计 核心发现 连接身份大体稳定（成体多数连接在 L1 已存在），连接强度高度动态；感觉—运动通路随龄重构，脑更前馈化、模块化 前作锚 White et al. 1986「The Mind of a Worm」（多蠕虫局部图谱复合体） 许可 CC-BY-4.0（完全开放） 获取 Zenodo 5637219/5525883 · BossDB witvliet2020· NemaNode（在线浏览）· WormWiring引用量 Crossref 记录 441 次（2026-10-16） 定位 基础资源型数据集（非挑战赛/基准）；下游被 cmito 等 AI 任务复用
§0 导读：这个数据集解决什么问题
0.1 一个困扰神经科学三十多年的问题
1986 年，White 等人给出了人类第一张完整的神经接线图——秀丽隐杆线虫的连接组。这被视为神经科学的里程碑：我们终于知道了一个动物的神经系统「长什么样」。
但随之而来的是一个更深的问题：这张图是怎么来的？
- 一个新生幼虫的脑，和成体的脑，接线一样吗？
- 如果不一样，变化发生在哪里——是长出新的连接，还是只调整已有连接的强弱？
- 基因完全相同的两只线虫，它们的大脑接线会一样吗？
- 从结构上说，「成熟」到底意味着什么？
在 Witvliet 等的工作之前，没有任何一份数据集能回答这些问题——因为过去的连接组都是「单一时间点」「单一个体（或复合体）」的快照。要回答「如何变化」，你必须观测多个个体、多个时间点，而这在技术与成本上一直不可行。
0.2 本数据集给出的回答
Witvliet 等用现代串行切片电镜，重建了 8 只同源线虫跨出生后发育阶段的完整脑，第一次把上述问题变成了可测量的科学。他们的答案凝练为两条原理：
- 连接的「身份」大体稳定——成体脑中的大多数神经元间连接，在 L1 幼虫阶段就已存在。接线图的拓扑骨架，很大程度上是出生时就指定的。
- 连接的「强度」高度动态——在这个稳定骨架上，突触数量随发育显著增减，塑造出成熟的网络。
此外他们还发现：中枢决策回路被保留而感觉—运动通路大幅重构；脑随发育变得更「前馈」、更「模块化」；即使是同源个体，每个大脑也部分地独一无二。
0.3 为什么它是「AI-Ready」的
一个数据集是否 AI-Ready，不看它是否提到「AI」，而看它是否具备被 AI 有效消费的结构条件。本数据集在这方面的表现接近理想：
- 结构规整：三层 schema（cell / connection / dataset）天然是图——节点是神经元、边是突触、边带权（突触数）与类型（化学/电）。
- 开放无阻：CC-BY-4.0，无申请、无付费、可商用。
- 多形态：原始图像（BossDB）、3D 模型（Zenodo）、在线浏览（NemaNode）、综合门户（WormWiring）——覆盖从探索到工程的全链条。
- 已被复用：下游 cmito 数据集直接构建于其上，证明它可以被 AI 流水线消化。
- 可被追问：它不只提供数据，还提供时间轴——因而可以训练「预测发育」的模型。
这正是本条目被收录「千方病案医数集 AI-Ready Wikipedia」的理由：它是「数据即问题」的典范——它记录的不是一个静态的大脑，而是一个正在长大的大脑。
0.4 本条目怎么读
- 想快速了解：读 §1.5 十问十答 + INFOBLOCK + 30 秒决策卡。
- 想核验事实：读 §2（论文元数据三源互证）+ §4（硬数字双口径存照）+ 事实清单 + §11（遗留疑点）。
- 想使用数据：读 §7（获取路径）+ §7.5（工程细节）+ §8（许可）+ §10（坑点）。
- 想理解科学：读 §5（模型系统）+ §6（核心发现）+ §12.5（版图位置）。
C. elegans Connectome（秀丽隐杆线虫发育期全脑连接组）
§1 条目定位与一句话定义
C. elegans Connectome 指的是由 Witvliet 等人（Nature, 2021）发布的、8 只同源（isogenic）秀丽隐杆线虫（Caenorhabditis elegans）个体跨出生后发育阶段的完整脑部（whole-brain）连接组（connectome）重建集合。研究团队以串行切片电子显微镜（serial-section electron microscopy, ssEM）逐个体推导了整个脑内每一个神经元、每一处突触与连接，从而第一次能够在「发育时间轴」上比较同一个物种的全脑接线如何从新生幼虫走向成体。
用一句话概括它的独特性：在它之前，连接组只能回答「成体大脑长什么样」；在它之后，连接组第一次能够回答「大脑是如何长成这样的，以及同基因个体之间差在哪里」。
这里需要先把三个极易混淆的概念分开：
| 概念 | 是什么 | 与本条目的关系 |
|---|---|---|
| C. elegans 经典连接组（White 1986） | 由 John White 等人在 MRC 剑桥以手工切片重建的成体雌雄同体接线图，是多只蠕虫局部图谱的复合体（composite） | 本数据集继承并取代其地位：Witvliet 以现代 ssEM 逐个体完整重建 |
| C. elegans Connectome（本条目） | 8 只个体、跨发育阶段、逐个体完整脑连接组 | 本条目本体 |
| human-connectome-project（库内 rid=95）/ 1000-functional-connectomes（rid=295） | 人脑连接组 / 人脑功能连接组 | 不同物种、不同模态，仅共享「连接组」概念域 |
因此，本条目在「千方病案医数集」的 AI-Ready 体系里，属于神经科学—连接组学方向的旗舰型基础资源数据集：它既不是某个 AI 任务的数据集，也不是某场比赛的评测基准，而是喂养下游一切「让机器理解大脑接线如何生成」问题的原始语料。它的价值恰恰在于「可被 AI 反复引用、切分、建模」这一属性——这正是 AI-Ready 的核心判据。
§1.5 十问十答速览
为方便快速建立认知，先用十组问答把本数据集的要害讲清。
Q1：C. elegans Connectome 到底「是什么」？
A：它是 8 只遗传背景相同的秀丽隐杆线虫，在出生后不同发育阶段的**完整脑部接线图（连接组）**集合——由串行切片电子显微镜（ssEM）逐个体重建，第一次让科学界能在发育时间轴上比较整个脑的接线。
Q2：它和 1986 年的经典连接组什么关系？
A：White 1986 是多只蠕虫局部图谱拼成的复合体，只有成体；本数据集是8 只个体各自的完整脑，覆盖出生后各阶段。前者是「一张标准图」，后者是「8 张真实图 + 成长轨迹」。
Q3：数据规模有多大？
A：8 只个体；物种常量 302 个神经元（雌雄同体；全脑重建覆盖之）；连接包括化学突触与电连接，权重以突触数计。
Q4：为什么选线虫？
A：因为它细胞数恒定（302 神经元）、谱系固定、躯体透明、世代快——是目前唯一能在全脑尺度做到「逐突触重建」的多细胞动物。
Q5：数据在哪、要花钱吗？
A：完全开放、免费。原始 EM 图像在 BossDB（项目 witvliet2020）；3D 神经元模型与数据在 Zenodo（record 5637219 / 5525883）；在线浏览用 NemaNode；综合门户 WormWiring。
Q6：许可是什么？能商用吗？
A：数据本体是 CC-BY-4.0——可共享、可改编、可商用，只要署名。注意论文文章本体另属 Nature 条款（不是 CC）。
Q7：最重要的科学结论是什么？
A：连接的「身份」大体稳定（成体多数连接 L1 已存在），连接的「强度」高度动态（突触数随发育变化）。此外脑随发育更前馈、更模块化；感觉—运动通路大幅重构。
Q8：个体间差异大吗？
A：即使是同源个体，连接也有实质差异。论文按稳定性分为 stable / dynamic / variable 三类，每个个体的「可变连接」集合都独一无二。
Q9：它能用来训练 AI 吗？
A：能，而且很适合。它的三层 schema（cell/connection/dataset）天然是带权图，可直接喂给图神经网络；原始图像体积可用于分割/检测任务。下游 cmito（线粒体分割）已在复用它。
Q10：它有什么坑？
A：至少八个（见 §10）。最要紧的三个：别把复合体当个体、别把突触数当功能强度、别把发育变化与个体变异混为一谈（每个时间点来自不同动物）。
§1.6 条目在 AI-Ready Wikipedia 中的分类定位
在「千方病案医数集」的条目体系中，本条目归属于以下坐标：
- 一级领域：神经科学（L1）
- 二级方向：脑影像 / 神经解剖（L2）
- 数据性质：基础资源型（resource），非挑战赛、非基准
- 开放等级：完全开放（fully open，CC-BY-4.0）
- 结构形态：图数据（graph-native）+ 图像体积（EM volumes）
- AI-Ready 强度：高（结构规整、溯源完整、已被下游复用），但非基准型
本条目与库内其他条目的差异化，在于它是**唯一一个「以单个模式生物完整神经系统为对象、且含发育时间轴」**的条目。库内的人脑连接组条目（rid=95 / 295）在「连接组」概念上相邻，但物种、模态、分辨率、数据性质均不同，不构成重复。
1.6.1 为什么它不是「又一个人脑连接组条目」
- 物种不同：C. elegans（302 神经元）vs 人（约 860 亿神经元）。
- 模态不同：死后 ssEM 突触级重建 vs 活体 MRI 宏观追踪。
- 科学问题不同：本条目回答「接线如何发育、个体间如何变异」；人脑连接组回答「人脑宏观接线是什么」。
- 数据形态不同：本条目是可直接喂 GNN 的带权图；人脑连接组多为影像派生矩阵。
因此，本条目不是冗余，而是连接组概念谱系中一个不可替代的物种/模态/尺度坐标。
1.6.2 对读者的价值定位
- 对神经科学读者：它是理解「连接组学如何从静态走向发育」的必读案例。
- 对 AI 读者：它是一份罕见的「图原生 + 时间序列 + 天然对照」的小规模高质量数据集。
- 对数据科学读者：它是「开放、结构规整、可复用」的 AI-Ready 资源范例。
- 对医学读者：它是理解神经系统结构—发育关系的底层参照（虽然不直接临床）。
一句话：这份条目的价值不在于「数据有多大」，而在于「它占据了一个别人无法替代的位置，并且把门打开了」。
§2 论文、时间线与身份三源互证
本 FACTS.md 与成稿所依托的核心事实，全部经三类独立来源交叉核验，出入处逐条存照。
2.1 论文核心元数据
| 字段 | 值 | 核验来源 |
|---|---|---|
