工具大全
亲手实测作者:Coocon2026年9月28日1358 次阅读约 8 分钟阅读

果蝇大脑怎么下载?13.9 万个神经元,我在 Mac mini 上 33 秒跑完一次实验

果蝇大脑怎么下载?13.9 万个神经元,我在 Mac mini 上 33 秒跑完一次实验

搜「果蝇大脑下载」的人,大多是看了「科学家把果蝇大脑上传到电脑」的新闻,想自己试试。好消息是:真的可以,而且比想象中简单。坏消息是:官方示例照着 README 改一行配置就会报错。

我在一台 Mac mini 上从零走了一遍,全程计时。先给结论:

  • 「果蝇大脑」是两个文件:138,639 个神经元的清单(3.3 MB),和一张 15,091,983 行的连接表(101 MB)。每一行写着「谁连着谁、有几个突触、是兴奋还是抑制」。
  • 普通电脑就能跑:克隆 57 秒,装依赖 21 秒,官方的糖味觉示例(30 次试验 × 1 秒脑时间)33 秒跑完。
  • 照 README 切到公开版 v783 数据会直接 KeyError,因为示例里的神经元 ID 是旧版本的。改法很简单,下文给出能直接跑的版本。
  • 跑通以后,你可以做真实果蝇上很难做的实验:一次关掉一个神经元,看整只脑怎么变。

问题背景:下载的到底是什么

2024 年 FlyWire 联盟在 Nature 上发布了第一张完整的成年果蝇全脑接线图(连接组)。同期 Shiu 等人在 Nature 上发表了一个基于它的全脑模型:把每个神经元简化成「会漏电的积分器」(LIF),连接强度直接用突触数量,在 Brian2 模拟器里跑。

这个模型的官方仓库 philshiu/Drosophila_brain_model 把公开版数据一起放在了里面,所以「下载果蝇大脑」最直接的做法就是克隆它:

文件 大小 内容
Completeness_783.csv 3.3 MB 138,639 个神经元的 FlyWire ID
Connectivity_783.parquet 101 MB 15,091,983 条连接:上游 ID、下游 ID、突触数、兴奋/抑制
model.py / utils.py 14 KB 模型本体与读结果的工具函数
旧版 v630 数据 90 MB 论文当时用的版本,示例默认还指着它

整个仓库克隆下来 380 MB,其中一半是 git 历史。想要更全的数据(细胞类型、神经递质、三维形态),去 FlyWire 的 Codex(codex.flywire.ai),那里是官方数据门户。许可是 CC BY-NC 4.0:署名、不可商用。

这张表里有什么

在跑模型之前,先把表拆开看看,几个数字挺有意思:

项 数值
神经元 138,639
有连接的神经元对 15,091,983
突触总数(把「突触数」一列加起来) 54,492,922
兴奋性连接占比 60%
只有 1 个突触的连接 49.7%
5 个及以上突触的连接 17.9%
每个神经元平均连向 109 个下游
两个神经元之间最多的突触 2,405 个
连接密度 0.08%(每个神经元只连了全脑的万分之八)

第三行是一个很好的交叉验证:Nature 论文写的是「5,450 万个突触」,这张表加起来是 5,449 万,对得上。

还有两个值得一提:

  • 一半的连接只有 1 个突触。 自动检测会有误报,所以 FlyWire 在 Codex 上默认用「至少 5 个突触」才算一条连接。按这个标准,这张表只剩不到五分之一。Shiu 的模型没做这个过滤,1 个突触的连接也算进去了,只是权重小。
  • 全脑连接最多的神经元只有两个,而且是同一种。 连出最多的(9,783 个下游)和连入最多的(10,356 个上游)分别是左右视叶里的 CT1——这种细胞全脑只有 2 个,每侧一个,单个细胞的分支横跨视叶的髓质和小叶(细胞类型来自 FlyWire 官方注释,Schlegel et al. 2024)。

实测过程

环境:Mac mini M4(10 核、24 GB),Python 3.12,Brian2 2.10.1(代码生成后端自动选了 Cython)。我用 uv 管环境,下面给等价的 pip 命令。Windows 我没有测。

