信息速览

数据集名称MICrONS — 小鼠视皮层立方毫米功能-结构联合连接组图谱

数据类型原始数据,影像数据,人工标注

规模1 只 P87 小鼠（单被试，非人群队列）；体积内约 200,000 细胞、约 120,000 神经元、约 75,000 有功能记录的神经元

接入方式同体联合采集：双光子钙成像（in vivo 功能响应）＋串行切片透射电镜（ex vivo 结构）＋ microCT（对齐），经 AI 卷积网络重建与人工校对后的多模态数据资源

AI 就绪度

INFOBOX — MICrONS 一屏速览

维度内容

本质同一只小鼠视皮层立方毫米体积的功能-结构联合连接组（首个跨多脑区的哺乳动物皮层重建）

联盟 MICrONS Consortium（150+ 科学家）｜艾伦研究所 + 普林斯顿 + 贝勒医学院，IARPA 资助

主论文 Nature 2025;640(8058):435-447（doi:10.1038/s41586-025-08790-w，PMID 40205214）

被试单只 P87 小鼠，清醒观看自然与合成视觉刺激

体积 1.4 × 0.87 × 0.84 mm（官网口径）｜论文 in vivo 1.3 × 0.87 × 0.82 mm³

规模约 200,000 细胞、约 120,000 神经元、5.23 亿突触

功能记录 115,372 ROI / 约 75,902 估算神经元，含钙成像视觉响应

覆盖初级视皮层 VISp 全 6 层 + 高级区 LM/AL/RL（VISlm/VISrl/VISal）

技术双光子钙成像 + 串行切片透射电镜 + microCT + AI 重建 + 人工校对

数据量约 1.6 PB（新闻口径）

核心发现抑制性细胞呈高度选择性、协调化的抑制模式，非随机连接

门户 microns-explorer.org ｜动态分割 minnie65（CAVE）｜最新发布 v1926

许可开放获取（论文自述）｜官网无显式 CC 文本｜须引用主论文｜部分数据需 CAVE 注册

库内互链 allen-brain-atlas（275）、bigbrain（285）、human-connectome-project（95）、1000-functional-connectomes（295）

§0 导读：这个数据集解决什么问题

MICrONS 是神经科学界一次"把预言变成事实"的工程：1979 年分子生物学家 Francis Crick 断言，为哪怕一立方毫米脑组织画出精确布线图都是"不可能的任务"。四十多年后，MICrONS 联盟在同一只小鼠的视觉皮层里，同时拿到了"每个神经元看什么"（功能）与"每个神经元连什么"（结构）两套数据，并把它们对齐到同一批细胞上——由此得到迄今最详尽的哺乳动物皮层连接图谱。

它的革命性不在于单点数字有多大，而在于功能与结构发生在同一批神经元上。以往理解大脑要么记录活动却不知接线，要么重建接线却不知功能；MICrONS 让两者第一次在立方毫米尺度上"对上了号"，从而能直接回答"响应相似的神经元是否更倾向互连"这类问题，并意外发现抑制性细胞远比想象的更"挑剔"。

导语读法三则：

只想下数据：直奔 §6 获取与许可——注意动态网格与突触表要 CAVE 注册，静态快照才是无门槛直链，别混。
关心规模与口径：直奔 §4 规模硬数字——官网、论文、新闻三套口径并列存照，避免抄错一个数。
做连接组/基础模型研究：直奔 §5 数据产品与 §7 生态——13 类数据产品、Digital Twin 与神经活动基础模型可直接对标。

§1 数据集速览：十问十答

Q1：MICrONS 是什么？
一个功能连接组学（functional connectomics）数据集：在同一只小鼠视觉皮层的约一立方毫米组织里，同时提供高密度钙成像记录到的神经元视觉响应，以及电镜重建出的细胞形态与突触级连接。缩写 MICrONS 全称 Machine Intelligence from Cortical Networks（从皮层网络到机器智能），项目初衷是"逆向工程大脑算法以反哺机器学习"。