| 标题 | Connectomes across development reveal principles of brain maturation | Crossref API（DOI 反查）+ MIT DSpace + ResearchGate 一致 |
| 期刊 | Nature | Crossref container-title |
| 卷 / 期 / 页 | 596(7871):257-261 | Crossref volume/issue/page |
| 在线发表 | 2021-08-04 | Crossref created 与 published |
| 正式印刷 | 2021-08-12 | Crossref published-print |
| DOI | 10.1038/s41586-021-03778-8 | Crossref / EuropePMC |
| PMID | 34349261 | EuropePMC REST |
| PMCID | PMC8756380 | EuropePMC REST |
| 引用量 | 441（2026-10-16 抓取时点） | Crossref is-referenced-by-count |
双口径存照（时间）：Crossref 同时给出
created2021-08-04 与published-print2021-08-12 两个日期。多数二级源（NeuroTrailblazers、fromtbot）引用页码为「596(7871):257-261」，与 Crossref 一致；写作时以「2021 年 8 月在线发表」为主口径。
2.2 完整作者名单（Crossref 权威顺序）
论文共 16 位作者，按 Crossref 记录顺序：
- Daniel Witvliet（第一作者，NemaNode 可视化主开发者）
- Ben Mulcahy（共同一作，Zhen Lab 博士后）
- James K. Mitchell
- Yaron Meirovitch
- Daniel R. Berger
- Yuelong Wu
- Yufang Liu
- Wan Xian Koh
- Rajeev Parvathala
- Douglas Holmyard
- Richard L. Schalek
- Nir Shavit
- Andrew D. Chisholm
- Jeff W. Lichtman（Harvard，ssEM 成像技术）
- Aravinthan D. T. Samuel（Harvard，通讯作者之一）
- Mei Zhen（通讯作者之一，Zhen Lab 负责人）
存照：ResearchGate 与 NeuroTrailblazers 等二级源在引用作者串时存在拼写简写与顺序压缩（如将 Meirovitch 写作 “Meiber”、“Wu Y” 位置漂移）。以 Crossref 的 16 人完整顺序为准。
2.3 时间线：从 White 1986 到 Witvliet 2021
- 1986：White, Southgate, Thomson & Brenner 发表 The Structure of the Nervous System of the Nematode Caenorhabditis elegans（Phil. Trans. R. Soc. Lond. B 314:1-340），即「The Mind of a Worm」——人类历史上第一张、也是迄今最著名的一张完整连接组图谱。受限于当年切片、固定与图像处理技术，它是多只蠕虫局部图谱拼接而成的复合体（composite）。
- 2006 / 2011：Chen/Hall/Chklovskii 与 Varshney 等基于 White 数据做重标注与网络分析（WormWiring 收录）。
- 2012 / 2019：Jarrell（雄性尾部）、Cook 等（雄性头部）补充雄性与雌雄同体不同部位连接组（WormWiring 收录）。
- 2021：Witvliet 等以现代 ssEM 重建 8 只个体的完整脑，跨越出生后发育阶段——史上首次对整个脑的结构逐个体推导并跨发育阶段比较（Zhen Lab 新闻稿原文：“This is the first time that the entire structure of the brain is individually deduced and compared across developmental stages, from birth to adulthood.”）。
这段谱系解释了为什么本条目既是「经典」的延续、又是「范式」的更替：White 1986 回答「接线图是什么」，Witvliet 2021 回答「接线图如何生成、个体间差多少」。
§2.4 研究方法详解：从样本到连接矩阵
本节把 §5.2 的流水线展开为可复现的技术步骤，帮助想「照着做」或「判断数据可信度」的读者理解每一步的意义与风险。
2.4.1 样本选择与同源设计
研究的关键实验设计是：选取 8 只同源（isogenic）个体，分别处于不同的出生后发育阶段。同源的意义在于控制遗传变异——既然基因相同，个体间的连接差异就不太可能来自基因，而更可能来自发育随机性或活动依赖的可塑性。这使「个体变异」成为一个可被纯净测量的量。
2.4.2 成像：为什么选择 ssEM
体积电镜有多种路线（ssEM、FIB-SEM、SBEM 等）。ssEM 的优势是分辨率高、对比度好，适合分辨突触这样的亚细胞结构；劣势是通量低、动手环节多。对「完整重建整个脑」这一目标，分辨率是硬需求——若看不清突触，连接组就无从谈起。
2.4.3 重建：分割、骨架化与配准
- 配准（registration）：把成千上万张连续切片图像对齐成一个连续体积，是误差最容易累积的环节——切片越薄越多，累积漂移风险越大。
- 分割（segmentation）：把每个神经元的轮廓从图像中勾出来。早期靠人工，现代越来越多地借助机器学习辅助，但仍需大量校对。
- 骨架化（skeletonization）：把分割出的三维神经元形状抽象为一条中心线（骨架），便于网络分析（路径、长度、拓扑）。
2.4.4 突触标注：连接组的「本体」
连接组的核心是突触。标注者需要在重建体积中逐个识别突触，判定其类型（化学突触 / 缝隙连接），并记录突触前细胞与突触后细胞。同一对神经元之间可能有多个突触——这正是「突触数」成为连接权重来源的原因。
2.4.5 细胞身份追踪：跨阶段比较的前提
要在「同一连接」上比较 L1 与成体，必须先确认「这是同一个细胞」。C. elegans 的恒定细胞谱系使这一任务比在哺乳动物中容易得多（每个细胞有确定的名字），但仍存在识别误差——这是本数据集方法学不确定性的主要来源之一。
2.4.6 从重建到连接矩阵
最终，一个个体被抽象为一张连接矩阵：行是突触前神经元、列是突触后神经元、元素是该连接的突触数。化学突触矩阵与电连接矩阵通常分开存储（因为方向性不同）。这一矩阵就是供下游 AI 消费的「图」。
§3 机构、团队与资助
3.1 主导团队
本数据集是一次典型的跨机构大科学合作，主要节点包括：
- Zhen Lab（Lunenfeld-Tanenbaum Research Institute, Sinai Health；多伦多大学）——C. elegans 连接组学与神经发育方向的主导实验室，负责生物样本、遗传学与整体研究设计。实验室主页标语即「Development of the C. elegans brain, one neuron at a time」。
- Harvard University——Jeff Lichtman 团队提供串行切片电镜（ssEM）成像技术与流水线；Aravinthan Samuel 团队参与行为学与计算分析。
- MIT——参与计算与重建方法（Meirovitch、Shavit）。
- University of Toronto、以及多个技术支持单位共同署名。
3.2 关键人物
- Daniel Witvliet（第一作者）：负责数据重建与可视化，是交互式连接组浏览器 NemaNode 的作者，GitHub 账号
dwitvliet。 - Ben Mulcahy（共同一作）：Zhen Lab 核心成员，参与 ssEM 重建与分析。
- Mei Zhen（甄梅）：Zhen Lab 负责人，通讯作者，C. elegans 神经环路领域权威。
- Aravinthan D. T. Samuel：Harvard 通讯作者，行为与计算神经科学。
Zhen Lab 在新闻稿中特别致谢：Dr. Daniel Witvliet 的严谨、才华与杰出领导力，以及 Dr. John White（White 1986 经典连接组作者）对本工作「温暖的鼓励与严谨的审阅」。
3.3 资助与支持
据 Zhen Lab 新闻稿口径，研究获以下支持：
- Canadian Institutes of Health Research（CIHR，加拿大卫生研究院）
- National Institutes of Health（NIH，美国国立卫生研究院）
- Human Frontier Science Program（HFSP，人类前沿科学计划）
- Sinai Health Foundation、Harvard Radcliffe Institute for Advanced Study
§3.4 合作网络与数据生产基础设施
理解是谁、用什么基础设施产出了这份数据，有助于判断它的可信度与可持续性。
3.4.1 三个实验室的分工
- Zhen Lab（多伦多）——生物学与遗传学的主导方：提供线虫样本、遗传背景控制、整体研究设计，并负责连接组的神经生物学解释。这是「问题的提出者」。
- Lichtman Lab（Harvard）——成像技术的主导方：ssEM 的样本制备与成像流水线。Lichtman 团队是体积电镜领域的开创者之一（其后又推动了小鼠皮层 MICrONS 等更大规模项目），其技术是「能否看清突触」的关键。
- Samuel Lab（Harvard）——行为与计算的主导方：把结构发现与动物行为、计算模型联系起来。这是「意义的解释者」。
三个实验室的分工模式，是典型的「生物 + 成像 + 计算」三位一体，也是现代大科学连接组学项目的标准组织形态。
3.4.2 数据基础设施
- BossDB：约翰霍普金斯大学团队开发的云原生体积数据库，是本数据集原始图像的托管方，也服务于多个神经科学体积数据项目。其「云原生 + 编程接口」的设计，是本数据集 AI-Ready 属性的重要基础设施来源。
- Zenodo：CERN 运营的通用开放数据仓库，提供 DOI 与长期保存，是本数据集结构化数据与 3D 模型的托管方。
