IBL Brain-Wide Map — 小鼠全脑决策活动图谱

一个念头常常先冒出来：神经科学为什么不能像物理学那样，把全世界的仪器对准同一个问题？

CERN 能这么做，是因为粒子不在乎谁在观测它。小鼠在乎。不同实验室的饲养、手术、训练、器械、分析脚本，每一环都在往数据里注入方差。过去几十年，神经科学基本是一场「一个实验室、一个脑区、一种行为、一篇论文」的手工业。

IBL 想做的是把这件事工业化。2017 年启动，12 个实验室用同一套硬件、同一套训练协议、同一套分析流水线，把探针插进小鼠全脑，做同一件任务，最后把数据拼成一张图。

2025 年 9 月 3 日，Nature 刊出这张图：139 只小鼠、699 次探针插入、279 个脑区、621,733 个排序单元。

这一页要讲的不是「他们发现了什么」。那个结论一句话就能说完——决策信号在脑内广泛分布，不像教科书说的那样集中在少数几个「指挥中心」。这一页要讲的是这张图作为数据集，到底能不能用、怎么用、哪里会踩坑。

三件事最值得先知道：

1. **三个脑区数字，含义完全不同。**279 是探针碰到的，241 是够格进分析的，201 是真正画进主图的。二手报道经常混用。
2. **62 万这个数字要看第二眼。**通过质控的只有 7.5 万，良品率 12.2%。
3. **数据在变。**2024 年删过 139 段视频、2025 年修正过 62 个 session 的转轮极性，每次都要求重跑分析。

§1 它是什么：一张拼出来的全脑图

1.1 一句话定义与四条边界

这是跨 12 个实验室、在统一范式下采集的小鼠全脑细胞外电生理活动图谱：459 个 session、699 次探针插入、139 只小鼠、279 个脑区，用于研究视觉决策任务中神经活动如何在脑内分布。

四条边界：

• 不是单只动物的全脑录像。这是最容易被误读的一点。没有任何一只小鼠的全脑被同时记录。它是统计拼合——每只小鼠只贡献一两个探针位置，把所有小鼠的探针位置叠起来，才「覆盖」了 279 个脑区。
• **不是联接组。**它测的是活动，不是突触连接。想看联接要看 MICrONS 那一类数据。
• **不是钙成像。**Neuropixels 记录的是电活动，时间分辨率到毫秒，但只有 384 个通道、覆盖一根探针的纵深。钙成像看得到大视野，但时间分辨率差一个量级。
• **不是一份静止的快照。**数据按季度发版本，历史版本改过、删过、重算过。引用时不带版本，等于引用一个会动的东西。

第三条和第四条后面会展开。第二条只要记住一点：这张图回答的是「哪里在活动」，不是「谁连到谁」。

1.2 为什么要把 12 个实验室拼起来

一个实验室做全脑覆盖，物理上不成立。

Neuropixels 一根探针能记录约 384 个通道、穿过若干脑区。要覆盖小鼠全脑几百个结构，需要成百上千次插入。单实验室的训练、手术、维护产能，一年做几十次就到顶。

更要命的是批次效应。如果你的全脑图由同一个实验室在三年里陆续采集，那么「前脑和后脑的活动差异」可能只是「第一年和第三年的设备漂移」。

IBL 的解法是把批次效应变成设计的一部分：**每个记录位点至少在两个实验室重复。**这样任何实验室特异的偏移，都能在同一位点的重复中被识别出来。

代价是协调成本。统一的手术规范、统一的训练标准、统一的数据格式、统一的排序流水线——这套东西本身就是一项工程产出。IBL 为此建了 Allyx 元数据库、ONE 访问层、Brainbox 分析库。

**这也是这张图最不可复制的部分：**数据量不算天文数字（621,733 个单元，聚合表不到 100 MB），难的是让 12 个实验室的产出能放在同一张表里比较。

1.3 时间线

时间	事件
2017	IBL 正式启动，Wellcome 与 Simons Foundation 资助
2022-Q4	首个公开发布版本（聚合表目录 2022_Q4_IBL_et_al_BWM）
2023-07-04	bioRxiv 预印本（doi:10.1101/2023.07.04.547681）
2023-Q4	第二版聚合表
2024-02-15	追加 105 个 session / 152 次插入 / 24 只小鼠；删除 139 段问题视频
2024-05-15	全量重跑尖峰排序，单元总数推到 621,733 / 75,708
2024-Q2	第三版聚合表
2025-09-03	Nature 正刊，卷 645，页 177–191
2025-Q1	修正 62 个 session 转轮极性；audio sync FPGA 补丁
2025-Q3	改用 Lightning Pose 重做姿态估计；新增饱和区间数据
2025-Q4	修正 passiveGabor 的试次错位
2026-06-02	2026_Q2 聚合表出现（含新增的自相关图与峰值波形数组），官方 changelog 尚未记录

最后一行值得停一下。**官方文档只写到 2025-Q4，桶里已经有 2026-Q2 了。**这不是罕见现象，但意味着「照文档写版本号」会写错。

1.4 数据长什么样：三层结构

所有 IBL 数据都按同一个三层结构组织：

session (eid, UUID)
├── 行为与试次表（trials）
└── probe insertion (pid, UUID)     ← 1 或 2 个
    ├── 原始电压（SpikeGLX 格式，TB 级）
    ├── 同步信号（_spikeglx_sync）
    └── unit（cluster）
        ├── 尖峰时间
        ├── 平均波形
        └── 质控指标 + 脑区归属

数字对得上：459 个 session 对应 699 次插入，比值 1.52，说明约一半 session 用了双探针（NP2 时代）。

**unit 这一层是可分析的最小单位。**它对应「一个被判定为单个神经元的尖峰序列」。621,733 就是这一层的总行数。

1.5 聚合表：这张图真正的入口

原始数据是 TB 级的。但 IBL 另发了一份聚合表，把每个 unit 的关键属性压进一个 Parquet 文件。

以 2024_Q2 版为例，clusters.pqt 是 87.3 MB。列包括：

类别	字段
标识	eid（session）、pid（探针插入）、uuids、cluster_id
空间	acronym（Allen CCF 缩写）、atlas_id、x / y / z、axial_um、lateral_um
放电	firing_rate、spike_count、spike_count_good
质控	contamination、contamination_alt、drift、presence_ratio、presence_ratio_std、slidingRP_viol、slidingRP_viol_forced、missed_spikes_est、noise_cutoff、max_confidence、min_contamination、n_spikes_below2
振幅	amp_max、amp_min、amp_median、amp_std_dB
判定	label、ks2_label、bitwise_fail

