强大的遗传工具可用于选择性操纵或记录个别神经元类型，在易处理的（tractable）模型系统中，关于连接组揭示的特定神经元和回路基序的功能作用的假设可以很容易地得到检验。

研究小组将一个「6小时大」的黑腹果蝇幼虫的大脑切割成4841片，并用高分辨率电子显微镜进行扫描，将成像数字化后再重新组合成一张三维图像；在计算机分析的辅助下，最终生成的图谱包含3016个神经元和54.8万个突触。

残差网络暗藏其中

研究人员对大脑回路（circuit）结构进行了详细的分析，包括连接和神经元类型、网络中枢（network hubs）和神经回路图。

大脑输入输出中枢（in-out hubs）中大部分(73%)是「对学习中心的突触后中枢」或「对驱动学习的多巴胺能神经元的突触前中枢」；使用图谱嵌入（graph spectral embedding）技术将基于突触连通性的分层聚类神经元分为93种类型，这些类型在基于形态学和功能等其他特征上具有内部一致性。

研究人员还开发了一种算法来跟踪大脑多突触通路中的信号传播，并分析了前馈(从感觉到输出)和反馈通路（feedback pathways）、多感官整合（multisensory integration）和跨半球的反应（cross-hemisphere interactions）。

在大脑中发现了广泛存在的多感官整合，以及从感觉神经元到输出神经元不同深度的多条相互关联的通路，形成了一个分布式的处理网络。

大脑具有高度循环（recurrent）结构，41% 的神经元接受长程循环输入，不过循环的分布并不均匀，在涉及学习和行动选择的领域循环率特别高。

驱动学习的多巴胺能神经元是大脑中最常见的神经元之一。

有许多对侧神经元（contralateral neurons）投射到大脑两半球，它们是进出中枢（in-out hubs），彼此之间相互突触，促进了大脑两半球之间的广泛交流；文中还分析了大脑和神经之间的相互作用。

研究人员发现，下行神经元（descending neurons）的目标是一小部分前运动元件（premotor elements），其在运动状态（locomotor states）切换中扮演着重要的作用。

果蝇幼虫完整的脑连接组将在很长一段时间内为其他脑功能理论和实验研究提供基础，这项研究中产生的方法和计算工具将促进未来连接体的分析。

尽管动物王国中大脑组织的细节各不相同，但许多神经回路结构是守恒的。

随着未来绘制更多其他生物的大脑连接组，不同连接组之间的比较将揭示常见的、可能是最佳的回路结构，以及生物体之间行为差异的特质。

在果蝇幼虫大脑中观察到的一些结构特征，包括多层shortcuts和显着的嵌套循环，都能够在最先进的人工神经网络中发现，或许可以弥补当前网络在深度、处理任务泛化上的问题，这些特征也可以增加大脑的计算能力，克服神经元数量的生理限制。

未来对大脑和人工神经网络之间的相似和差异的分析可能有助于理解大脑的计算原理，并可能启发新的机器学习架构。

相关评论

英国埃克塞特大学神经科学教授加什帕尔·耶凯伊表示，大脑的所有神经元都被重建，并且所有神经连接都得到了分析。他称这项工作「非常重要」。

美国哈佛大学的凯瑟琳·杜拉克认为，这些数据揭示了这些神经元连接的「深层逻辑」。

不过，纽约爱因斯坦医学院的斯科特·埃蒙斯认为，仅仅绘制出突触并不能提供全貌。

埃蒙斯于2019年绘制出了雌雄两性的秀丽隐杆线虫的连接组，神经元还可以通过荷尔蒙等缓慢释放的化学物质以及细胞之间的其他连接（即缝隙连接）相互交流。

所有这些都必须考虑在内，但新绘制的连接组中只包括突触。