- NemaNode：由第一作者 Witvliet 亲自开发的在线浏览器，把连接组数据变成人人可交互的界面——这一「数据生产者亲自做可视化工具」的做法，显著降低了数据的使用门槛。
3.4.3 可持续性观察
- 数据托管在公共基础设施（BossDB、Zenodo）上，而非单一实验室网站——这大幅降低了「实验室关门数据消失」的风险。
- 代码开源在 GitHub，可被社区维护。
- 但 BossDB 与 NemaNode 的长期运维仍依赖机构支持，这是用户需要留意的可持续性风险点（并非本数据集独有）。
§4 数据规模硬数字
4.1 明确确证的数字
| 指标 | 值 | 备注 |
|---|---|---|
| 个体数 | 8 只 | 全部为同源（isogenic）个体 |
| 物种神经元常量 | 302 个神经元 | C. elegans 雌雄同体成体的经典计数；全脑重建覆盖之 |
| 解剖范围 | 完整脑（full brain） | 逐个体完整推导，非局部 |
| 发育覆盖 | 出生后各阶段（L1 幼虫 → 成体 adult） | 论文口径为 “postnatal stages” |
| 连接类型 | 化学突触 + 电连接（缝隙连接） | NemaNode schema：typ=0 化学突触、typ=2 电连接 |
| 连接权重 | 突触数（synapse count） | 每条连接由若干突触组成 |
4.2 关于「突触总量」的双口径存照（关键）
候选情报给出的「约 7,000+ 化学突触 + 电连接」这一说法，需要谨慎对待：
- 古典 White 1986 成体口径：常被引用为约 5,000 个化学突触 + 2,000 个缝隙连接（化学+电总和约 7,000 量级）。
- Witvliet 2021 口径：为 8 只个体 的集合，逐个体的突触总数随发育阶段与个体而异（论文核心发现即为连接强度随发育动态变化、个体间存在实质差异）。
- 本轮核验结论：未在本轮可及的一手来源中取得 Witvliet 8 个体的精确逐个体突触计数原文（Nature 与 PMC 直连被反爬拦截、Zenodo API 在沙箱被拦）。
因此，本条目不把「7,000+」写作 Witvliet 的单一硬数字，而是如实表述为：「连接权重以突触数计；全成体经典口径（White 1986）约 5,000 化学突触 + 2,000 缝隙连接，Witvliet 的 8 个体集合逐个体与逐阶段计数不同」，并将精确逐个体计数列入遗留疑点（见 §10）。这是本条目在事实纪律上的主动存照。
4.3 数据三层结构（NemaNode schema 核验）
数据集的组织结构已在 NemaNode 官方文档中给出可核验的定义（GitHub zhenlab-ltri/NemaNode/docs/understanding-nemanode-data.md）：
（1）Dataset 层——一只特定年龄的标本：
name/id：数据集名称与编号type：解剖范围，取head（头）/tail（尾）/complete（完整）之一time：标本年龄（小时，如 15 表示 15 小时）visual_time：可视化用时间axes：各轴的解剖原点
（2）Cell 层——一个线虫细胞（神经元/肌肉）：
name（如AWAL）/class（如AWA）nt：神经递质串，字符含义 a=乙酰胆碱、d=多巴胺、g=GABA、l=谷氨酸、o=章鱼胺、s=血清素、t=酪胺、u=未知、n=无typ：类型串，s=感觉神经元、i=中间神经元、m=运动神经元、n=神经调质神经元、b=肌肉emb：是否胚胎期细胞（1/0）inhead/intail：是否位于头部/尾部
（3）Connection 层——一处连接：
pre/post：突触前 / 突触后细胞名typ：0 = 化学突触（chemical synapse），2 = 电连接（electrical synapse / gap junction）syn：该连接包含的突触数（可展开为突触列表）ids：逐突触唯一编号（当前应用未使用）
这一 schema 是判断本数据集「AI-Ready」程度的关键证据：它天然是图（graph）结构——神经元为节点、突触为带权边、连接类型为边属性——可直接被图神经网络（GNN）、网络神经科学与图论方法摄入，几乎不需要额外的数据工程转换。
§4.4 数据的不可替代性论证
为什么这份数据集不能被「更多人脑数据」或「更多单个体线虫数据」替代？有三点结构性理由。
（1）发育维度不可合成。 你无法从多个成体连接组「反推」发育轨迹——因为发育路径可能有多种，而且关键信息（哪些连接是先天的、哪些是后天的）恰恰藏在早期阶段里。要研究发育，必须真的观测早期。
（2）同源个体的纯净对照不可复制。 8 只基因相同的个体，是研究「基因之外」因素对连接的贡献的天然对照组。在大多数物种中，你无法获得基因完全相同的多个个体并逐一做全脑重建。
（3）完整脑 + 全突触分辨率不可兼得于其他物种。 对哺乳动物，目前只能在极小体积（如皮层柱的一小块）达到突触分辨率，无法做到全脑；对更大的无脊椎动物（如昆虫），全脑突触重建仍处挑战。「全脑 × 全突触 × 多个体 × 多时间点」这一组合，只有 C. elegans 目前做到了。
因此，本数据集在可预见的将来都不会「过时」——不是因为技术停滞，而是因为它占据的是一个结构上稀缺的位置。
§4.5 数据字典：字段速查
下表汇总 NemaNode schema 中的关键字段，供工程接入时速查。
| 层级 | 字段 | 类型 | 取值/说明 |
|---|---|---|---|
| Dataset | id |
string | 数据集编号（如 adult） |
| Dataset | name |
string | 数据集名称（如 Adult） |
| Dataset | type |
enum | head / tail / complete（解剖范围） |
| Dataset | time |
int | 标本年龄（小时，如 15） |
| Dataset | visualTime |
int | 可视化用时间 |
| Dataset | description |
string | 数据集描述 |
| Cell | name |
string | 神经元名（如 AWAL） |
| Cell | class |
string | 神经元类别（如 AWA） |
| Cell | nt |
string | 神经递质串：a/d/g/l/o/s/t/u/n |
| Cell | typ |
string | 类型串：s/i/m/n/b |
| Cell | emb |
bool | 是否胚胎期细胞（1/0） |
| Cell | inhead |
bool | 是否位于头部 |
| Cell | intail |
bool | 是否位于尾部 |
| Connection | pre |
string | 突触前细胞名 |
| Connection | post |
string | 突触后细胞名 |
| Connection | typ |
int | 0=化学突触；2=电连接（缝隙连接） |
| Connection | syn |
int/array | 该连接的突触数（可展开为逐突触列表） |
| Connection | ids |
array | 逐突触唯一编号（当前未用） |
神经递质编码表：a=乙酰胆碱、d=多巴胺、g=GABA、l=谷氨酸、o=章鱼胺、s=血清素、t=酪胺、u=未知、n=无。
细胞类型编码表：s=感觉神经元、i=中间神经元、m=运动神经元、n=神经调质神经元、b=肌肉。
上表是本数据集「AI-Ready」的直接技术凭证：字段命名规范、类型明确、编码表完备，意味着研究者无需逐字阅读论文正文即可理解数据结构并开始编程。
§5 为什么是 C. elegans：模型系统的独特地位
要理解这份数据集的稀缺性，必须先理解 C. elegans 在神经科学中的特殊地位。它不是一个「随便挑的模式生物」，而是目前唯一一个神经系统小到可以被完整、逐个突触地重建的多细胞动物。
5.1 生物学上的「理想实验对象」
- 细胞数目恒定（eutely）：雌雄同体成体恰好 302 个神经元，且每一个神经元的身份、位置、生死命运由不变的细胞谱系决定——同一物种的任意个体，神经元「名单」几乎完全一致（如 AWAL、RIML、VB4 等具名细胞）。
- 躯体透明：可结合遗传学、光遗传学、钙成像与电生理，在同一动物身上把「结构接线」与「行为功能」对应起来。
- 生命周期短、世代快：从受精卵到成体仅约数天，发育阶段可精确分期（胚胎期 + 出生后 L1—L4 幼虫 + 成体），使「跨发育阶段比较」在实验上可行。
- 基因组与工具完备：全基因组已知，遗传操作成熟。
正是这些特性，让 C. elegans 在 1986 年就产出了人类第一张连接组——这不是偶然，而是这个物种的结构性优势。
5.2 数据从哪里来：串行切片电镜（ssEM）流水线
Witvliet 等所用方法可概括为一条流水线：
- 样本制备：8 只同源（isogenic）线虫个体，分别处于出生后不同发育阶段。
- 串行切片电子显微镜（serial-section electron microscopy, ssEM）：将脑组织切成极薄连续切片，逐片成像，得到三维电子显微图像体积。这是体积电镜（volume EM）中最成熟、分辨率最高、但通量最受限的路线。
- 图像配准与拼接：把切片图像对齐、拼接为连续体积。
- 神经元分割与骨架重建（segmentation & skeletonization）：逐神经元勾勒其轮廓并提取骨架，使每个细胞成为可追踪的实体。
- 突触标注：在重建体积中逐一定位化学突触与缝隙连接（电连接），记录突触前/后细胞与突触数目。
- 细胞身份追踪：跨发育阶段把「同一个细胞」对应起来，才能比较「同一连接」在不同阶段的变化。
这条流水线的每一步都极其昂贵——这也是为什么「完整重建整个脑」在过去三十多年里只做成了两代（White 1986 的复合体，和 Witvliet 2021 的 8 个体）。相较之下，哺乳动物皮层的一小块组织（如 MICrONS）就需海量人力与算力，而 C. elegans 全脑仍在可及范围内——这是它不可替代的原因。
5.3 与经典连接组的本质差别
| 维度 | White 1986 | Witvliet 2021（本条目） |
|---|---|---|
| 个体数 | 多只蠕虫的局部图谱拼合 | 8 只个体各自完整重建 |
| 完整性 | 复合体（composite），非单一动物 | 每个个体的脑完整推导 |