**这张表的意义在于：做全脑统计不需要碰原始数据。**想知道某个脑区的平均放电率、某个质控指标怎么分布、哪些 unit 空间上聚成一簇——一个 87 MB 的文件全答了。

这也是本页把它当「数据集入口」而不是「数据集的附属说明」的原因。大多数人真正会用的是这张表。

1.6 与三份常见参照物的区别

参照物	记录什么	覆盖	与本图的关系
MICrONS（库内 rid 1095）	结构 + 功能，突触级联接	单个皮层柱的 1 mm³	互补，不重叠。它回答「谁连到谁」
Allen Brain Observatory	钙成像为主	视野受限，标准化刺激	时间分辨率低一个量级，视野更宽
单实验室 Neuropixels 研究	电生理	1–3 个脑区	本图是它的批量标准化版本
人类颅内电极数据集	电生理	临床电极位置	物种、任务、规模都不同

**判断标准很简单：**你要的是「跨脑区的活动分布」，用本图；你要的是「某个回路的连接」，找 MICrONS 或示踪数据。

§2 规模：三个脑区数字，三种含义

2.1 官方原文摆在一起

数据发布页写：

“We have released data from 459 Neuropixel experimental sessions, which encompass 699 distinct recordings, referred to as probe insertions. Those were obtained with 139 subjects performing the IBL task across 12 different laboratories. As output of spike-sorting, there are 621,733 units; of which 75,708 are considered to be of good quality. In total, 241 brain regions were recorded in sufficient numbers for inclusion in IBL’s analyses.”

Nature 论文写：

“The probes covered 279 brain areas in the left forebrain and midbrain and the right hindbrain and cerebellum.”

“The main figures show the results of these analyses in a canonical dataset of 201 regions for which we had at least 2 sessions with 5 well-isolated neurons each and at least 20 well-isolated neurons after pooling all sessions (for a total of 62,857 neurons).”

三个数字，三种口径：

数字	含义	判据	出处
279	探针实际碰到并完成脑区归属的解剖结构数	探针轨迹重建后落在该区的记录位点 ≥1	Nature 正文
241	记录数量足以进入 IBL 分析的区数	「recorded in sufficient numbers」	数据发布页
201	进入主图分析的 canonical dataset	该区在 ≥2 个 session 中各含 ≥5 个良品神经元，合并后 ≥20 个	Nature 正文 + Supplementary Table 1

**这是逐级收窄，不是互相矛盾。**279 → 241 → 201，每一步都在加条件。

2.2 为什么这三个数会被混用

因为它们在中文二手报道里几乎不可区分。

「覆盖 279 个脑区」和「分析了 279 个脑区」在读者眼里是一句话，但前者说探针到过，后者说做了统计。78 个区（279−201）在这张图里只是「探过但没进主图」。

混用会导致一个具体的判断错误：如果你以为 279 个区都有统计结果，你会去查一个只有 3 个神经元的区的「效应量」，然后把它当成发现。

正确写法：这张图探针覆盖 279 个脑区，其中 201 个进入主图分析。

2.3 62 万与 7.5 万：12.2% 的良品率

层级	数量	定义
排序输出单元	621,733	尖峰排序算法输出的全部候选，含多单元混杂、噪声簇
良品单元	75,708	通过严格质控（基于 8 项指标），判定为可信的单细胞记录
良品率	12.2%	75,708 ÷ 621,733
平均每探针良品数	108	Nature 原文 “averaging 108 per probe”
主图分析神经元	62,857	201 个脑区内部的良品神经元

12.2% 这个数字是本页最实用的一条。它告诉你：这张图的「62 万」不是一个可以直接拿来做统计的量，而是一个待筛选池。

顺带说明为什么良品率这么低，以及为什么这是正常的：

• 探针穿过脑组织时，同一根电极会同时听到附近几个神经元的叠加。把它们分开（sorting）时，算法倾向于多切，切出来的候选里大量是「同一细胞的重复」或「两个细胞的混合」。
• Neuropixels 的记录时长有限，电极可能漂移，离电极远的神经元信噪比低。
• IBL 的质控很严：contamination（估计混入率）、presence_ratio（在整个记录时段内的存在比例）、slidingRP_viol（不应期违例）任何一项不达标就判掉。

**低良品率不是数据质量问题，是筛选标准严格。**把标准放松，良品数立刻上去，但结论的可信度就下来了。

2.4 规模上的一个媒体口径偏差

IBL 自己的新闻稿引 Pouget 的话说：

“we recorded from over half a million neurons across mice in 12 labs, covering 279 brain areas, which together represent 95% of the mouse brain volume.”

「95% 的脑体积」这个数字来自探针网格对脑体积的采样覆盖，不是「95% 的神经元」。小鼠脑约有 7,000 万个神经元，这张图记录了 62 万个单元——按个数算约 0.9%，按体积算 95%。

两个数字都对，说的是不同的事。看到「覆盖全脑 95%」时，要问一句：按体积还是按细胞数。

2.5 引用纪律

不要写「IBL 记录了 62 万个神经元」。

写：

截至 2025-09-03 的 Nature 论文与官方数据发布页，IBL Brain-Wide Map 包含 459 个 session、699 次探针插入、139 只小鼠、12 个实验室，尖峰排序输出 621,733 个单元，其中 75,708 个通过质控；探针覆盖 279 个脑区，主图分析限定在 201 个脑区、62,857 个良品神经元。

这段话长，但每个数字都有出处，别人能复算。

2.6 与其他大规模电生理资源的规模对照

把 IBL 放在同类资源里看，能更准地判断它「大在哪、不大在哪」。

资源	记录方式	受试者	覆盖	单元/细胞数	定位
IBL Brain-Wide Map	Neuropixels，699 次插入	139 只小鼠	279 区	62.2 万（良品 7.5 万）	跨脑区、跨实验室、任务驱动
MICrONS	双光子钙成像 + 电镜	数只小鼠	1 mm³ 皮层柱	约 20 万细胞（功能）/ 20 万突触级重建	结构 + 功能联接组
Allen Brain Observatory	钙成像	数十只小鼠	视觉皮层为主	数十万细胞	标准化视觉刺激
单实验室 Neuropixels 研究	单/双探针	几只到几十只	1–3 区	数千到数万	深度机制研究
人类颅内电极（如 DANDI 上的各数据集）	临床电极	数十到数百患者	电极所及	数百到数千	临床相关、语言/记忆