Q2：谁是它的建造者？
多方联盟。核心三家分工明确：贝勒医学院（Baylor College of Medicine）负责活体功能记录；艾伦脑科学研究所（Allen Institute for Brain Science）负责组织切片与电镜成像；普林斯顿大学（Princeton University）负责 AI/机器学习重建。项目由美国情报高级研究计划局（IARPA）MICrONS 计划协调资助，联盟成员逾 150 名神经科学家。

Q3：数据从哪只动物来？
一只 87 天龄（P87）的成体小鼠。研究人员让它清醒地（无麻醉）在跑动球上观看自然影片（含《黑客帝国》片段）与合成参数化刺激，同时记录视觉皮层神经元活动；随后取出同一块组织做电镜成像，实现"同一只鼠、同一块脑、同一批细胞"的功能-结构配对。

Q4：规模到底多大？
官网口径：体积 1.4 × 0.87 × 0.84 mm，含约 200,000 个细胞、约 120,000 个神经元，自动检测到超过 5.23 亿个突触；其中约 75,000 个神经元有功能记录，功能记录共 115,372 个 ROI。论文正文给出的 in vivo 体积为 1.3 × 0.87 × 0.82 mm³、0.5 billion 突触（摘要取整口径）。

Q5：怎么做到的？
三步合体：①双光子钙成像记录功能；②串行切片透射电镜（serial section TEM）把组织切成约 25,000 层超薄切片逐层成像；③用可扩展卷积网络重建神经元与突触，再配合大量人工校对（proofreading）保证精度，最后把功能与结构数据共配准。

Q6：有什么重大发现？
最引人注目的是抑制性细胞的组织方式。学界原以为抑制性细胞只是"随机地抑制周围兴奋性细胞"，MICrONS 发现它们实际进行高度选择性的交流：有的协同抑制多个兴奋性细胞，有的精准瞄准特定类型；原有的四大类抑制性神经元，按特异性模式可进一步细分。

Q7：数据在哪、免费吗？
数据门户为 microns-explorer.org（MICrONS Explorer）。论文自述为开放获取资源（open-access resource），EM 图像与静态分割快照通过 AWS Public Datasets、Google Cloud、BossDB 公开桶分发。但需注意：官网未给出显式 CC 许可证文本，使用须引用主论文；动态网格与突触连接表需注册 CAVE 用户并接受条款。

Q8：有多大？
报道口径约 1.6 PB（约合 22 年不间断录制的高清视频），部分报道记为约 1 PB。本地完整下载不现实，实用做法是用 CloudVolume/CAVEclient 按需拉取坐标范围内的数据。

Q9：覆盖哪些脑区？
初级视觉皮层 VISp 的全部 6 层，加上三个高级视觉区：LM（lateromedial）、AL（anterolateral）、RL（rostrolateral），即 VISlm / VISal / VISrl；L1 的极端浅层不在范围内。这是首个跨越多个功能脑区的哺乳动物电路电镜重建。

Q10：和 Allen Brain Atlas 是一回事吗？
不是。allen-brain-atlas（库内 rid 275）是艾伦研究所的另一项小鼠脑图解刨参考图谱，尺度、模态与用途都不同；MICrONS 是同一机构参与的功能连接组重建。两者同源机构但不同资源，检索时勿混（库内互链见 §9）。

§2 数据构成与规格

2.1 规模、来源与机构构成

MICrONS 的数据来自单一被试——一只 P87 小鼠的视觉皮层，这是理解其统计性质的前提：它不是队列数据，无法评估个体间变异，全部结论都是"这一只鼠的这一块皮层"的。

体积的三套口径必须并列（详见 §4）：官网首页与立方毫米页写 1.4 × 0.87 × 0.84 mm；主论文正文描述 in vivo 尺寸为 1.3 × 0.87 × 0.82 mm³。两个数字不同源自测量/别名口径差异，引用时应明确注明来源，切勿混用成"1.4×0.87×0.82"这类拼凑值。