| 发育维度 | 仅成体 | 跨出生后各发育阶段 |
| 可比较性 | 无（复合体无法做个体间比较） | 可做发育比较 + 个体间变异比较 |
| 技术 | 手工切片与人工重建 | 现代 ssEM + 计算重建 |
一句话：White 1986 给的是「一张标准接线图」，Witvliet 2021 给的是「8 张真实接线图 + 它们的成长轨迹」。只有后者才能回答「哪些接线是天赋的、哪些是长出来的、哪些是因人而异的」。
§6 核心科学发现：脑成熟的两条原理
Witvliet 等通过比较 8 个个体的连接组，得出了两条对神经发育具有普遍意义的原理——它们也正是这份数据集「可被 AI 建模」（AI-Ready）的科学内核。
6.1 原理一：连接的「身份」大体稳定
从新生（L1 幼虫）到成体，脑的整体几何形态（geometry）被高度保留：神经元的相对位置、神经突（neurite）结构、神经突之间的贴近关系，在出生后几乎没有大的改变。
更重要的是：成体脑中的绝大多数「神经元—神经元」连接，在 L1 幼虫阶段就已经存在。也就是说，接线图作为一张二元图（binary graph），其「谁连谁」的拓扑骨架很大程度上是**出生时就已指定（genetically specified）**的。
这一发现的推论极具冲击力：「连接组」的宏观拓扑并非后天从零长成，而更像是一套先天铺设的骨架，发育主要在其上做精细化调整。
6.2 原理二：连接的「强度」高度动态
在稳定的拓扑骨架上，化学突触连接发生了实质性变化：
- 已有连接的强度（以突触数计）随发育显著改变——某些连接增强，某些减弱。
- 发育过程中新建了一些连接，也**修剪（prune）**了一些连接。
- 这些集体变化改变了网络的信息处理能力。
因此，「连接身份稳定 / 连接强度动态」构成了脑成熟的核心张力：骨架不动，权重在动。
6.3 由此衍生的网络级规律
论文进一步报告了若干网络层面的成熟规律：
- 中枢决策回路被保留，感觉与运动通路大幅重构：负责「做决定」的中间神经元网络相对稳定，而输入（感觉）与输出（运动）通路经历显著重塑。
- 脑随发育更「前馈（feedforward）」：信号流从感觉端向运动端的传递随年龄增强，作者描述为「让大脑随年龄变得更反射化（more reflexive）」。
- 模块化（modularity）随龄增强：发育过程中新形成的突触倾向于把神经元划分成越来越清晰的功能模块（感觉、头部运动、身体运动等子网络），模块数随年龄增加——即复杂度随成熟上升。
6.4 个体间变异：每个脑都「部分独特」
对比 8 个**同源（isogenic）**个体，论文发现连接存在实质差异，按稳定性可分为三类：
| 类别 | 定义 | 含义 |
|---|---|---|
| Stable（稳定） | 从出生到成体均维持 | 接线图的核心骨架 |
| Dynamic（动态） | 连接存在，但突触数/强度跨个体变动 | 强度层面的个体差异 |
| Variable（可变） | 只出现在部分个体中 | 某个体独有的连接 |
论文的关键结论是：一个个体中「可变连接」的集合是独特的——即每个大脑都部分地独一无二。即使是基因完全相同的 8 只线虫，其接线图也并非完全一致。
这对 AI 与数据科学的意义：任何「用单个连接组下结论」的研究都存在过拟合于个体特异性的风险。这份数据集因此成为「个体特异度校准（calibration）」的黄金参照——NeuroTrailblazers 目录对此的评价一语中的：“Anyone about to make a claim from one volume should read this first.”
6.5 从结构到「可预测性」
论文还发现，新生脑的结构属性与成体接线模式之间存在少数几条「选择性突触形成规则（rules for selective synapse addition）」，据此可以较准确地预测成熟脑的接线模式。
这一「从早期结构预测晚期接线」的能力，是这份数据集在机器学习视角下最诱人之处：它是一段被完整观测的发育轨迹，因而天然适合作为「预测性发育模型」的训练与验证语料——这正是「AI-Ready」的深层含义。
§6.6 数据科学视角：这份连接组为什么「好建模」
从机器学习的角度看，本数据集有几个罕见的「友好」特性，值得单独说明。
6.6.1 图原生（graph-native）
多数神经科学数据集需要研究者先做复杂的特征工程才能用于图学习。本数据集天生就是图：
- 节点 = 神经元，且节点带标签（名称、类别、神经递质类型、是否感觉/中间/运动神经元）。
- 边 = 连接，且边带权重（突触数）与边类型（化学/电）。
- 多图 = 8 个个体 / 多个发育阶段，构成一个「图的序列」。
这意味着研究者可以直接把数据喂给图神经网络（GCN、GAT、GraphSAGE 等），做节点分类、链路预测、图生成等任务，无需大量预处理。
6.6.2 有「时间序列」结构
8 个阶段构成了一个发育序列。若把每个阶段视为图序列中的一帧，则本数据集天然适合：
- 时序图学习（temporal graph learning）：预测下一发育阶段的连接。
- 图生成/图演化模型：学习「图是如何随发育演变的」。
- 因果发现：探索「早期结构」与「晚期结构」的因果/预测关系。
6.6.3 有「对照」结构（同源个体）
8 只同源个体构成天然的对照组。可用于：
- 个体变异建模：学习「同一物种内的正常连接波动范围」。
- 异常检测：把它当作「正常接线」的分布，用于识别异常。
- 不确定性量化：为「单一连接组结论」提供置信区间参照。
6.6.4 尺度可控
302 个神经元是一个非常友好的规模：小到可以在单机上做全图分析（矩阵运算、谱分析），又大到足以产生非平凡的图结构（社区、模块、层次）。这使它成为图算法教学与研究的标准测试床。
6.6.5 局限（建模时必须知道）
- 规模小：302 节点远小于社交网络或分子图，某些深度模型可能「过拟合于小图」。
- 非基准：没有标准任务定义与评价指标，研究者需自行设计。
- 代理变量：突触数 ≠ 功能强度。
- 混杂：发育与个体变异无法完全分离（每个时间点来自不同动物）。
§6.7 关键发现的可视化直觉
论文的几幅核心图，若用直觉语言描述，大致如下（便于记忆，非逐图复现）：
- 「脚手架不变，接线在动」图：脑的整体几何（神经元位置、突起走向）从出生到成体几乎重叠；但化学突触的连线在网上不断变化。
- 「身份稳定」图：把成体连接与 L1 连接对照，绝大多数点落在对角线上（同一连接两侧都在），说明「谁连谁」大体不变。
- 「强度动态」图：同一连接在两侧的突触数却可以相差很大——有些增强、有些削弱。
- 「模块化上升」图：随发育，网络被划分成越来越清晰的子模块（感觉、头部运动、身体运动等），模块度指标随龄上升。
- 「前馈化」图：信号流从感觉端到运动端的单向性随发育增强，网络更「反射化」。
- 「个体独特性」图：8 个个体叠加，一部分连接人人都有（stable），一部分强弱各异（dynamic），一部分只出现在个别人身上（variable）。
这些直觉对应论文的 Fig.1–4 等核心结果，是理解本数据集科学价值的最短路径。
§7 数据托管、获取路径与生态工具
本数据集的一个突出优点是完全开放（fully open），且以多样化形态（原始图像、3D 模型、在线浏览器）分发，覆盖从「想看」到「想算」的全部需求。
7.1 五种获取形态
| 资源 | 内容 | 定位 |
|---|---|---|
| Zenodo record 5637219 | C. elegans 神经元 3D 模型及配套数据，含 README.md（md5 bb348954feecd22d1cb7b38aaa9aebe4，1.8 kB） |
3D 形态与结构化数据获取入口 |
| Zenodo record 5525883 | 关联数据集（Zhen Lab Resources 页同列） | 补充数据入口 |
BossDB witvliet2020 |
原始电子显微镜图像体积（云原生，S3 流式访问） | 图像级/像素级研究（分割、检测等） |
| NemaNode（nemanode.org） | 交互式连接组在线浏览与可视化 | 零门槛探索、教学、连接查询 |
| WormWiring（wormwiring.org） | 线虫连接组学数据与工具综合门户 | 与历史连接组（White 1986、Cook 2019 等）并置比较 |
7.2 代码与工具链
- NemaNode 源码：GitHub
dwitvliet/NemaNode（作者本人仓库）与镜像zhenlab-ltri/NemaNode。技术栈 Node.js ≥ 11.15 + MySQL ≥ 5.6；提供populate-database命令把src/server/db/raw-data的原始数据灌入 MySQL，以及本地开发/生产构建命令。文档含understanding-nemanode-data.md（数据模型）、adding-new-data.md、deployment-to-aws.md。 - Zhen Lab 其他代码：GitHub
zhenlab-ltri组织下另有多款工具。 - 质粒资源：Addgene 账号
Mei_Zhen（实验室质粒分发）。 - BossDB 生态：BossDB 是云原生体积数据库，提供 Python/云访问接口（
cloud-volume等），使大体积 EM 数据可被远程流式切片读取。
7.3 下游复用证据（生态活跃度）
本数据集已被下游 AI 任务采纳，最典型的是 cmito —— 一个用于「全动物 C. elegans 线粒体密集分割（dense mitochondria segmentation）」的数据集：
- 它直接建立在 Witvliet 2021 的公开全动物 EM 体积之上（l1/l2/l3/adult 四阶段）；
- 明确标注上游为「Witvliet et al. 2021, doi:10.1038/s41586-021-03778-8, CC-BY-4.0, deposited at zenodo.org/records/5637219 and bossdb.org/project/witvliet2020」；
- 被
torch-em等主流工具库收录。
这一复用链是「AI-Ready」最硬的外部证据：一份数据集是否 AI-Ready，不看它自我宣称，而看它是否真的被下游 AI 流水线消化。cmito 的存在证明：本数据集可以被切割、重标注、并作为分割任务的训练语料——其 CC-BY-4.0 许可使这一复用完全合法。
§7.5 数据访问工程细节
对希望直接编程访问本数据集的研究者，本节补充工程要点。
