WiredMind hakkında

Neler gerçek, neler basitleştirilmiş

Gerçek

• Nöronlar. Her ders, MaleCNS v1.0 (yeni sekmede açılır) konektomundan 3.000 ile 4.500 arasında yeniden yapılandırılmış nöron kullanır. Bu konektom, tek bir erkek sineğin tüm merkezi sinir sistemini kapsar; hücre tipleri de yazarlarının belirlediği gibidir.
• Sinaps sayıları. Her bağlantının ağırlığı, veri setinin iki hücre arasında bildirdiği sinaps sayısıdır. Yalnızca tespit güveni 0,5 ve üzerindeki sinapslar sayılır.
• İşaretler. Bir nöronun uyarıcı mı yoksa baskılayıcı mı olduğunu, tahmin edilen nörotransmitteri belirler: Asetilkolin uyarır, GABA ve glutamat baskılar. Dopamin, serotonin, oktopamin ya da belirsiz bir nörotransmitter saldığı tahmin edilen hücrelerin modelde hiçbir etkisi yoktur.
• Şekiller ve konumlar. Her nöron, veri setindeki kendi iskeletinden çizilir ve sinekte gerçekte bulunduğu yerde durur.

Basitleştirilmiş

• Küçük kesitler. Her ders, sinir sisteminin tamamını değil, 3.000 ile 4.500 nöronluk bir alt devreyi çalıştırır. Koku devresi dört hücre topluluğundan oluşur: reseptörler, projeksiyon nöronları, Kenyon hücreleri ve çıktı nöronları. Pusula ve kaçış devreleri, başlangıç hücre tiplerinden dışarıya doğru iki adım genişler ve en güçlü bağlantı kurdukları hücreleri tutar. Beşten az sinapslı bağlantılar atılır. Kesitin dışında kalan her şey yok olur; normalde ağı dengeleyecek baskılama da buna dahildir.
• Her hücre için tek bir nöron modeli. Her yerde aynı parametrelere sahip sızıntılı topla-ve-ateşle (leaky integrate-and-fire) nokta nöronları; değerler Shiu et al. (2024) (yeni sekmede açılır) çalışmasında yayımlananlardır: dinlenme ve sıfırlama −52 mV, eşik −45 mV, zar zaman sabiti 20 ms, sinaptik zaman sabiti 5 ms, 2,2 ms refrakter dönem, 1,8 ms gecikme, sinaps başına 0,275 mV. Dendritik hesaplama yok, kademeli ya da ateşleme yapmayan nöron yok, nöromodülasyon yok, öğrenme de yok: Sinapslar hiç değişmez.
• Boşluk bağlantısı yok. Konektom yalnızca kimyasal sinapsları kaydeder, bu yüzden elektriksel sinapslar yoktur. Bu en çok kaçış dersinde önemlidir: Gerçek bir sinekte dev lifin sıçrama motor nöronuyla bağlantısı, büyük ölçüde boşluk bağlantılarına dayanan karma bir sinapstır. Burada bu bağlantı, yalnızca 90 kimyasal sinapsından ibarettir.
• Hiçbir şey öğrenmez. Koku dersi, sineğin koku anılarını nerede sakladığını gösterir: Kenyon hücrelerinden çıktı nöronlarına giden sinapslar. Ancak modelde dopamin nöronları da plastisite de yoktur. Kesit, Kenyon hücrelerinin aktivitesini seyrek tutan APL nöronunu da dışarıda bırakır.
• İdealleştirilmiş uyarım. “Uyar” düğmesi, bir gruptaki her nöronu bağımsız Poisson girdisiyle uyarır (koku ve kaçış derslerinde 200 ms boyunca 40 Hz, dönüş nöronlarında 800 ms boyunca 60 Hz). Her olay hücreyi ateşleyecek kadar güçlüdür; tıpkı optogenetik aktivasyondaki gibi. Gerçek bir koku, birkaç reseptör tipini belli bir desenle etkinleştirir; dersteki koku ise kesitteki 1.861 reseptör nöronunun hepsini ateşler. Sineklik, 304 yaklaşma hücresinin hepsini aynı anda ateşler; oysa gerçekte yaklaşan bir nesne, büyüdükçe bu hücreleri sırayla devreye sokar.
• Susturma tam bir kilittir. Susturulan bir grup dinlenme hâlinde kalır, hiç ateşlenmez ve hiçbir şey göndermez. Kir2.1 ya da tetanoz toksini gibi gerçek susturma araçları kısmi ve daha yavaştır; elektriksel sinapsları da çalışır hâlde bırakabilir.
• Pusulanın yer işaretleri. Modelde halka nöronları hiçbir görsel girdi almaz. Onları susturmak, pusula üzerindeki baskılayıcı etkilerini kaldırır; burada tümseğin kaymasını sağlayan da budur. Gerçek bir sinekte bu nöronlar, yer işaretlerini ve başka ipuçlarını duyulardan içeri taşır.
• Zamanlama. Gecikme süreleri kayıtlardan değil, her yerde aynı olan 1,8 ms’lik gecikmeden ve zar ile sinaptik zaman sabitlerinden gelir. Makul bir aralığa düşerler ama hiçbir değer, ölçülmüş kaçış gecikmelerine uysun diye ayarlanmadı. Görüntüleyici her şeyi ağır çekimde oynatır: Cihaza göre kare başına 0,2 ile 2 ms sinek zamanı. Son uyarandan 150 ms sonra da simülasyonu durdurur; çünkü bazı kesitlerde uyarıcı döngüler vardır ve dışarıda kalan baskılama olmadan bunlar sonsuza dek yankılanırdı.
• Çizimler, morfoloji değil. Her nöron, gerçek dallarıyla değil, iskeleti boyunca uzanan 12 noktalı bir çizgi olarak çizilir. Parlamalar ateşlemeleri gösterir. Hareket eden noktalar yalnızca görseldir; iletim hızını ya da bir ateşlemenin gerçek yolunu göstermez.