属性	内容
被试	1 只 P87 小鼠（单被试）
脑区	VISp（全 6 层）+ VISlm + VISrl + VISal
官网体积	1.4 × 0.87 × 0.84 mm
论文体积	1.3 × 0.87 × 0.82 mm³（in vivo）
细胞	约 200,000
神经元（解剖）	约 120,000
功能记录神经元	约 75,000（115,372 ROI）
突触	5.23 亿+（自动检测）
相对 Phase1	约 400 倍

机构构成上，三家主导机构承担了从活体记录到结构重建的全链条，另有广泛团队参与校对、细胞分型与分析（见 §3、§7）。

值得一提的是，MICrONS 的三家主导机构恰好对应三种核心能力：贝勒医学院的生理记录能力、艾伦研究所的规模化成像与注释能力、普林斯顿的 AI 重建能力。这种"能力互补、各司其职"的联盟结构，是它能同时拿下功能与结构两端的关键组织条件——任何单一实验室都难以独立完成。

2.2 数据产品的类别体系

官网将可访问数据组织为约 13 类产品，理解这张"菜单"比记单个桶地址更重要：

电子显微镜图像（EM Imagery） —— minnie65 与 minnie35（已对齐），体素级 EM 图像。
突触连接（Synaptic Connectivity） —— 突触级连接注释表（需 CAVE 注册）。
细胞核分割（Nucleus Segmentation） —— 自动核检测与分类。
功能共配准（Functional Co-Registration） —— 功能记录与解剖重建的匹配表。
血管分割（Vasculature Segmentation） —— TriSAM 分割（320×256×256 nm）。
细胞分割（Cell Segmentation） —— 静态快照 + 动态（PyChunkedGraph）。
校对状态（Proofreading Status） —— 校对进度与策略表。
神经元骨骼（Neuron Skeletons） —— v661 骨骼与 meshwork。
数字孪生功能模型（Digital Twin） —— 预测视觉反应的神经网络模型。
细胞网格（Cell Meshes） —— 静态多分辨率 + 动态网格。
细胞类型（Cell Types） —— 手动标注 + 多种自动分类。
功能数据（Functional Data） —— 钙成像扫描、数据库、刺激影片。
功能连接组学分析（Functional Connectomics Analysis） —— 节点与边属性表。

2.3 分割版本链与"动态 vs 静态"的关键区别

MICrONS 的分割数据有两种形态，混淆它们是最常见的工程坑：

静态快照（flattened snapshot）：某一时刻冻结的分割版本，适合可复现分析。版本链为 v117（2021-06-11）→ v343（2022-02-22）→ v661 → v785 → v943（2024-01-22）→ v1078 → v1181 → v1300（2025-01-13，最新）。
动态分割（dynamic agglomeration）：名为 minnie65_public，由 PyChunkedGraph（graphene）服务实时维护，包含完整编辑历史（entire edit history），随社区校对持续更新。

这意味着：用动态分割做的分析，其 segment_id 会随校对推进而变化，论文复现必须锚定到具体静态版本（如 v1300）。"可复现"与"最新最准"在 MICrONS 里是一对需要权衡的目标。

2.4 功能与结构的共配准机制

MICrONS 的价值锚点在于功能-结构配对，而配对依赖共配准表：

手动共配准 coregistration_manual_v4：19,181 个手动匹配点，覆盖 15,439 个唯一神经元，精度优先。
自动共配准：auto_phase3_fwd_v2 与 apl 血管辅助自动匹配，覆盖更广。
合并表：coregistration_auto_phase3_fwd_apl_vess_combined_v2。