7.5.1 通过 BossDB 访问原始图像
BossDB 是云原生体积数据库，提供程序化接口。典型工作流是安装其 Python 客户端（cloud-volume 或 bossdb），然后按项目/集合/通道/分辨率层级（mip level）流式读取切片。由于原始 EM 体积巨大，务必按需读取子体积（subvolume）而非整卷下载——这也是下游 cmito 数据集采用「云流式 + 本地 zarr 缓存」策略的原因。
7.5.2 通过 Zenodo 获取结构化数据与 3D 模型
Zenodo record 5637219 提供 3D 神经元模型与配套数据，记录内附 README.md（使用前应先阅读，md5 bb348954feecd22d1cb7b38aaa9aebe4）。Zenodo 的 DOI 可直接用于数据引用。
7.5.3 通过 NemaNode 做探索式查询
NemaNode 是在线交互式浏览器，适合零门槛探索：查询某个神经元的连接、按神经递质筛选、比较不同数据集/发育阶段。对于想先「看一眼数据长什么样」再做工程接入的研究者，这是最低成本的入口。其源码（GitHub dwitvliet/NemaNode）也可本地部署——需要 Node.js ≥ 11.15 与 MySQL ≥ 5.6，用 populate-database 命令把 src/server/db/raw-data 灌库。
7.5.4 数据集成注意事项
- 命名归一化：把本数据与 WormWiring 的经典连接组联接时，需对齐神经元命名（左右对称、类别归属），否则会静默丢连接。
- 类型编码：化学突触（
typ=0）是有向的，电连接（typ=2）在物理上是双向的——构建图时需正确设置边的方向性。 - 发育阶段对齐：不同数据源对阶段的标签不一（
l1/l2/l3/adultvs “postnatal stages”），合并前需统一。
§7.6 与其他「全脑/大体积」连接组项目的对照
把本数据集放进更大的项目版图，有助于理解它在技术谱系中的位置。
7.6.1 与哺乳动物体积电镜项目对照
| 维度 | C. elegans（本条目） | 哺乳动物体积 EM（如小鼠皮层项目） |
|---|---|---|
| 覆盖范围 | 完整脑 | 局部体积（如皮层柱的一块） |
| 分辨率 | 突触级 | 突触级 |
| 神经元数 | 302 | 数十万至百万量级（局部） |
| 通量挑战 | 低（体积小） | 极高（体积大，需海量切片与算力） |
| 可比较性 | 可跨个体、跨发育阶段 | 通常单个体、单时间点 |
结论：C. elegans 之所以能「全脑 + 多时间点」，正是因为它小；哺乳动物之所以只能「局部 + 单时间点」，正是因为它大。这是一个尺度—完整性权衡的典型体现。
7.6.2 与经典 C. elegans 连接组数据对照
| 数据 | 性别 | 部位 | 性质 |
|---|---|---|---|
| White 1986 | 雌雄同体 | 全（复合） | 手工重建，复合体 |
| Jarrell 2012 | 雄性 | 尾部 | 补充 |
| Cook 2019 | 雄性 | 头部 | 补充 |
| Witvliet 2021（本条目） | 雌雄同体 | 全脑 | 8 个体 × 发育序列，ssEM |
关键差别：前三者是「补图」（把经典连接组缺的部位补上），本数据集是「换范式」（从单图走向多图 + 时间轴）。它们互补，而非替代——WormWiring 把它们并置，正是这一互补关系的体现。
7.6.3 近缘物种对照
Pristionchus pacificus（一种与 C. elegans 近缘、具捕食行为的线虫）的咽部连接组（Bumbarger & Sommer 2013）也被 WormWiring 收录。把它与本数据集并列，可研究「接线原则在近缘物种间的保守与分化」——这是比较连接组学的经典命题。
§8 许可与合规
8.1 数据许可：CC-BY-4.0
本数据集数据本体采用 Creative Commons Attribution 4.0 International（CC-BY-4.0） 许可。三源互证：
- torch-em 官方文档（
cmito数据集条目）逐字标注：Witvliet 2021 的 l1/l2/l3/adult 数据「CC-BY-4.0, deposited at https://zenodo.org/records/5637219 and https://bossdb.org/project/witvliet2020」。 - Zenodo 记录 5637219 / 5525883 条目为 Open Access。
- NeuroTrailblazers 数据集目录：Access = Open，Status = Released。
CC-BY-4.0 的含义：任何人均可自由共享（复制、分发）与改编（修改、二次创作、商业使用），唯一义务是署名（attribution）并指示是否做了修改。对 AI 训练而言，这是最宽松的可用许可之一——无需请求、无需付费、可商用，只要注明来源与作者。
8.2 论文文章本体的许可区分
需注意区分数据与论文文本：
- 数据本体：CC-BY-4.0（如上）。
- 论文文章本体（Nature 刊文）：属 Springer Nature 标准订阅/条款体系（Crossref 显示 TDM 条款，非 CC）。EuropePMC 记录
isOpenAccess = N。
因此：复用「数据」按 CC-BY-4.0 行事；引用「论文文字/图表」需遵守 Nature 的条款。 这是本条目在合规层面的重要存照。
8.3 署名要求（合规行动项）
依据 CC-BY-4.0，下游使用者应至少：
- 注明数据来源为 Witvliet et al. (2021), Nature 596:257-261, doi:10.1038/s41586-021-03778-8；
- 标明是否对原数据做了修改；
- 若可能，链回原始托管地址（Zenodo 5637219 / BossDB witvliet2020）。
§9 AI-Ready 评估：DAIMS 维度表
下表以数据管理领域广泛使用的 DAIMS（Data Asset Inventory Metadata Standard，数据资产清单元数据标准）视角，逐维度评价本数据集的 AI-Ready 程度。
| DAIMS 维度 | 本数据集表现 | AI-Ready 评级 |
|---|---|---|
| 可发现性（Discoverability） | DOI（10.1038/s41586-021-03778-8）+ Zenodo DOI + BossDB 项目名 + 高引用量（441）多重锚定；Nature 刊文为权威入口 | ★★★★★ |
| 可访问性（Accessibility） | 完全开放，无 gated；五种形态覆盖不同粒度（图像/模型/在线浏览/门户） | ★★★★★ |
| 可用性（Usability） | 结构化 schema（cell/connection/dataset 三层）；图结构天然；NemaNode 提供查询接口；BossDB 提供编程访问 | ★★★★☆ |
| 互操作性（Interoperability） | 与 WormWiring 经典连接组、下游 cmito 数据集可对接；神经元命名（AWAL 等）为领域通用标识符 | ★★★★☆ |
| 可重用性（Reusability） | CC-BY-4.0 允许商用与改编；cmito 复用为先例；但缺统一评测协议 | ★★★★☆ |
| 溯源（Provenance） | 论文 + Zenodo README + BossDB 项目页 + NemaNode 文档 + GitHub 源码，溯源链完整 | ★★★★★ |
| 时效性（Timeliness） | 2021 发布，神经发育连接组领域至今唯一 8 个体发育序列资源，仍是当前最优 | ★★★★★ |
| 标注质量（Annotation Quality） | 人工校对的 ssEM 重建；但论文自承跨阶段「同一连接」判定存在方法学不确定性 | ★★★★☆ |
| 许可清晰度（License Clarity） | 数据 CC-BY-4.0 清晰；论文文本另有条款（需区分） | ★★★★☆ |
| 基准完备性（Benchmark Readiness） | 非评测基准，无 leaderboard/固定划分——定位为基础资源 | ★★☆☆☆ |
综合判断：本数据集是**「高开放度 + 高结构度 + 高溯源度，但非基准型」的典型 AI-Ready 资源。它不会直接告诉你「某个模型得几分」，但它为所有涉及神经系统结构与发育的 AI 研究**提供底层真值。
9.1 与本条目互链的库内条目
| 库内条目 | rid | 关系 |
|---|---|---|
human-connectome-project |
95 | 同「连接组」概念域，不同物种（人脑，扩散 MRI + 追踪） |
1000-functional-connectomes |
295 | 人脑功能连接组集合（静息态 fMRI），同域不同模态 |
allen-brain-atlas |
275 | 脑图谱/神经解剖影像资源，同神经解剖域 |
bigbrain |
285 | 超高分辨率人脑组织学体积，神经显微解剖邻域 |
healthy-brain-network |
245 | 脑网络结构/功能，网络神经科学邻域 |
brain-slab-seg-3d |
972 | 脑切片分割三维重建，EM/组织学分割方法学邻域 |
消歧声明：本条 = C. elegans（线虫）结构连接组；不是 human-connectome-project(95) 或 1000-functional-connectomes(295)（物种与模态均不同），也不是 White 1986 经典连接组（本条目为 8 个体发育序列新重建）。互链 rid 一律由主会话在入库后回填，本稿仅列条目名与现有 rid。
§9.5 与库内条目的深度对照
本节把 §9.1 的互链清单展开为逐条对照，帮助读者理解「同域不同条目」的边界。
9.5.1 human-connectome-project（rid=95）
- 相同：都属于「连接组（connectome）」概念域——研究神经系统的接线。
- 不同：物种（人 vs 线虫）；模态（活体 MRI 白质纤维追踪 vs 死后 ssEM 突触级重建）；分辨率（宏观束级 vs 突触级）；数据性质（人群队列 vs 8 个体发育序列）。
- 互补关系：一个回答「人脑宏观接线」，一个回答「小脑完整突触接线如何发育」。
