Как нервная система собирает себя по дням экспресс
Сборка нервной системы похожа на строительство города, где каждый новый дом — нейрон — должен вовремя подключиться к дорогам-связям. У крошечного червя C. elegans этот процесс можно увидеть в деталях: у него всего 302 нейрона, и учёные восстановили их контакты на разных стадиях развития.
Авторы работы создали инструмент DevoTG — временную нейросеть, которая учится на двух типах данных. Первый — генеалогическое древо клеток: какая клетка от какой произошла и когда. Второй — восемь снимков мозга червя, сделанных с помощью электронного микроскопа в разные дни его жизни. DevoTG не просто видит статичную картинку, а помнит последовательность событий — как прораб, который следит за стройкой от котлована до готового здания.
На карте связей DevoTG выделил три типа контактов. Одни — стабильные — появляются рано и остаются навсегда, как главные магистрали. Другие — временные — нужны только на этапе роста, как строительные леса. Третьи — переменные — то возникают, то исчезают, словно переулки, которые перекладывают под новые задачи. Особенно интересны нейроны-командиры AVA, AVB и AVE: они рано занимают центральное положение и со временем только усиливают свою роль, обрастая связями.
Такой подход — не просто атлас, а кино о том, как мозг собирает сам себя. Код DevoTG открыт, и его можно применить к другим животным, чтобы увидеть общие правила нейростроительства.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2606.21940
Understanding how a nervous system wires itself from birth to adulthood is a fundamental challenge in developmental neuroscience. We present DevoTG, a temporal graph framework that applies Temporal Graph Neural Networks (TGNs) to two complementary representations of C. elegans neural development: a Continuous-Time Dynamic Graph (CTDG) of cell division events derived from cell lineage data, and a Discrete-Time Dynamic Graph (DTDG) of the developing synaptic connectome spanning eight reconstructed electron-microscopy datasets. On the lineage prediction task, our TGN achieves a mean test AUC of 0.839 +/- 0.007 (5 seeds; validation AUC 0.937 +/- 0.001), outperforming a static GNN with the identical architecture by 26 AUC points (0.577 +/- 0.080), demonstrating that temporal memory is the decisive factor. Applied to the connectome DTDG, DevoTG identifies three connection stability classes (stable, developmental, and variable) across 225 neurons and 858 to 2,496 connections over development (L1 birth to adult), providing a temporal-graph-theoretic complement to the individual-variability classification of Witvliet et al. Analysis of hub command interneurons AVA, AVB, and AVE reveals their persistent centrality and how their integration roles are progressively reinforced across larval stages. Accompanying interactive visualizations (3D animated networks, centrality heatmaps, and a spatiotemporal lineage graph) make developmental dynamics accessible for biological hypothesis generation. DevoTG is open-source and designed for extension to other developing nervous systems. Code is publicly available at https://github.com/DevoLearn/DevoGraph/tree/main/DevoTG.
У червя C. elegans 302 нейрона, и учёные знают полную схему их соединений — это единственное существо, для которого составлена такая карта.