第一步:克隆和安装

git clone https://github.com/philshiu/Drosophila_brain_model.git   # 57 秒,380 MB
cd Drosophila_brain_model
python3 -m venv .venv && source .venv/bin/activate
pip install brian2 pandas pyarrow joblib                           # 21 秒(无缓存)

README 推荐的是 conda 环境(锁在 Python 3.10、Brian2 2.5.1),不装 conda 直接 pip 装最新版也能跑。

第二步:照 README 换成 v783,然后报错

示例 example.ipynb 默认用的是论文当时的 v630 数据。README 的「Version 783」一节说:要用公开版,把配置换成这样——

config = {
    'path_res'  : './results/new',
    'path_comp' : './Completeness_783.csv',
    'path_con'  : './Connectivity_783.parquet',
    'n_proc'    : -1,
}

照做,再跑示例里「刺激右侧糖味觉神经元」那一段:

照 README 把配置换成 v783 后,官方示例在构建刺激列表时直接 KeyError:示例给的 21 个糖神经元里,有一个 ID 在 v783 里已经不存在

原因是 FlyWire 的神经元 ID 会随着校对变化:一个神经元被重新拆分或合并后,就会得到新 ID。示例里的 21 个糖神经元是 v630 的 ID,我逐个比对,其中 20 个在 v783 里还在,720575940620900446 已经没了。两个版本的神经元只有 106,220 个 ID 重合(v630 共 127,400 个,v783 共 138,639 个)。

这里还有第二个坑:README 给的 ./results/new 目录仓库里并不存在。模型不会先检查目录,而是跑完整个模拟、保存结果时才报 Cannot save file into a non-existent directory——前面算的全白费。

第三步:能跑的版本

mkdir -p results/v783
import pandas as pd
from model import run_exp

neu_sugar = [...]  # 把 example.ipynb 里的 21 个 ID 粘过来

# v783 里已经不存在的 ID 过滤掉(会剩 20 个)
valid = set(pd.read_csv('./Completeness_783.csv').iloc[:, 0])
neu_sugar = [n for n in neu_sugar if n in valid]

config = {
    'path_res'  : './results/v783',
    'path_comp' : './Completeness_783.csv',
    'path_con'  : './Connectivity_783.parquet',
    'n_proc'    : -1,          # 用上所有 CPU 核
}
run_exp(exp_name='sugarR', neu_exc=neu_sugar, **config)

过滤掉不存在的 ID、先建好输出目录后,30 次试验 × 1 秒脑时间在 10 核 Mac mini 上 32~33 秒跑完

默认参数是 30 次独立试验、每次 1 秒脑时间,joblib 把 30 次分到所有核上并行。我前后跑了两次,分别是 33 秒和 32 秒。

读结果:

import utils as utl
from model import default_params as params

df = utl.load_exps(['./results/v783/sugarR.parquet'])
rate, _ = utl.get_rate(df, t_run=params['t_run'], n_run=params['n_run'])
print(rate.loc[720575940660219265])   # MN9:控制伸喙的运动神经元

和仓库里自带的 v630 结果对比:

刺激的糖神经元 30 次试验总脉冲 有放电的神经元 MN9 放电率
我的实测(v783) 20 个 388,402 427 80.2 Hz
仓库自带结果(v630) 21 个 511,566 448 93.3 Hz

量级一致:刺激 20 个感觉神经元,13.9 万个神经元里只有 400 多个被带动起来,其中包括控制伸出口器(喙)的运动神经元 MN9。数字不完全相同,一是少了一个刺激神经元,二是两个版本的接线图本身不同。

顺带一提,示例的文字说明写「默认以 200 Hz 刺激」,但 model.py 里 r_poi 的默认值是 150 Hz。以代码为准。

第四步:做一个真果蝇上很难做的实验

数字大脑最好玩的地方在于,可以一次只关掉一个神经元。真实果蝇上要做到这一点,需要为那个细胞专门构建遗传工具;这里只要一个参数:

run_exp(exp_name='sugarR-silence', neu_exc=neu_sugar,
        neu_slnc=[720575940640589171], **config)   # 把这个神经元的所有连接置零