三个判断：

一，按单元数算，IBL 不是最大的。钙成像数据集动辄几十万细胞。IBL 的优势在时间分辨率（毫秒级）与深部脑区可达性（探针能插到皮层下）。

**二，按「跨区可比性」算，IBL 目前没有对手。**其他资源要么限于一个脑区，要么限于一个实验室。要在同一张表里比较 201 个区在同一任务下的活动，只有这一份。

**三，按「可复用性」算，IBL 的门槛最低。**CC-BY-4.0、无需申请、公开 S3、Python 包即装即用。很多同类资源要么要签数据使用协议，要么只有网页浏览。

这也解释了它的引用量为什么涨得快：不是因为最大，是因为最方便横向比较。

§3 任务与实验设计

3.1 IBL 任务：一个刻意设计得「够难」的视觉决策

小鼠面对屏幕，左右任一侧出现正弦光栅；转动小转盘把光栅推到屏幕中央，正确则给水。

关键设计在对比度。一部分试次的光栅极淡，淡到动物只能靠猜。而「猜」不是随机猜——先验概率在 0.2 与 0.8 之间按 block 交替。也就是说，在一段 block 里 80% 的刺激出现在左侧，动物会学到这个规律，在模糊试次里偏向左侧。

这个设计让研究者能把感知（刺激有多强）和先验（预期偏向哪侧）分开。同一天发布的第二篇 Nature 论文（doi:10.1038/s41586-025-09226-1）就是专门研究先验的：先验信息在至少 20%–30% 的脑区被编码，从早期感觉区（LGd、VISp）一直到运动区（MOs、MOp、GRN）和高级皮层（ACAd、ORBvl）。

3.2 为什么这个任务适合做全脑图

三个条件缺一不可：

• **有明确的时间锚点。**刺激出现、首次转轮、反馈，三个时刻界定了感知—决策—行动—反馈四个阶段。没有这些锚点，跨脑区对齐无从谈起。
• **行为可量化。**转轮位置是连续量，反应时是连续量，正确率是二值量。都可以作为回归的因变量。
• **难度可调。**对比度可调意味着可以在同一只动物身上反复测量「难」与「易」，而不必换任务。

3.3 采集规范

项	规格
探针	Neuropixels 1.0（单探针 NP1）与 2.0（双探针 NP2）
插入策略	网格化，偏倚最小化；每个位点至少在两个实验室重复
动物	139 只小鼠，头部固定，训练至稳定表现
行为同步	三路摄像头、转轮编码器、舔水传感器
姿态估计	早期用 DeepLabCut，2025-Q3 起改用 Lightning Pose
脑区归属	连续切片双光子显微重建探针轨迹 → Allen CCF 坐标

最后一行是整个流程里最耗人力的一环。**每根探针插进去，事后要切片、成像、配准、把每个记录位点映射到一个脑区。**699 次插入意味着 699 次这样的重建。

3.4 试次纳入标准

主分析只取首次转轮时刻在 80 ms 到 2 s 之间的试次。

• 短于 80 ms 的，视为预判或伪影，不是对刺激的反应。
• 长于 2 s 的，视为走神或未参与任务。

这个窗口不是随手定的。80 ms 接近小鼠视觉—运动通路的下限，2 s 之后行为已与刺激脱钩。

3.5 标准化是怎么做到的：四层锁

IBL 之所以能把 12 个实验室的数据放进一张表，靠的是四层约束，缺一层就会散。

**第一层：硬件锁。**同样的 Neuropixels 探针、同样的转轮编码器、同样的屏幕位置与亮度标定、同样的给水装置。硬件不一致是最难事后校正的偏差源——探针阻抗不同，同一群神经元的信噪比就不一样，排序结果就不可比。这一层只能靠统一采购与统一校准解决，事后无法补救。

**第二层：行为锁。**统一的小鼠训练流程：从水限制、头部固定适应、到任务学习，每一步有固定的判定标准与推进条件。关键指标是训练达标的标准本身要一致——如果 A 实验室的「学会」是连续三天正确率 80%，B 实验室是 70%，那 B 的动物在任务上就更差，其神经活动的解释就不同。

第三层：数据锁。统一的 ALF 命名规范与 Alyx 元数据结构。每个实验室上传前必须通过格式校验。这一层的价值在于下游代码只写一次：一个 one.load_object(eid, 'spikes') 在 699 次插入上都能跑通。

**第四层：分析锁。**同一套尖峰排序流水线与质控阈值。2024-05-15 的全量重跑就是执行这一层——因为不同时间采集的数据如果用了不同版本的排序器，单元的定义就变了，跨 session 比较会混入算法差异。

四层里，第一、二层是数据采集时的一次性投入，第三、四层是持续维护成本。任何人都可以直接用第三、四层的成果，但无法复制第一、二层的现场条件。这也是为什么这张图「数据量不算大，但难以复制」。

3.6 一个具体的设计取舍：为什么用转轮而不是摇杆

小鼠的行为读出方式有好几种：舔水计数、摇杆推拉、鼻触屏、跑步带、转轮。IBL 选了转轮，理由有三条。

**连续量。**转轮位置是连续信号，可以在任意时刻读出「动物转到哪了」。二值读出（舔了/没舔）只能给离散点。连续量才能定义「首次运动时刻」这种精细的时间锚点。

**低延迟。**转轮的机械惯性小，从肌肉收缩到位移可测的延迟在几十毫秒量级。摇杆的惯性更大，延迟更长，会糊掉「运动准备」与「运动执行」的分界。

**抗疲劳。**小鼠可以长时间反复转动轮子而不需要重新抓握。摇杆需要松手再抓，会引入额外的运动段。

代价是转轮只记录一维角度，无法区分「用哪只前爪转」。要区分肢体，得回到视频。这也是视频数据在这套体系里地位很高的原因——它承载了转轮表达不了的那部分行为。

理解了这一点，就能理解为什么 2024-02-15 那次「删除 139 段视频」的修正影响这么大：被删掉的那部分，恰恰是唯一记录肢体的通道。

3.7 试次量到底有多少

官方公开的数字里没有「总试次数」。但可以做一个量级估算，并在使用时说明这是估算。

• 459 个 session，每个 session 通常一小时上下；
• IBL 任务的试次时长随反应时变化，反应时中位数大致几百毫秒到一秒，加上试次间隔；
• 一个 session 的试次数通常在数百量级。

按每 session 600 试次估，总量约 27 万试次；按 400 估，约 18 万。

**这个数字不要写进论文的正式表述。**它没有官方出处，只是让读者对「数据规模」有个直觉：单元是 62 万，试次是 10 万到 30 万量级。两者相乘才是「神经元-试次」样本量，这个量级决定了能做多细的分层分析。

§4 数据结构详解

4.1 目录结构（桶内）

ibl-brain-wide-map-public/
├── aggregates/                        ← 聚合表与版本目录
│   ├── 2022_Q4_IBL_et_al_BWM/
│   ├── 2023_Q4_IBL_et_al_BWM_2/
│   ├── 2024_Q2_IBL_et_al_BWM/
│   ├── 2026_Q2_IBL_et_al_BWM/        ← 已存在，changelog 未记
│   ├── Subjects/
│   ├── Tags/
│   └── np1_np2_kim_recordings/
└── <lab>/<subject>/<date>/<number>/   ← 逐 session 的原始与派生
    ├── raw_ephys_data/
    ├── raw_behavior_data/
    ├── spike_sorting/
    ├── alf/                            ← 对齐后的分析级数据
    └── video/

alf 是 IBL 体系里的关键约定：**ALF（Alyx Local File）**是一种命名规范，把「对齐好的、分析级的」数据集按固定后缀命名（例如 _ibl_trials.table.pqt、_spike.times.npy），ONE API 靠这套后缀自动找到对应内容。