9.5.2 1000-functional-connectomes（rid=295）
- 相同：都属于「连接组」域。
- 不同：这是功能连接组（静息态 fMRI 的功能相关），本条目是结构连接组（物理突触）。功能 > 结构与功能 < 结构是不同的科学问题。
- 互补关系：结构与功能连接组的对照是系统神经科学的核心议题。
9.5.3 allen-brain-atlas（rid=275）
- 相同：都属于神经解剖/脑图谱域。
- 不同：Allen 图谱是分区/基因表达/影像参考图谱，本条目是逐突触接线。
- 互补关系：图谱提供分区坐标，连接组提供接线——可叠加使用。
9.5.4 bigbrain（rid=285）
- 相同：都属于超高分辨率神经显微解剖域。
- 不同：BigBrain 是人脑组织学切片的高分辨率体积（细胞构筑），本条目是线虫突触级连接。
- 互补关系：都是「用显微成像理解脑结构」的范例，尺度与物种不同。
9.5.5 healthy-brain-network（rid=245）
- 相同：都属于脑网络域。
- 不同：健康脑网络通常指宏观网络拓扑（人脑），本条目是突触级接线（线虫）。
- 互补关系：宏观网络性质与微观接线的对照。
9.5.6 brain-slab-seg-3d（rid=972）
- 相同：都涉及脑切片的三维分割/重建方法学。
- 不同：后者是脑切片分割的技术性数据集，本条目是连接组本体。
- 互补关系：方法学邻域，可互参。
9.5.7 检索路径建议
- 若你的兴趣是「连接组概念入门」→ 先读本条目（物种小、结构清晰），再读 rid=95 / 295。
- 若你的兴趣是「突触级图学习」→ 本条目是最佳起点。
- 若你的兴趣是「人脑影像」→ 直接读 rid=95 / 295 / 275 / 285。
- 若你的兴趣是「EM 图像分割方法」→ 本条目 + rid=972。
§10 数据使用中的关键坑点
本节汇总使用本数据集时最容易踩的坑，编号制列出，帮助研究者避免误用。
坑 1：把「复合体」与「单一个体」混为一谈。
White 1986 的经典连接组是多只蠕虫局部图谱拼合而成的复合体（composite），它不代表任何一只真实存在的动物。而 Witvliet 2021 提供的是8 只个体各自完整的连接组。将两者混用（例如拿复合体的连接数去和单个体比较）会产生系统性错误。使用时务必先确认你引用的是哪一代数据、代表「个体」还是「群体平均」。
坑 2：把「突触数」当作唯一的连接强度，忽略其代理性质。
本数据以**突触数目（synapse count）**作为连接强度的代理。但突触数并不等于信息传递强度：真实的传递效率还取决于受体组成、突触后密度、释放概率、神经递质类型等。论文本身也承认这一代理的局限。在建模时应把突触数视为「结构权重」而非「功能权重」。
坑 3：忽视「发育变化」与「个体变异」的混杂（confounding）。
8 只个体分别处于不同发育阶段——每个时间点来自不同的一只动物。因此，两个个体之间的连接差异，既可能是「发育阶段不同」造成的，也可能是「个体天生不同」造成的，二者在本设计下无法完全分离。做发育趋势分析时，必须明确这一混杂，不能简单把个体间差异全部归因于发育。
坑 4：把线虫连接组的「不变性」外推至大型大脑。
C. elegans 的神经系统极小（302 神经元）、细胞谱系恒定、躯体透明——其连接组的高度不变性是特例。哺乳动物大脑的规模、可塑性、连接冗余度与之有量级差异。本数据集的「原理」（如身份稳定/强度动态）可作为假说启发，但结论不可直接外推至人脑或其他大型神经系统。
坑 5：忽略「同一连接」跨阶段判定的方法学不确定性。
要比较「同一连接」在 L1 与成体中的变化，必须先跨阶段追踪「同一个细胞」。这一细胞身份追踪依赖重建与命名的一致性，存在识别误差。在跨发育阶段做连接级统计时，应考虑身份追踪错误带来的不确定性。
坑 6：许可只看到「CC-BY」就以为论文文本也能自由使用。
数据本体是 CC-BY-4.0，但 Nature 论文文章本体不是（EuropoePMC 记录 isOpenAccess=N，属 Springer 条款）。复用数据按 CC-BY-4.0；转载论文文字或图表需另行遵守期刊条款。 混淆两者可能导致侵权。
坑 7：把本数据集当作「评测基准」去找 leaderboard。
本数据集不是挑战赛、不是评测基准，没有统一的排行榜、固定训练/测试划分或标准评价指标。它是一份基础资源（resource）。若你的研究需要基准，应寻找其下游衍生任务（如 cmito 分割）或自行设计划分，而非期待本数据集内置评测协议。
坑 8：神经元命名体系的版本差异。
经典连接组与 Witvliet 数据在神经元命名上大体沿用 White 的具名体系（AWAL、RIML、VB4 等），但个别细胞的名称/归属在不同版本数据中可能有细微差异（如左右对称命名、类别归属）。跨数据集合并时（如把 Witvliet 与 WormWiring 的 Cook 2019 数据联接），必须做命名归一化（cell name normalization），否则会静默丢连接。
§10.5 从坑点到最佳实践：一份使用检查单
把 §10 的坑点转化为可执行的使用检查单。
下载前
- [ ] 确认你要的是原始图像（BossDB）还是结构化数据/3D 模型（Zenodo）——二者用途不同。
- [ ] 确认你引用的是 Witvliet 2021，而非 White 1986 复合体。
- [ ] 阅读 Zenodo 记录内的
README.md。
使用中
- [ ] 明确你的分析单位是个体还是阶段——不要跨二者做不加区分的比较。
- [ ] 把突触数当作结构权重，不当作功能强度。
- [ ] 构建图时正确设置边方向（化学突触有向、电连接双向）。
- [ ] 若跨数据集合并，先做神经元命名归一化。
- [ ] 声明「发育变化 vs 个体变异」的混杂。
发表/交付前
- [ ] 按 CC-BY-4.0 完成署名并说明是否修改。
- [ ] 若转载论文文字/图表，另行确认期刊条款。
- [ ] 引用原始论文 DOI 与数据托管地址。
- [ ] 不把本数据集描述为「评测基准」。
§11 遗留疑点与待核事项
本节诚实记录本轮核验未能完全确证的事项，供后续研究者在更充分的资源条件下补齐。
-
Witvliet 8 个体的精确逐个体突触计数未取得原文逐值。 本轮 Nature 与 PMC 直连被反爬拦截、Zenodo API 在沙箱被阻断，未能取得论文正文中逐个体的神经元/突触统计表。成稿只采用可确证的物种常量（302 神经元）、个体数（8）与解剖范围（全脑）。候选情报的「约 7,000+ 化学突触」经判定为古典 White 1986 成体口径的量级，非 Witvliet 单个体数字，已按双口径存照处理。
-
发育阶段标签口径不一。 论文用「postnatal stages」（出生后各阶段），而下游 cmito 与 Zhen Lab 资源页使用
l1/l2/l3/adult四阶段标签。成稿统一表述为「出生后各幼虫阶段至成体（L1 起）」，避免写死精确阶段数。 -
Zenodo 记录标题与 README 内容未逐字抓取。 Zenodo API 与 zenodo.org 直连在沙箱返回空/失败。Zenodo record 5637219 的内容以 WebSearch 摘要（含 README md5 与 1.8 kB 大小）为准，未逐字校验。
-
WormWiring 站内 Witvliet 条目描述为动态加载，未取得站内文字。 以 Zenodo + BossDB + NemaNode 三处托管作为获取路径的主证。
-
论文引用量 441 为抓取时点值。 该数字随时间增长，引用时请刷新 Crossref。
§11.5 常见误解澄清
本数据集因其知名度，常被误解。逐条澄清如下。
误解 1：「这就是那张著名的线虫接线图。」
不对。那张著名图是 White 1986 的复合体。本数据集是新的、8 个体的、逐个体完整的重建，是「后浪」而非「那张图」。
误解 2：「302 个神经元，所以数据很小，没什么用。」
神经元数少不等于数据价值低。302 个节点构成的图足以产生复杂行为与网络性质；「小」恰恰是它能被完整重建的原因，是优势而非缺陷。
误解 3：「突触数就是连接强度。」
突触数是结构权重，不是功能权重。真实传递效率还取决于受体、释放概率等（见坑 2）。
误解 4：「既然是同源个体，接线应该完全一样。」
正相反。论文的核心发现之一就是：即使是同源个体，连接也有实质差异，每个脑都部分独一无二。同源 ≠ 同接线。
误解 5：「这是 AI 数据集，所以是给 AI 训练用的。」
它可以用于 AI，但它首先是基础神经科学资源。它的「AI-Ready」是指「具备被 AI 消费的结构条件」，而非「为 AI 而生」。
误解 6：「CC-BY 就是完全无限制。」
CC-BY-4.0 要求署名，并要求说明是否修改。它是宽松的，但不是「无任何义务」（见 §8.3）。
误解 7：「线虫的结论可以直接套到人脑。」
不可直接外推。线虫的不变性、恒定谱系是特例（见坑 4）。它的价值在于提供可检验的假说，而非直接结论。
§12 典型应用场景与研究价值
本数据集在下述方向具有不可替代的支撑价值：
- 神经发育建模：作为唯一被完整观测的「单物种跨发育阶段全脑接线轨迹」，可用于训练和验证「从早期结构预测晚期接线」的预测模型（论文本身已证明这类规律存在）。
- 图神经网络（GNN）与网络神经科学：三层 schema 天然是带权有向图（化学突触有向、缝隙连接无向），适合做图算法、模块度分析、可控性分析、连接预测等。
- 个体变异与连接组指纹：8 个同源个体为「基因相同连接组差多少」提供了黄金基线，可用于校准任何单一连接组研究的个体特异性偏差。
- EM 图像分割与重建 AI：BossDB 上的原始图像体积可作为分割、追踪、突触检测任务的训练/评测素材（cmito 即为其一），推动体积电镜的自动化流水线。
- 比较连接组学：与 White 1986、Cook 2019、以及更远缘物种（如 Pristionchus pacificus）的连接组对比，研究「接线原则的保守与变异」。
- 类脑计算与网络架构启发：前馈化、模块化、中枢决策回路保留等现象，可为人工神经网络架构设计提供生物学灵感。
§12.5 数据集在连接组学图谱中的位置
把本数据集放进更广的连接组学版图，可以更清楚它的坐标。
12.5.1 按物种与规模
| 数据集/项目 | 物种 | 规模 | 与本体关系 |
|---|---|---|---|