我挑了糖刺激下放电最高的 5 个非感觉神经元,逐个沉默,看 MN9 的变化(每组 30 次试验,MN9 试验间标准差约 4~5 Hz):

被沉默的神经元 细胞类型(FlyWire 注释) 它自己的放电率 沉默后 MN9
—(不沉默) 80.2 Hz
…622695448 CB0248,中央脑内部神经元 132.4 Hz 80.6 Hz
…627383685 CB0248(另一侧) 120.3 Hz 80.4 Hz
…629888530 CB0192,中央脑内部神经元 119.0 Hz 76.2 Hz
…618165019 CB0700,另一个进食运动神经元 110.9 Hz 78.0 Hz
…640589171 DNge031,下行神经元 107.6 Hz 104.2 Hz

前四个很「活跃」的神经元,关掉任何一个,MN9 几乎不动——这条通路有冗余,不靠某一个细胞。第五个反过来:关掉它,进食输出升了 30%。 它在注释里是一个下行神经元 DNge031,预测递质是 GABA(抑制性);也就是说,模型预测它在糖刺激时一边被激活,一边在给进食踩刹车。

两点要说清楚:DNge031 的递质预测置信度只有 0.50,接近五五开;这是模型的预测,我没有、也没法在真实果蝇上验证。但这正是这个模型的用途——Shiu 等人在论文里做了同样的事,164 条能用实验检验的预测里,91% 和实验结果一致。

5 组沉默实验一共跑了 456 秒,平均每组约 1.5 分钟。

踩坑

  • v630 的神经元 ID 不能直接用在 v783 上。 任何从论文、旧教程、旧代码里抄来的 ID,先对一遍 Completeness_783.csv。示例里 21 个糖神经元,有 1 个已经不存在。
  • 输出目录要先建好。 目录不存在时,模型会把模拟完整跑完,最后保存时才报错。
  • README 的 v783 配置用的 ./results/new 仓库里没有,照抄就会撞上一条。
  • uv / pip 的缓存会让安装时间看起来很短。 我第一次装只用了 2 秒,那是缓存;关掉缓存重装是 21 秒。
  • 「有放电」不等于「重要」。 放电最高的几个神经元沉默后几乎没影响,真正起调节作用的反而排在第五。挑沉默对象时,别只看放电率。

常见问题

果蝇大脑数据可以免费下载吗?

可以。FlyWire 的公开版(v783)数据在 Codex(codex.flywire.ai)提供下载,Shiu 的模型仓库里也附带了跑模型所需的两个文件。许可是 CC BY-NC 4.0:可以用于学习和研究,需要署名,不能商用。

需要 GPU 吗?

不需要。这个模型是稀疏矩阵运算,CPU 就够;我之前在同一台机器上对比过,Brian2 跑在 CPU 上比用 PyTorch 跑在 Apple GPU(MPS)上快 7 倍。10 核 Mac mini 跑一次官方示例约 33 秒,核数少的机器会按比例变慢。

下载下来的是「完整的果蝇」吗?

不是。它只有脑,没有腹神经索(相当于脊髓),也没有身体;神经元模型只有膜电位和突触,没有学习、记忆和神经调质。所以它能回答「刺激这群神经元,哪些下游会被激活」,但不会自己动——不给输入时,每个神经元的放电率都是 0。

能让它控制一只果蝇的身体吗?

能,但要自己写脑和身体之间的接口。我在另一篇实测里把它接上了 NeuroMechFly 的物理身体,让它尝到糖后转身去吃、看到逼近的黑球后逃跑;不想装环境的话,可以直接在数字果蝇实验室里用浏览器开一只物理仿真的果蝇。

参考

  • Dorkenwald et al. 2024, Neuronal wiring diagram of an adult brain, Nature. doi:10.1038/s41586-024-07558-y
  • Schlegel et al. 2024, Whole-brain annotation and multi-connectome cell typing of Drosophila, Nature. doi:10.1038/s41586-024-07686-5(细胞类型注释:github.com/flyconnectome/flywire_annotations)
  • Shiu et al. 2024, A Drosophila computational brain model reveals sensorimotor processing, Nature. doi:10.1038/s41586-024-07763-9(代码:github.com/philshiu/Drosophila_brain_model)