4.2 聚合表的版本差异（实测）

目录	文件	大小	时间戳
2022_Q4_IBL_et_al_BWM	clusters.pqt / trials.pqt	39.3 / 22.6 MB	—
2023_Q4_IBL_et_al_BWM_2	clusters.pqt / trials.pqt	49.7 / 23.1 MB	—
2024_Q2_IBL_et_al_BWM	clusters.pqt / trials.pqt	87.3 / 23.1 MB	2025-03-13
2026_Q2_IBL_et_al_BWM	5 个文件	合计 433.8 MB	clusters.pqt 2026-06-02

2026_Q2 里多出来的三个文件：

• clusters.acgs_log.npy（151.8 MB）
• clusters.waveforms_peak.npy（151.8 MB）
• acgs_log.times.npy

acgs_log 是自相关图（autocorrelogram）的对数形式——用来判断一个 unit 是不是真的单细胞（真单细胞有明显的不应期凹陷）。waveforms_peak 是峰值对齐后的平均波形。

这两个都是后面才加进聚合表的东西。2024-Q2 版的聚合表里没有。这意味着：如果你按 2024 年的教程写代码，2026-Q2 的表会有多余的列，但也可能少算了一些现在能直接算的质控。

4.3 逐 session 的 ALF 内容

一个典型 session 的 alf 目录里会有：

后缀	内容
_ibl_trials.table.pqt	试次表：刺激、选择、反馈、时刻
_spike.times.npy / _spike.clusters.npy	尖峰时间与所属单元
_spike.depths.npy	每个单元沿探针的深度
_channels.brainLocation.tsv	每个通道的脑区归属
_electrodeSites.*	电极位点表
_wheel.position.npy / _wheel.timestamps.npy	转轮
_licks.times.npy	舔水
_spikeglx_sync.*	与采集系统的同步信号

**_spikeglx_sync 是 2025-Q1 补丁的对象。**部分 ephys session 的音频信号没接进 FPGA，IBL 用 Bpod 记录的 TTL 反推、插值到 FPGA 时间轴上，补进这个对象。补完后把该数据集标记为「保护」，防止后续覆盖。

4.4 元数据的地位

IBL 的元数据不在数据文件里，在 Alyx 关系库里：session、subject、probe、lab、procedure 都是表。数据文件通过 UUID 与 Alyx 记录关联。

这个设计带来两个后果：

• 好处：改元数据不用动数据文件。
• 麻烦：元数据与文件可能不一致。取数时 ONE 会同时查库和查桶，任何一边缺失都会让查询失败。这也是 IBL 反复提醒「先清 cache」的原因——本地缓存里可能留着已被替换的旧文件。

§5 许可、访问与存储

5.1 许可

对象	许可
数据	CC-BY-4.0
出版物	CC-BY
软件（ONE、Brainbox、ibllib）	MIT

IBL 官网一句话讲清：「All of our work is open source and licensed by CC-BY (publications and data), MIT (Software).」

**CC-BY-4.0 的含义是：可以商用、可以改、可以再分发，但必须署名。**署名对象是 International Brain Laboratory，不是某一位作者。

5.2 存储

项	值
桶 ARN	arn:aws:s3:::ibl-brain-wide-map-public
区域	us-east-1
是否需要 AWS 账号	否（--no-sign-request 直接列）
新数据通知	SNS 主题 arn:aws:sns:us-east-1:842577843587:ibl-brain-wide-map-public-sns
更新频率	官方未填写，不作承诺

「更新频率未作承诺」这一条在实际使用中很重要：**你无法预知下一次数据变化是什么时候。**做长期项目时必须自己锁定版本目录名，不能写「取最新」。

5.3 三套访问通道

通道	适用	特点
ONE API	按 session / probe / 数据集名取数	官方主推，自动处理 Alyx 查询与文件定位
HTTP / FTP 直连	已知具体路径	无需装包，但要自己拼路径
Globus	大批量搬迁	断点续传、跨机构高速

5.4 实测的下载速度问题

本环境 2026-10-21 实测：从该桶直接下载 aggregates/2024_Q2_IBL_et_al_BWM/clusters.pqt（87.3 MB），2 分 16 秒只下到 2 MB，约 20 KB/s。同一时刻访问 PyPI、GitHub API 均为正常速度。

**这不是桶坏了，是跨境链路问题。**国内直接拉 S3 us-east-1 通常很慢。实践上的三条出路：

• 用 Globus（有国内节点对接，速度好得多）。
• 用云厂商的 S3 加速或对象存储迁移服务。
• 只取聚合表与需要的 session，不要镜像整个桶。

**注意：这直接推翻了「反正免费，随手下一份」的想法。**免费的是费用，不是带宽。

§6 怎么用：从零到一张脑区统计图

6.0 七个高频坑点

坑点 1：把 621,733 当成「记录了 62 万个神经元」

• 问题：621,733 是排序输出的候选单元，含多单元混杂与噪声。
• 症状：拿 firing_rate 直接算「全脑平均放电率」，结果被大量低质量簇拉偏。
• 解决：先按 label == 'good'（或 ks2_label 与质控阈值）筛到 75,708，再做统计。
• 参考：Nature 原文「identified 75,708 well-isolated neurons」与数据发布页同一表述。

坑点 2：把 279 当成「分析了 279 个脑区」

• 问题：279 是探针覆盖数，主图只用 201 个。
• 症状：对某个只被 2 个神经元覆盖的区下结论。
• 解决：按 acronym 分组时统计每区的良品神经元数，少于 20 个的不要单独报效应。
• 参考：Nature 纳入标准（≥2 sessions 各 ≥5 良品，合并 ≥20）。

坑点 3：以为这是「同一只小鼠的全脑同步记录」

• 问题：实际是跨个体的统计拼合。
• 症状：写「某时刻全脑 62 万神经元同时放电」——这句话在数据上不成立。
• 解决：涉及「同步」的表述必须限定为「跨 session 平均后的群体层面」。
• 参考：数据发布页 session / insertion 结构，以及「网格化插入 + 两位点重复」的采集设计。