| White 1986（经 WormAtlas/WormWiring 分发） | C. elegans | 302 神经元（复合体） | 前身；本数据集取代其「单一成体」地位 |
| Witvliet 2021（本条目） | C. elegans | 8 个体 × 302 神经元 | 本体 |
| Cook 2019 / Jarrell 2012 | C. elegans（雄性） | 雄性头部/尾部 | 同物种不同性别与部位，可互链 |
| Bumbarger & Sommer 2013 | Pristionchus pacificus | 咽部 | 近缘物种比较 |
| MICrONS | 小鼠 | 皮层约 20 万细胞（体积，非全脑） | 哺乳动物一侧；规模与完整度量级不同 |
| human-connectome-project（rid=95） | 人 | 全脑（个体，MRI 追踪） | 同概念域，模态与精度完全不同 |
| 1000-functional-connectomes（rid=295） | 人 | 功能连接组集合 | 同域不同模态（功能 vs 结构） |
12.5.2 按「发育维度」的独特性
绝大多数连接组数据集给的是单一时间点的静态快照。本数据集的稀缺性在于它是唯一一份包含完整发育序列的全脑连接组——这让它在整个连接组学版图中占据一个别人无法替代的格子：「时间轴上完整的结构发育观测」。
12.5.3 它可以被「组合」出什么
- 与 WormWiring 经典连接组组合 → 研究「手工作图 vs 现代重建」的系统差异。
- 与 cmito 等下游分割数据集组合 → 结构（连接）与细胞器（线粒体）的联合分析。
- 与 行为/钙成像数据集组合 → 把结构发育与功能发育对应起来（论文即朝此方向）。
- 与 其他物种连接组组合 → 比较「接线原则」跨物种的保守与分化。
§13 结论
C. elegans Connectome（Witvliet et al., 2021）是神经科学史上的一座里程碑：它是人类首次以逐个体、跨发育阶段的方式，完整重建并比较一个动物的整个脑。凭借 C. elegans 302 个神经元、恒定细胞谱系与透明躯体的独特优势，它把连接组学从「静态接线图」推进到「动态发育轨迹」，并用 8 个同源个体揭示了「连接身份稳定、连接强度动态」这一脑成熟的核心原理。
从数据资产角度看，它具备近乎理想的 AI-Ready 特征：权威论文锚定（Nature，441 次引用）、完全开放（CC-BY-4.0）、结构规整（三层 schema、图原生）、多形态分发（原始图像 / 3D 模型 / 在线浏览 / 门户）、且已被下游 AI 任务（cmito）实际复用。它唯一「不完美」之处在于它不是评测基准——但这恰是它的定位：它不是用来给模型打分的试卷，而是用来教会模型「大脑是怎么长成的」的教科书。
对于「千方病案医数集」的读者，本条目是一条桥梁：一端连着神经生物学最经典的模型系统，另一端连着现代 AI 对「结构—功能—发展」建模的渴求。它提醒我们——真正 AI-Ready 的数据，不只是能被读取，更是能被反复追问「为什么」的数据。
§13.5 未来展望
基于当前状态，本数据集及其生态有几个可预期的发展方向。
- 更多发育阶段与个体：若技术成本继续下降，未来可能出现覆盖更细时间粒度、更多个体数的扩展版本（现有 8 个体已是重大突破，但 8 仍是小样本）。
- 功能-结构融合：把连接组与钙成像、行为数据结合，回答「结构变化如何导致功能变化」。
- 自动化重建流水线：随着机器学习在分割、追踪、突触检测上的进步，未来更大规模（含近缘物种、甚至更大动物）的连接组重建将更可行——本数据集正是训练这些自动化工具的宝贵语料。
- 下游 AI 任务繁荣：如 cmito 所示，围绕本数据集的下游分割/检测/预测任务会持续增加，进一步巩固其「基础资源」地位。
- 与类脑计算结合：其「骨架稳定、权重动态」「模块化随龄上升」等原理，可能启发新型神经网络架构与持续学习（continual learning）方法。
一句话展望：本数据集不会被「替代」，只会被「扩展」——因为它是连接组学从「静态图谱」走向「动态发育」的转折点，而所有后续工作都会站在这个转折点上。
附录 A：关键资源链接
| 资源 | 地址 |
|---|---|
| 论文 DOI | https://doi.org/10.1038/s41586-021-03778-8 |
| PMC 全文 | https://pmc.ncbi.nlm.nih.gov/articles/PMC8756380/ |
| Zenodo 记录（3D 模型/数据） | https://zenodo.org/record/5637219 |
| Zenodo 记录（关联数据集） | https://zenodo.org/record/5525883 |
| BossDB 原始 EM 项目 | https://bossdb.org/project/witvliet2020 |
| NemaNode 在线浏览 | https://nemanode.org/ |
| NemaNode 源码 | https://github.com/dwitvliet/NemaNode |
| Zhen Lab 资源页 | http://research.lunenfeld.ca/zhen/ |
| WormWiring 门户 | https://www.wormwiring.org/ |
| White 1986 经典连接组 | https://wormatlas.org/MoW_built0.92/MoW.html |
附录 B：术语对照表
| 中文 | 英文 | 说明 |
|---|---|---|
| 连接组 | connectome | 神经系统全部神经元及其连接的总和 |
| 连接组学 | connectomics | 研究连接组的学科与方法 |
| 串行切片电子显微镜 | serial-section electron microscopy (ssEM) | 逐薄片成像后重建体积的电镜方法 |
| 同源个体 | isogenic | 遗传背景一致的个体 |
| 化学突触 | chemical synapse | 通过神经递质传递的突触（NemaNode typ=0） |
| 电连接 / 缝隙连接 | electrical synapse / gap junction | 通过离子直接耦合（NemaNode typ=2） |
| 神经突 | neurite | 神经元突起（轴突/树突的总称） |
| 模块化 | modularity | 网络分化为功能子模块的程度 |
| 前馈 | feedforward | 信号单向从感觉端流向运动端的网络特性 |
| 细胞谱系 | cell lineage | 细胞分裂与身份决定的谱系关系 |
| 突触修剪 | synaptic pruning | 发育中移除多余突触的过程 |
| 个体变异 | individual variability | 同种个体间连接的差异 |
本条目由「千方病案医数集」编辑部依据 Witvliet et al. (2021), Nature 596:257-261 及其公开数据门户编撰。所有核心数字均经 Crossref / EuropePMC / Zenodo / BossDB / NemaNode 多源核验；双口径冲突与遗留疑点已在 §4.2 与 §11 逐条存照。数据许可 CC-BY-4.0。
附录 C：一页速查表
| 问题 | 答案 |
|---|---|
| 是什么 | 8 只同源线虫跨发育阶段的完整脑连接组（ssEM） |
| 谁做的 | Witvliet 等，Zhen Lab + Harvard + MIT |
| 论文 | Nature 596(7871):257-261, 2021；doi:10.1038/s41586-021-03778-8 |
| 个体数 | 8（isogenic） |
| 神经元 | 302（雌雄同体常量） |
| 范围 | 完整脑（full brain） |
| 连接 | 化学突触（typ=0）+ 电连接（typ=2），权重=突触数 |
| 许可 | CC-BY-4.0（数据）；论文另行条款 |
| 获取 | BossDB witvliet2020 / Zenodo 5637219,5525883 / NemaNode / WormWiring |
| 核心发现 | 连接身份稳定 + 连接强度动态；更前馈、更模块化 |
| 定位 | 基础资源（非基准） |
| 引用量 | 441（Crossref, 2026-10-16） |
| 下游复用 | cmito（线粒体分割） |
| 头号坑 | 别把复合体当个体；别把突触数当功能强度 |
FAQ：高频问答
A. 基础认知
Q：一句话说清这个数据集是什么。
A：8 只同源线虫跨出生后发育阶段的完整脑部连接组重建（ssEM），由 Witvliet 等发表于 Nature 2021。
Q：什么是「连接组（connectome）」？
A：一个神经系统中所有神经元及其间连接（突触）的完整图谱。C. elegans 是第一个、也是迄今唯一被完整连接组化的多细胞动物。
Q：「同源（isogenic）」是什么意思，为什么要强调？
A：遗传背景一致的个体。强调「同源」是因为：既然基因相同，那么个体间连接的差异就更可能反映非基因因素（发育随机性、活动依赖等）——这使本数据集成为研究个体变异的纯净样本。
Q：它和「脑图谱（brain atlas）」是一回事吗？
A：不完全。脑图谱通常指解剖/影像上的结构分区参考；连接组特指神经元之间的接线。本数据集是连接组，不是分区图谱。
Q：C. elegans 是什么动物？
A：秀丽隐杆线虫，一种透明、约 1 毫米长的模式生物，雌雄同体成体有 302 个神经元，是神经科学与发育生物学的经典模型。
Q：为什么 302 个神经元值得研究？
A：因为它小到可以被完整重建，又大到足以产生复杂行为（趋化、回避、学习、睡眠样行为、交配）。它是「完整连接组 × 复杂行为」唯一可兼得的系统。
B. 数据与获取
Q：数据到底在哪下载？
A：分三处：原始 EM 图像 → BossDB（witvliet2020）；3D 神经元模型与结构化数据 → Zenodo（5637219 / 5525883）；在线浏览 → NemaNode（nemanode.org）。
Q：需要申请或付费吗？
A：不需要。完全开放获取，无 gated、无付费墙。
Q：许可证是什么？我想拿来做商业产品可以吗？
A：数据本体 CC-BY-4.0，允许商用，只需署名（并说明是否修改）。但注意论文文章文本不适用 CC-BY-4.0。
Q：数据量有多大？