这类实测,每周六汇总一封

订阅码农早餐:每天 8:00 一封 AI 编程早报,每周六另附本周 Claude Code / Codex / 本地模型的实测和踩坑汇总。

相关文章

甲骨文免费云主机怎么申请、怎么防超支:一次 5 新币自动停机配置实录

为新加坡 Oracle A1 实例部署每 15 分钟查费、月消费达到 5 SGD 自动停机的任务。说明免费主机申请、预算提醒、Instance Principal 最小权限、实际踩坑,并附完整脱敏代码及可复制给 Claude Code/Codex 的操作提示词。授权、查费和定时执行已验证,真实超额停机未测试。

实测oracle-cloud+3
hands-on2026年11月9日10 min
132
果蝇、小鼠、人:全脑模拟还差多远?用 Mac mini 实测算一笔账

果蝇、小鼠、人:全脑模拟还差多远?用 Mac mini 实测算一笔账

果蝇全脑 13.9 万个神经元,在一台 Mac mini 上模拟 1 秒脑时间要 12.6 秒,权重矩阵约 121 MB。照同样的模型和算法外推:小鼠 7,089 万个神经元,模拟 1 秒要约 41 小时、权重占约 1.4 TB 内存;人脑 861 亿个神经元,模拟 1 秒要约 5.7 年、需要约 1.7 PB 内存。但算力还不是最难的墙。按 FlyWire 的校对效率,光是把小鼠脑的 AI 分割改对,就要约 1.7 万人年;而且就算接线图完整,现在的模型也没有学习、记忆和神经调质。本文把四堵墙逐一摆出来,每个数字都注明出处和假设。

果蝇连接组+6
fruit-fly2026年10月4日8 min
580
MaleCNS 是什么?第一张雄性果蝇全中枢神经接线图,和 FlyWire 差在哪

MaleCNS 是什么?第一张雄性果蝇全中枢神经接线图,和 FlyWire 差在哪

MaleCNS 是一只雄性果蝇完整中枢神经系统的接线图:166,700 个神经元,第一次把大脑和腹神经索(相当于脊髓)放在同一张图里。2026 年 6 月发布 v1.0,9 月在 Cell 上发表,许可证 CC BY 4.0,可以商用。它和 2024 年的 FlyWire 是两套完全不同的工程:不同性别、不同电镜、不同的 AI 分割。论文对比雌雄两只脑发现,11,710 种神经元里只有 138 种两性异形、289 种雄性特有、71 种雌性特有,而且都集中在高级脑中枢。我用 FlyWire 官方注释表按脑区重算了一遍,比例最高的不是中央脑,而是大脑向身体发指令的下行神经元:8.4%。

flywire果蝇+6
fruit-fly2026年10月4日7 min
619
llama.cpp 部署 llama-server 还是用 ollama?Mac mini 24GB 同一个 GGUF 实测:ollama 底下跑的就是 llama-server

llama.cpp 部署 llama-server 还是用 ollama?Mac mini 24GB 同一个 GGUF 实测:ollama 底下跑的就是 llama-server

在 24GB Mac mini 上让 llama-server(b11376)和 ollama(0.35.1)加载同一个 GGUF 文件对照:ollama 0.35 的推理进程就是它自带的 llama-server,同参数下速度一样(4B 解码 36.5 vs 36.3 tok/s,27B 都是 6.3)。差别全在默认参数:ollama 默认上下文 4096,官方库模型的超长 prompt 会被静默截到 2050 token,日志里只有一行 WARN;llama-server 默认按显存把上下文开到最大(4B 开到 101120,footprint 14GB 以上),超长时明确返回 400;并发上 llama-server 默认 4 槽并行,ollama 默认排队;ollama 设 32k 加 4 并发会按每路 32k 分配,footprint 约 21GB。文末给出 24GB 机器的推荐启动参数。

qwenmac-mini+6
hands-on2026年10月3日11 min
1039