坑点 4：用了视频数据但没清 cache

• 问题：2024-02-15 删除过 139 段视频、修正过 285 段。
• 症状：本地缓存里还是旧的时间戳，算出的运动学与神经活动对不齐。
• 解决：改用视频前先清 ONE cache 目录，再重新拉取。
• 参考：changelog 原话「please be sure to clear your cache directory first」。

坑点 5：用 2025-Q1 之前的数据做左右方向判别

• 问题：62 个 session 的 lego wheel 极性翻转。
• 症状：这些 session 里「左转」被记成「右转」，左右分类器的准确率异常地低或高。
• 解决：确认所用数据版本 ≥2025-Q1，或按 changelog 里列出的 session 剔除。
• 参考：changelog「62 sessions had the recordings of the lego wheel with flipped polarity」。

坑点 6：照 changelog 写版本号

• 问题：changelog 只到 2025-Q4，桶里已有 2026-Q2。
• 症状：论文里写「使用 2025-Q4 版本」，但实际代码取了「最新」，两者不一致。
• 解决：写死目录名（如 aggregates/2024_Q2_IBL_et_al_BWM/），不写「latest」。
• 参考：本页 §4.2 实测。

坑点 7：把 label 当唯一质量判据

• 问题：label 是 IBL 综合判定，但 ks2_label 是 Kilosort2 的原始标签，两者不完全一致；bitwise_fail 又是另一套。
• 症状：换了字段就换了 unit 集合，结果不可复现。
• 解决：明确写出用的是哪一列、阈值多少。
• 参考：clusters.pqt 字段表。

6.1 第一步：装环境

# 只需要 ONE-api 就能做绝大多数分析
# pip install ONE-api
from one.api import ONE

one = ONE(base_url='https://openalyx.internationalbrainlab.org',
          password='international', silent=True)

openalyx 是公开只读实例，口令固定为 international。这一步不需要任何申请。

6.2 第二步：确认数据版本

不要用「最新」这个词。先列目录，把版本名写进代码：

import boto3  # 或不装 boto3，直接 curl
# aws s3 ls --no-sign-request s3://ibl-brain-wide-map-public/aggregates/

把 2024_Q2_IBL_et_al_BWM 这样的名字硬编码进脚本。日后重跑时，你才知道自己用的是哪一版。

6.3 第三步：拿聚合表而不是原始数据

import pandas as pd
# 假设已下载 aggregates/2024_Q2_IBL_et_al_BWM/clusters.pqt
clusters = pd.read_parquet('clusters.pqt')
good = clusters[clusters['label'] == 'good']      # 或按 8 项质控自定义
per_region = good.groupby('acronym').size().sort_values(ascending=False)
print(per_region.head(20))

这一行 groupby('acronym') 就是本页的核心操作。它把 62 万个单元变成 279 行脑区统计。

6.4 第四步：按纳入标准筛脑区

复现论文的 201 个区，需要同时满足三个条件：

g = good.groupby(['acronym', 'eid']).size().rename('n').reset_index()
by_region = g.groupby('acronym').agg(
    n_sessions_ge5=('n', lambda s: (s >= 5).sum()),
    n_total=('n', 'sum'),
)
canonical = by_region[(by_region.n_sessions_ge5 >= 2) & (by_region.n_total >= 20)]
print(len(canonical))   # 论文口径应接近 201

跑出来不等于 201 是正常的——label 的定义、eid 的取值、是否剔除边界情况都会影响结果。差几个属于正常，差几十个说明口径没对齐。

6.5 第五步：取一个 session 的原始数据

只有需要尖峰原始时间序列时才走这条：

eid = one.search(subject='SWC_043', date_range='2020-09-21')[0]
spikes = one.load_object(eid, 'spikes', collection='alf')
trials = one.load_dataset(eid, 'trials', collection='alf')

one.load_object 会自动把 spikes.times、spikes.clusters、spikes.depths 打成一个对象。这是 ONE 相比裸 S3 最大的价值。

6.6 第六步：对齐到任务事件

import numpy as np
stim_on = trials['stimOn_times'].values
# 取前 200 ms 到 800 ms 的发放率
counts = np.histogram(spikes['times'], bins=np.r_[stim_on-0.2, stim_on+0.8])

**注意 80 ms 至 2 s 的反应时窗口。**超出这个窗口的试次在论文里被排除，自己复现时要同步排除，否则平均波形会被走神试次污染。

6.7 第七步：引用时写全四件事

1. 论文 doi：10.1038/s41586-025-09235-0；
2. 数据版本目录名（如 2024_Q2_IBL_et_al_BWM）；
3. 取数日期；
4. 访问通道（ONE / S3 / Globus）。

四件事缺一件，别人就无法拿到和你一样的数据。

6.8 一份完整的可跑示例：从 ONE 到脑区效应量

前面七步是拆开的。这一节把它拼成一条完整链路，写清楚每一步在干什么、为什么这么干。

import numpy as np
import pandas as pd
from one.api import ONE

one = ONE(base_url='https://openalyx.internationalbrainlab.org',
          password='international', silent=True)

# 1) 找一批 session：指定一只在小鼠、一段时间
eids = one.search(subject='SWC_043', date_range='2020-09-01', '2020-12-31')
print(len(eids))          # 这只小鼠在这段时间里的 session 数

# 2) 逐个 session 取出试次表与尖峰
rows = []
for eid in eids:
    trials = one.load_object(eid, 'trials', collection='alf')
    spikes = one.load_object(eid, 'spikes', collection='alf')
    if trials is None or spikes is None:
        continue
    # 3) 反应时窗口过滤（论文口径）
    rt = trials['firstMovement_times'] - trials['stimOn_times']
    keep = (rt > 0.08) & (rt < 2.0)
    rows.append((eid, int(keep.sum()), len(spikes['times'])))

df = pd.DataFrame(rows, columns=['eid', 'n_trials_kept', 'n_spikes'])
print(df.describe())

三个地方值得解释。

**第一，one.search 的 date_range 参数类型。**它接受字符串或日期，写 '2020-09-01', '2020-12-31' 两个位置参数时是起止，写单个字符串时是精确日期。写错不会报错，只会返回空列表——这是最常见的「查不到数据」原因。

**第二，load_object 返回 None 而不是抛异常。**当某个 session 缺 alf/spikes 时，函数返回 None。不检查就直接取 spikes['times']，会得到 TypeError: 'NoneType' object is not subscriptable。这个坑在批量循环里特别容易踩，因为前面几百个 session 都正常，偏偏某一个缺。

**第三，firstMovement_times 与 stimOn_times 都是「绝对时刻」。**单位是秒，来自同一套 FPGA 时钟。两者相减得到反应时。如果某个 session 的同步信号没修好（2025-Q1 那批 audio sync 补丁），这两个时刻会错位，相减得到负数或几百秒。