A：原始 EM 是体积图像，体量很大，建议通过 BossDB 云流式按需读取子体积，不要整卷下载。
Q：有没有现成的数据加载代码？
A：有。NemaNode 源码（GitHub）含数据模型文档与灌库脚本；BossDB 提供 Python 客户端；下游 torch-em 的 cmito 条目也给出加载示例。
Q：数据是最新的吗？
A：2021 年发布，但其在「发育连接组」这一细分领域至今仍是最新且唯一的 8 个体完整资源。
Q：怎么引用它？
A：引用 Witvliet, D., Mulcahy, B., Mitchell, J.K. et al. Connectomes across development reveal principles of brain maturation. Nature 596, 257–261 (2021). doi:10.1038/s41586-021-03778-8，并注明数据来源门户。
C. 结构与统计
Q：化学突触和电连接有什么区别？
A：化学突触（typ=0）通过神经递质单向传递，有方向性；电连接/缝隙连接（typ=2）通过离子直接耦合，物理上双向。两者在数据里以 typ 字段区分。
Q：连接强度怎么表示？
A：以**突触数目（synapse count）**表示。这是结构权重，不等于功能强度（见坑 2）。
Q：8 只个体各是什么阶段？
A：覆盖出生后各幼虫阶段至成体。论文口径为 “postnatal stages”；下游常用 l1/l2/l3/adult 标签。
Q：为什么说「每个脑都部分独特」？
A：因为即使是同源个体，也存在只在部分个体中出现的「可变连接（variable connections）」，每个个体的这类连接集合各不相同。
Q：怎么区分「发育变化」和「个体差异」？
A：很难完全区分——因为 8 个时间点来自 8 只不同动物。这是本设计的内在局限（见坑 3），做趋势分析时需明确声明。
Q：「突触数约 7,000」这个说法对吗？
A：需谨慎。这是古典 White 1986 成体口径量级（约 5,000 化学突触 + 2,000 缝隙连接），不是 Witvliet 单个体数字。本条目已按双口径存照（见 §4.2）。
D. 方法与应用
Q：ssEM 是什么？
A：串行切片电子显微镜（serial-section electron microscopy）——把组织切成连续超薄切片逐片成像，再重建三维体积。是体积电镜中分辨率最高的路线之一。
Q：重建一个 C. elegans 全脑要多大工作量？
A：极大。切片、成像、配准、分割、骨架化、突触标注、跨阶段细胞追踪，每一步都耗人力与算力——这解释了为什么三十多年只做成了两代。
Q：能用来训练图神经网络吗？
A：非常适合。数据天然是带权有向图（化学突触）+ 无向图（电连接），节点带类型/递质属性。
Q：能用来做图像分割研究吗？
A：能。BossDB 上的原始 EM 体积可用于神经元分割、突触检测等任务；cmito 已示范了线粒体分割。
Q：它是评测基准吗？有排行榜吗？
A：不是基准，没有 leaderboard。它是基础资源数据集。若需基准需自行设计或找下游任务。
Q：有哪些下游 AI 数据集复用了它？
A：最典型是 cmito（全动物线粒体密集分割，基于其 l1/l2/l3/adult 阶段）。
Q：它的发现对人脑研究有启发吗？
A：可作为假说启发（如「骨架稳定、权重动态」的成熟原理），但不可直接外推——线虫的不变性是特例（见坑 4）。
E. 生产与库内
Q：本条目在「千方病案医数集」里属于哪一类？
A：神经科学—连接组学方向的基础资源型条目，非基准、非挑战赛。
Q：库内有哪些同类条目？
A：human-connectome-project（rid=95）、1000-functional-connectomes（rid=295）、allen-brain-atlas（rid=275）、bigbrain（rid=285）、healthy-brain-network（rid=245）、brain-slab-seg-3d（rid=972）。
Q：会不会和库内已有条目重复？
A：不会。库内无 C. elegans 专属条目；那两个 connectome 条目是人脑、模态也不同。
Q：为什么它算 AI-Ready？
A：权威锚定 + 完全开放（CC-BY-4.0）+ 结构规整（图原生）+ 多形态分发 + 已被下游 AI 实际复用。
30 秒决策卡
| 如果你要…… | 用本数据集 | 备注 |
|---|---|---|
| 研究神经元接线的发育变化 | ✅ 首选 | 唯一 8 个体发育序列全脑资源 |
| 校准单个体连接组研究的个体偏差 | ✅ 首选 | 8 同源个体提供基线 |
| 训练图神经网络做连接预测 | ✅ 适合 | 图原生，节点/边带属性 |
| 做 EM 图像分割/检测 | ✅ 适合 | 用 BossDB 原始体积 |
| 找现成的模型评测 leaderboard | ❌ 不适用 | 非基准数据集 |
| 研究人脑连接组 | ❌ 换个数据集 | 见 rid=95 / 295 |
| 做大规模哺乳动物皮层建模 | ⚠️ 仅作启发 | 物种与规模差异大 |
事实清单（硬事实）
以下为本条目全部核心硬事实，均标注核验来源。
- 论文标题：Connectomes across development reveal principles of brain maturation（Crossref）。
- 期刊：Nature，596(7871):257-261（Crossref）。
- DOI：10.1038/s41586-021-03778-8（Crossref/EuropePMC）。
- 在线发表：2021-08-04；正式印刷：2021-08-12（Crossref）。
- PMID：34349261（EuropePMC）。
- PMCID：PMC8756380（EuropePMC）。
- 引用量：441（Crossref，2026-10-16）。
- 作者总数：16（Crossref 权威顺序）。
- 第一作者：Daniel Witvliet（Crossref）。
- 共同一作：Ben Mulcahy（Zhen Lab 新闻稿 + Crossref）。
- 通讯作者：Mei Zhen 与 Aravinthan D. T. Samuel（Zhen Lab 新闻稿）。
- 个体数：8 只同源（isogenic）线虫（论文摘要多源一致）。
- 物种神经元常量：302 个神经元，雌雄同体（经典计数）。
- 解剖范围：完整脑（full brain）（论文摘要）。
- 发育覆盖：出生后各阶段（postnatal stages）。
- 方法：串行切片电子显微镜（ssEM）（论文摘要）。
- 连接类型：化学突触 + 电连接（缝隙连接）（NemaNode schema）。
- 连接权重：突触数（NemaNode schema
syn）。 - 数据许可：CC-BY-4.0（torch-em 文档 + Zenodo + NeuroTrailblazers）。
- 原始图像托管：BossDB project
witvliet2020（Zhen Lab 资源页）。 - 3D 模型托管：Zenodo record 5637219（Zhen Lab 资源页）。
- 关联数据托管：Zenodo record 5525883（Zhen Lab 资源页）。
- 在线浏览器：NemaNode（nemanode.org）（Zhen Lab 资源页）。
- NemaNode 源码：GitHub
dwitvliet/NemaNode（GitHub README）。 - NemaNode 技术栈：Node.js ≥ 11.15 + MySQL ≥ 5.6（GitHub README）。
- 综合门户：WormWiring（wormwiring.org）。
- 前作：White et al. 1986，Phil. Trans. R. Soc. Lond. B 314:1-340。
- 前作性质：多蠕虫局部图谱复合体（composite）（Zhen Lab 新闻稿）。
- 核心发现一：连接身份大体稳定（论文摘要）。
- 核心发现二：连接强度高度动态（论文摘要）。
- 网络规律：脑随发育更前馈、更模块化（论文摘要）。
- 通路规律：中枢决策回路保留，感觉—运动通路重构（论文摘要）。
- 个体变异三类：stable / dynamic / variable（多源摘要）。
- 下游复用：cmito（全动物线粒体分割，基于 l1/l2/l3/adult）（torch-em 文档）。
- 资助：CIHR、NIH、HFSP（Zhen Lab 新闻稿）。
- 团队：Zhen Lab（Lunenfeld-Tanenbaum）+ Harvard + MIT（多源）。
不适合谁
- 需要标准 leaderboard 的基准评测者：本数据集无评测协议。
- 想直接用现成分好的 train/test 划分的人：需要自行设计与划分。
- 研究人脑或其他哺乳动物连接组的人：物种不同，请见库内 rid=95 / 295。
- 希望数据「开箱即用于临床」的人：它是基础神经科学资源，非临床数据集。
- 期待「突触数 = 功能强度」的人：需理解代理变量局限。
适合谁
- 连接组学研究者：跨发育、跨个体比较的黄金资源。
- 神经发育研究者：逐阶段接线轨迹。
- 图神经网络 / 网络神经科学研究者：图原生结构数据。
- 体积电镜图像处理研究者：原始 EM 体积。
- 比较连接组学者：与经典及其他物种连接组对照。
- AI-Ready 数据集构建方法论研究者：一个高开放度资源的范例。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- nfbs — 共享标签：神经科学 / 脑影像 / 评测基准
- microns — 共享标签：神经科学 / 脑影像 / 评测基准
- adam-aneurysm — 共享标签：神经科学 / 脑影像 / 评测基准
- moabb — 共享标签：神经科学 / 脑机接口 / 评测基准
- brainweb — 共享标签：神经科学 / 脑影像 / 评测基准
- bfa — 共享标签：神经科学 / 脑影像 / 评测基准
- human-connectome-project — 共享标签：神经科学 / 脑影像
- abide — 共享标签：神经科学 / 脑影像
- openneuro — 共享标签：神经科学 / 脑影像
- adhd-200 — 共享标签：神经科学 / 脑影像
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