Bir araştırma aracı neleri farklı yapardı

• Merkezi sinir sisteminin tamamını simüle etmek ya da onu gerekçeli sınırlardan, modellenmiş girdilerle kesmek; zayıf bağlantıları da korumak.
• Parametreleri hücre tipine göre kayıtlara uydurmak, kademeli ve ateşleme yapmayan nöronlara izin vermek, dendritlerin önemli olduğu yerlerde iletkenlik tabanlı ya da çok bölmeli modeller kullanmak.
• Başka verilerden boşluk bağlantıları, dopamin ve oktopamin gibi nöromodülatörler ve plastisite eklemek; örneğin Kenyon hücrelerinden çıktı nöronlarına giden sinapslarda dopaminle tetiklenen zayıflama.
• Duyu nöronlarını gerçek dünyadaki gibi uyarmak: kokuya özgü reseptör desenleri ve nesne büyüdükçe hücreleri devreye sokan yaklaşma uyaranları.
• Nörotransmitter tahminlerini ve ağırlıkları belirsiz saymak, bunları geniş bir aralıkta taramak, çok sayıda tohumla çalıştırmak ve sonuçları elektrofizyoloji ve davranış verileriyle karşılaştırmak.

Kaynağa gidin

• neuPrint (yeni sekmede açılır): MaleCNS v1.0 verilerini hücre hücre, sinaps sinaps sorgulayın.
• MaleCNS makalesi (yeni sekmede açılır): Berg, S., Beckett, I. R., Costa, M., Schlegel, P., Januszewski, M., et al. (2026). Sexual dimorphism in the complete Drosophila male central nervous system connectome. Cell 189, 5504–5526.e15.
• Shiu et al. (2024) (yeni sekmede açılır): tüm beyni kapsayan sızıntılı topla-ve-ateşle modeli. WiredMind parametrelerini bu modelden alır.
• Kaynak kod (yeni sekmede açılır): veri hattı, simülatör, dersler ve her dersin iddialarını gerçek devreler üzerinde sınayan testler.

Nöronlar nereden geliyor?

Tüm nöronlar ve sinaps sayıları, HHMI Janelia FlyEM (yeni sekmede açılır), Cambridge Üniversitesi (yeni sekmede açılır), MRC Moleküler Biyoloji Laboratuvarı (yeni sekmede açılır) ve Google Research (yeni sekmede açılır) tarafından hazırlanan, erkek meyve sineğinin merkezi sinir sistemine ait MaleCNS v1.0 konektomundan (yeni sekmede açılır) gelir.

Berg, S., Beckett, I. R., Costa, M., Schlegel, P., Januszewski, M., et al. (2026). Sexual dimorphism in the complete Drosophila male central nervous system connectome. Cell 189, 5504–5526.e15. doi:10.1016/j.cell.2026.08.015 (yeni sekmede açılır)

Veriler CC BY 4.0 (yeni sekmede açılır) lisansı altındadır. WiredMind veriyi şöyle değiştirir: Üç küçük devreyi kesip çıkarır, beşten az sinapslı bağlantıları atar ve her nöronu sadeleştirilmiş bir çizgi olarak çizer. Simülatör, Shiu et al. (2024) (yeni sekmede açılır) çalışmasındaki nöron modelini kullanır.

Bunu kim yaptı?

WiredMind, Tel Aviv’de yaşayan full-stack geliştirici ve SEO stratejisti Guy Dahan tarafından Eylül 2026’da bir hafta içinde geliştirildi.

GitHub (yeni sekmede açılır)·guy-dev.com (yeni sekmede açılır)

Destek

WiredMind ücretsiz ve hep öyle kalacak. Sınıfınıza faydası olduysa, bir kahve sunucuyu tıkır tıkır çalıştırır.

☕ Bana bir kahve ısmarlayın (yeni sekmede açılır)

Gizlilik

Hesap yok. Tek çerez, dil menüsünden seçtiğiniz dili hatırlar. Sayfa görüntülemeleri, çerez kullanmayan Vercel Web Analytics ile sayılır.