6.9 从单元到脑区的聚合：三层透视

拿到 unit 表之后，通常要做三层聚合。每一层回答一个不同的问题。

第一层：每个脑区有多少良品单元。

import pandas as pd
clusters = pd.read_parquet('clusters.pqt')
good = clusters[clusters['label'] == 'good']
counts = good.groupby('acronym').size().sort_values(ascending=False)

回答的是「数据够不够」。少于 20 个的区，任何统计量都不可靠。

第二层：每个脑区在任务各阶段的活动。

# 伪代码：按区、按时间窗统计标准化发放率
epochs = {'stim': (0.0, 0.2), 'delay': (0.2, 0.5), 'move': (0.5, 0.8)}
for region, sub in good.groupby('acronym'):
    if len(sub) < 20:
        continue
    # 对 sub 里每个 unit 的尖峰，按试次锚点切窗、z-score、再跨 unit 平均

回答的是「这个区在哪个阶段活跃」。这是论文 Fig. 3 的做法。

第三层：跨区比较。

把 201 个区在三阶段的效应量排成矩阵，看有没有聚类结构。这一步才对应「决策信号是否广泛分布」这个问题。

三层聚合的顺序不能颠倒。先筛区、再算效应、最后比较——反过来做会引入大量噪声区，把聚类结果糊掉。

6.10 复现论文主图需要多少算力

一个务实的估算：

步骤	数据量	典型耗时（单机 16 核）
读聚合表	87 MB	秒级
按区筛选	—	秒级
逐 session 取尖峰	每个 session 数十 MB	每个 10–60 秒（取决于链路）
计算 PSTH	62,857 个 unit × 数万个试次	数小时
跨区装配 + 聚类	—	数十分钟

**瓶颈在取数，不在计算。**699 次插入的尖峰数据要从 S3 拉一遍，按本页 §5.4 实测的 20 KB/s，这条路走不通。三条对策：

• 用 Globus 批量搬；
• 只取子集（如某个脑区的全部 session）；
• 先用聚合表做筛选，锁定真正需要的 session 再取原始数据。

第三条最省。**聚合表 87 MB 就能告诉你哪些区够格、哪些 session 贡献了这些区。**先用它缩小范围，再动手搬原始数据。

6.11 一个反直觉的发现：编码几乎无处不在

论文三个主要结论里，最容易被低估的是第二条：

“Neural responses correlated with impending motor action almost everywhere in the brain.”

「几乎全脑都有与即将发生的运动相关的反应」。这句话有两层含义，都值得停下来想。

**第一层，技术上的含义：运动相关的信号是极难排除的混杂。**任何一只动物在做任务时，都在动：转轮、舔水、胡须抖动、呼吸。如果全脑都能看到运动相关反应，那么「这个区的反应是决策还是运动」这个问题就变得非常难答。论文的做法是同时看「前运动期选择编码」与「运动本身」两个量，用时间上的分离来区分。

第二层，科学上的含义：脑的分工不是按功能模块切的。如果连感觉区、中脑、后脑都在编码运动准备，那么「视觉区只看、运动区只动」这个教科书图景就不成立。取而代之的是一个分布式、冗余、并行的图景。

这也是这张图最需要小心使用的地方：**它给出的不是「某区负责某功能」，而是「某功能在某区的编码强度有多大」。**前者是定性归属，后者是连续的效应量。拿效应量当归属用，就会重犯教科书那个错误。

6.12 什么时候这张图不该用

有四种情况，这张图不是合适的选择。

情况	为什么不适合	替代
你要做突触级回路推断	只测活动，不测连接	MICrONS 或示踪数据
你要区分细胞类型	明确未做类型判定	光遗传标记 + 钙成像，或 Patch-seq
你要看单只动物的全脑同步	没有这样的记录	多探针同步记录（规模远小）
你要做疾病模型对比	全部是健康野生型小鼠做任务	特定疾病模型数据集

第四条尤其要写清楚：**IBL 用的是健康小鼠。**想研究阿尔茨海默病模型的全脑活动，这张图只能当正常参照，不能当对照。

§7 质量评估与局限

7.1 七个真实局限

局限	具体表现	影响
不是同步全脑记录	每只小鼠只贡献 1–2 个探针位置	无法做真正的「全脑同时活动」推断
良品率仅 12.2%	621,733 → 75,708	有效样本远小于宣传数字
脑区覆盖不均	大结构插入次数多，小区只有个位数神经元	跨区比较有系统偏倚
探针只能到一定深度	深部结构、脑干部分区域采样受限	覆盖面不是均匀的球
无细胞类型标注	论文明确「we did not attempt」按波形分细胞类型	无法区分兴奋/抑制、无法谈神经调质
数据版本会变	2024 删视频、2025 修极性、2026 加新数组	复现必须锁版本
文档滞后	changelog 到 2025-Q4，桶里有 2026-Q2	版本记录不可全信

第四条展开一句：探针是直的，插进去是一条线。**它只能采到这条线穿过的结构。**对体积小又不在这条线上的核团，实际采样极其有限。这也是为什么 279 个区里只有 201 个够格进主图。

7.2 为什么不做细胞类型

论文原话：「Although information about molecular cell types can sometimes be gleaned from spike waveforms, we did not attempt to do so for the analyses here.」

理由是细胞外记录只能看到动作电位，波形差异在细胞外被电极距离、组织阻抗、探针位置共同调制，无法可靠映射到分子类型。

这意味着：这张图不能告诉你「这两个区里的 PV 中间神经元活动如何不同」。要做这个，得配光遗传标记或钙成像。

7.3 DAIMS 24 项评估

维度	项	评估
动机	目的	✅ 明确：构建统一决策任务下的全脑活动图
动机	资助	✅ Wellcome、Simons Foundation
构成	实例数	✅ 459 session / 699 insertion / 139 小鼠
构成	采样策略	✅ 网格化 + 两位点重复，策略公开
构成	纳入排除	✅ 反应时 80 ms–2 s；脑区 ≥2 sessions 各 ≥5 良品、合并 ≥20
构成	数据来源	✅ 12 个实验室，逐 lab 可查
构成	标注	⚠️ 单元由算法排序 + 质控，无人工金标准标注
构成	分割	✅ 试次边界明确（刺激/首次转轮/反馈）
构成	缺失数据	⚠️ 无统一缺失值编码；需自行按 nan 判断
构成	元数据	✅ Alyx 关系库，字段完整
收集	采集流程	✅ 标准化协议 + 技术论文
收集	设备	✅ Neuropixels 1.0 / 2.0
收集	时间跨度	✅ 采数跨数年，逐 session 有日期
收集	地理	✅ 12 个实验室，跨欧美
收集	伦理	✅ 各实验室动物伦理审批
预处理	清洗	✅ 8 项质控指标公开
预处理	标注	⚠️ 无人工标注
预处理	软件	✅ IBL 自研流水线，whitepaper 公开
使用	许可	✅ CC-BY-4.0
使用	分发	✅ AWS 公开桶 + ONE + Globus
使用	维护	⚠️ 更新频率未作承诺
使用	可复现	⚠️ 需锁版本目录名，changelog 滞后
使用	偏差	⚠️ 区覆盖不均；无细胞类型
使用	局限声明	✅ 论文与本文档均有

评估总结：构成维度与收集维度接近满分，这是标准化协作的成果；扣分集中在「标注」与「可复现」两处——前者是电生理的固有局限（无金标准），后者是版本管理问题，可以通过自己锁版本缓解。

7.4 外部验证

验证方式	结论
Nature 同行评审	通过；同期配发 News & Views（doi:10.1038/s41593-025-02084-0）称其为「a comprehensive, cellular-resolution picture」
独立复现	目前主要来自 12 个实验室内部相互验证（每位点两实验室重复），尚无大规模第三方独立复现
与既往文献一致性	「决策信号广泛分布」与近年多个实验室的分散编码证据一致，但与经典层级模型冲突
下游使用	已成为神经科学大数据分析的标准基准之一，被广泛用于解码/编码方法比较

§8 生态位置

8.1 四类相关数据资源

资源	关系	何时选它
DANDI Archive（库内 rid 1336）	托管方之一，IBL 也有 NWB 镜像	要在统一档案里检索多个数据集时
MICrONS（库内 rid 1095）	互补：联接组 vs 活动图	要突触连接时
Allen Brain Observatory	互补：钙成像 vs 电生理	要大视野、慢时间尺度时
本图	主体	要跨脑区毫秒级电活动时

8.2 工具链

工具	作用
ONE	官方 Python 取数 API
Brainbox / ibllib	IBL 自研分析函数库
IBL Viewer	基于 VTK 的 3D 可视化
Alyx	元数据关系库（Web 前端 + 只读 API）
SpikeInterface（本批另一篇）	通用排序框架，可作为替代流水线
Pynapple	时间序列分析，可直接读 ALF
NWB 导出	与 DANDI 生态互通

8.3 论文本身的结论（三句话）

1. 视觉刺激的表征在经典视觉区短暂出现，随后扩散成中脑与后脑一批区域的斜坡式活动，而这些区同时编码选择。
2. 几乎全脑都有与即将发生的运动相关的反应。
3. 奖励给予与消费的反应也广泛分布。

这三条合起来推翻了「感知→决策→行动」的串行层级图景。这才是这张图真正的科学产出——而它是从 62,857 个良品神经元里得出的，不是从 62 万个里。

8.4 「拼合」这件事到底怎么理解

这是本页最需要讲清的一个概念，因为它决定了整张图的解释边界。

**不是这样：**有一只小鼠躺在实验台上，全脑 62 万个神经元同时在录音，屏幕前的人在它做决定时看到全脑同时亮起来。

**是这样：**139 只小鼠各自被插了一两次探针，每次只在脑内一条细线上采到几十到几百个神经元。把 699 条线的数据按脑区归类、按任务时刻对齐、按神经元的标准化发放率平均，最后在三维脑图上给每个区涂一个颜色。

两者在视觉上很像——都能做出一张「全脑亮起来」的动图。但统计含义完全不同。

维度	同步全脑记录	统计拼合（本图）
单只动物内	能看区与区之间的实时耦合	看不到，因为同一只动物只有一个位置
跨区相关	直接测量	只能看平均后的相关
试次对齐	同一试次内比较	不同动物、不同试次的平均
群体活动轨迹	有真实的低维轨迹	只能是群体平均意义下的轨迹

**这直接限制了能问的问题。**比如「决策瞬间，前额叶和顶叶的活动是否在 10 毫秒内相互影响」——这个问题需要同一只动物身上同时记录两个区。本图里，这两个区的数据很可能来自两只不同的小鼠、不同的日期。

论文对此是诚实的：标题用的是 “brain-wide map”，不是 “simultaneous brain-wide recording”。但二手传播里，「全脑图谱」四个字很容易被读成「同时记录全脑」。

一个具体的替代做法：如果确实关心区与区之间的即时耦合，IBL 也发过一批双探针同步记录（np1_np2_kim_recordings 这个目录名就暗示了 NP1/NP2 混合），可以用来做两个区之间的耦合分析。但这是子集，不是全图的常态。

8.5 图能支撑什么结论，不能支撑什么

把边界写成两张清单，用起来最快。

能支撑：

• 某功能在某脑区的编码强度（效应量大小、时间进程）。
• 201 个区之间的相对参与程度排序。
• 某类信号（视觉、选择、运动、反馈）在脑内的分布广度。
• 与既往单区研究结论的一致性检验。

不能支撑：

• 区与区之间的因果关系（没有干预）。
• 区与区之间的瞬时耦合（不是同步记录）。
• 单只动物的全脑状态（每个动物只有一两个位置）。
• 细胞类型层面的结论（明确未做类型判定）。
• 疾病或发育相关推断（全部为健康成年小鼠）。

**这张表的价值在于：审稿意见里最容易出现的质疑，全在「不能支撑」那一列。**写作时先自查一遍，能省一轮返修。

8.6 一个真实的复用场景

假设你要做的题目是「小鼠在执行视觉决策时，丘脑与皮层的活动时序关系」。

按本页的思路，第一步不是下载数据，而是用聚合表确认可行性：

# 1) 丘脑与皮层各有哪些区够格？
thal = ['LGd', 'LP', 'PO', 'VPM', 'VPL']        # 丘脑主要核团缩写
ctx  = ['VISp', 'VISl', 'VISal', 'VISrl', 'MOs', 'MOp']
avail = good.groupby('acronym').size()
print({k: int(avail.get(k, 0)) for k in thal + ctx})

如果 LGd 有 3,000 个良品单元而 VPM 只有 40 个，那么「丘脑」这个说法就得改成「外侧膝状体」，因为另一个核团的样本撑不住。

第二步，确认有没有同一 session 内同时覆盖两个目标区的插入：

# 2) 找同一 eid 下同时含两个目标区的 pid
pair = (good[good['acronym'].isin(['LGd', 'VISp'])]
        .groupby(['eid', 'acronym'])['pid'].nunique()
        .unstack(fill_value=0))
both = pair[(pair['LGd'] > 0) & (pair['VISp'] > 0)]
print(len(both))     # 同一 session 内两区都有的数量

**这一步是本页最实用的技巧。**如果不做这一步，你会在「跨动物平均」的前提下讨论「时序关系」，而时序关系恰恰是最需要同动物同试次的。跑完这一步，通常会发现自己想要的「同步」样本只有几十个 session，而不是 459 个。

第三步，才是按 §6 的流程取数据、算 PSTH、看领先滞后。

**三步的顺序不能反。**先看数据能不能回答问题，再动手。这正是这张「62 万」的图最容易被误用的地方——数字太诱人，容易跳过前两步。

第四步，取数后先做一件事：把你锁定的数据版本写进代码注释。

# 数据版本: aggregates/2024_Q2_IBL_et_al_BWM
# 取数日期: 2026-10-21
# 访问通道: ONE (openalyx) + S3 直连聚合表

三行注释，半年后自己看得懂，别人也复现得出。这比任何文档规范都管用，因为注释跟着代码走，而 README 常常不跟。

8.7 为什么这张图值得当成「方法样本」

即使你不研究决策，这张图的组织方式本身也有参考价值。

**它示范了「多中心数据如何做到可比」。**四层锁（硬件、行为、数据格式、分析流水线）是通用范式，换成影像、病理、基因组都成立。核心思想是：把不可控的差异变成可检验的设计——每位点两实验室重复，就是把「实验室差异」这个混杂因素转成了可以直接估计的量。

**它示范了「数据产品与论文分离」。**论文是 62,857 个神经元的分析结果，数据产品是 62.2 万个单元的完整发布。两者不是同一个东西，各有各的生命周期：论文定稿后不动，数据按季度更新。这个分离让数据可以被别人拿去问完全不同的问题，这也是它引用量大的结构性原因。

**它示范了「小聚合表 + 大原始库」的分发模式。**87 MB 的 parquet 覆盖全部单元的关键属性，TB 级原始数据按需取。这个模式在本站另外几篇里也反复出现（DANDI 的元数据层、OpenNeuro 的参与者表）。做数据产品的人可以把这条当默认设计。

8.8 一个诚实的反面提醒

最后要说一句不太讨喜的话。

**这张图是「一次评估」，不是「一张定论」。**论文自己的用词是 “We provide an initial appraisal of this brain-wide map” —— 初步评估。它评估的是「神经活动如何编码几个关键任务变量」，用的是四类分析（解码、编码模型、单细胞统计、群体轨迹）。

它没有回答「这些分布式的表征如何产生行为」。广泛分布本身是一个描述，不是一个机制。

所以当一个二手报道说「科学家发现决策不是前额叶的事，是全脑的事」时，前半句有数据支撑（编码广泛分布），后半句是推论（机制不在前额叶）。**两者之间还隔着干预实验。**这张图给了干预实验一张地图，地图不是领土。

§9 相关资源与引用

9.1 核心引用

International Brain Laboratory et al.
A brain-wide map of neural activity during complex behaviour.
Nature 645, 177–191 (2025).
doi:10.1038/s41586-025-09235-0

配套论文：

International Brain Laboratory et al.
Brain-wide representations of prior information in mouse decision-making.
Nature (2025). doi:10.1038/s41586-025-09226-1

预印本：doi:10.1101/2023.07.04.547681
技术论文（数据处理流水线）：doi:10.6084/m9.figshare.21400815
尖峰排序白皮书：figshare 19705522

9.2 官方入口

用途	地址
数据主页	https://www.internationalbrainlab.com/data
数据发布说明与 changelog	https://docs.internationalbrainlab.org/notebooks_external/2025_data_release_brainwidemap.html
代码文档	https://docs.internationalbrainlab.org/
AWS Open Data 条目	https://registry.opendata.aws/ibl-brain-wide-map/
可视化	https://viz.internationalbrainlab.org/
脑图浏览	https://atlas.internationalbrainlab.org/
公开 Alyx 实例	https://openalyx.internationalbrainlab.org
问题反馈	https://github.com/int-brain-lab/iblenv/issues

9.3 三篇入门教程

• Introduction to IBL and brain-wide map（Colab）
• Using IBL data with ONE（Colab）
• Using IBL data with NWB（Colab）

建议顺序：先跑 ONE 那篇，能取到数了再看聚类分析，最后看 NWB 导出。

§10 AI 使用声明

10.1 本页的数据来源

本页所有数字来自三处：

• Nature 论文正文（doi:10.1038/s41586-025-09235-0）；
• IBL 官方数据发布页与 changelog；
• 本环境 2026-10-21 对 ibl-brain-wide-map-public 桶的直接列举（前缀与文件大小）。

未做全量行数实测：该桶从本环境下载速度约 20 KB/s，87 MB 的 clusters.pqt 在 2 分钟内只传完 2 MB，无法完成读取。因此 621,733 / 75,708 等数字引用官方口径，不声称本地复算。

10.2 已知的不一致（本页并列呈现，未择一）

事项	说法 A	说法 B	处理
脑区数量	279（探针覆盖）	241（达纳入标准）/ 201（主图）	三者含义不同，分列说明
覆盖比例	95% 脑体积	按细胞数约 0.9%	并列，注明口径
数据版本	changelog 到 2025-Q4	桶内有 2026-Q2	并列，以实测桶内容为准

10.3 编辑部复核说明

• 本页对「三个脑区数字」的拆解经交叉核对官方两处原文（论文正文 + 数据发布页），非推断。
• 「12.2% 良品率」为 75,708 ÷ 621,733 的直接计算，非官方表述。
• 「20 KB/s 下载速度」为本环境单次实测，不代表普遍情况，正文已注明链路原因。

10.4 使用建议

• 做全脑统计：只用聚合表，不要下载原始数据。
• 做单 session 深层分析：用 ONE 按需取，不要镜像整个桶。
• 写论文：锁版本目录名 + 写取数日期 + 写访问通道。
• 长期项目：自建一份聚合表快照并归档，因为这个桶不承诺更新频率。

一句话总结：这张图的规模不在 62 万这个数字里，而在 12 个实验室愿意用同一套流程做同一件事。用它的时候，记住 12.2% 的良品率和 201 个脑区的分析边界，比记住 62 万有用得多。

---

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：

• spikeinterface — 共享标签：神经科学 / 生理信号 / 脑电信号 / 多模态
• stroke-eeg-fnirs — 共享标签：神经科学 / 生理信号 / 脑电信号 / 多模态
• mental-fnirs — 共享标签：神经科学 / 生理信号 / 脑电信号 / 多模态
• multimodal-gait-dataset — 共享标签：神经科学 / 生理信号 / 脑电信号 / 多模态
• openneuro — 共享标签：神经科学 / 生理信号 / 脑电信号
• cves — 共享标签：神经科学 / 生理信号 / 多模态
• siena-scalp-eeg — 共享标签：神经科学 / 生理信号 / 脑电信号
• bigp3bci — 共享标签：生理信号 / 脑电信号 / 多模态
• dandi-archive — 共享标签：神经科学 / 生理信号 / 多模态
• tuh-eeg-corpus — 共享标签：神经科学 / 生理信号 / 脑电信号

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。