由于共配准目前仍是"手动为主、自动为辅"的过程，并非每个功能性神经元都能配到解剖重建，这是使用配对数据时必须核查的覆盖度门槛。

2.5 数据体量与格式

功能数据以 MySQL 容器镜像分发（database_v8，约 97 GB）；数字孪生属性 v1/v2 各约 32 GB；EM 图像与分割以大体积体素形式托管在云桶。整体报道量级约 1.6 PB。格式上，图像走 Neuroglancer precomputed:// 协议，网格走 Mesh 格式，骨骼走 SWC，注释表走 CAVE/MySQL，功能数据走 DataJoint/NumPy。这类异构格式意味着没有"一键下载全集"的按钮，必须以程序化工具链按需获取（见 §6）。

2.6 与"哺乳动物连接组"家族的关系边界

MICrONS 常被与两类资源相提并论，需划清边界：

与果蝇全脑连接组（FlyWire）：同为电镜连接组，但物种、体积与是否含功能数据不同；FlyWire 是完整成体果蝇脑，MICrONS 是小鼠皮层局部立方毫米且带功能。
与 Phase 1（L2/3 数据集）：MICrONS 立方毫米数据集是 Phase 1 的升级版，约大 400 倍，Phase 1 仅覆盖 L2/3。

明确边界可避免在检索与引用时张冠李戴。

2.7 三类细胞与"20 万 vs 12 万 vs 8.4 万"的理解

初次接触 MICrONS 的人最容易被三个神经元数字绕晕。理解它们的关键是分清三类统计对象：

全部细胞（cells）：约 200,000——包含神经元与非神经元（胶质细胞、血管相关细胞等），来自细胞分割。
神经元（neurons）：约 120,000——从全部细胞中按形态/核特征判定的神经元子集（官网口径）。
有功能记录的神经元：约 75,000——同时通过钙成像记录到视觉响应的神经元。

至于新闻里出现的"约 84,000 神经元"，属于转述口径差异，可能与是否计入某类细胞或使用不同版本有关，不应作为与官网并列的权威数字。理解这条"漏斗"（20 万细胞 ⊃ 12 万神经元 ⊃ 7.5 万功能神经元）比记住单个数字更有用。

2.8 数据的时间维度

MICrONS 的功能数据不仅有"空间"维度，还有"时间"维度：神经元在观看影片时的响应是随时间变化的序列。这意味着使用功能数据时，除了细胞坐标，还需关注：

刺激时间轴：影片/参数刺激的时间戳，用于对齐响应。
帧率与钙信号动态：钙成像的采样率限制了可分辨的时间尺度。
行为同步：瞳孔与运动数据与神经响应的同步记录。

做"某刺激引发某响应"的分析时，这三者缺一不可。

2.9 空间坐标系与对齐

MICrONS 的"同一块组织"要能在多模态间对齐，靠的是统一的坐标系统：

EM 坐标系：电镜体积的原生体素坐标。
2P 结构坐标系：在体双光子结构图像的坐标。
共配准变换：通过手动对应点（manual_v4）建立的映射。

任何跨模态分析（如"EM 里的这个细胞对应功能记录里的哪个单元"）都必须先经过这层坐标变换。忽略坐标系会导致看似合理实则错位的配对结果。

§3 采集与重建流水线：三步合体

3.1 功能端：让神经元"亮起来"

MICrONS 的功能记录依托双光子钙成像（two-photon calcium imaging）。实验小鼠被基因改造，使活跃神经元在放电时发出荧光信号；研究人员让清醒小鼠在单轴跑动球（treadmill）上观看影片——包括自然影片（如《黑客帝国》片段）与合成参数化刺激，同时记录皮层神经元荧光变化。

除神经活动外，功能端还采集了行为伴随量：瞳孔位置与直径、运动速度。这些数据共同构成"主功能资源"（primary in vivo data），而其派生功能资源则是从钙成像视频中分割出的约 75,909 个 L2-L5 锥体细胞的响应。功能记录共覆盖 115,372 个感兴趣区（ROI）。

功能数据的关键局限：钙成像记录的是钙信号代理而非直接电活动，时间分辨率受限；且记录的是兴奋性锥体细胞为主，抑制性细胞的功能数据相对较少。

为什么用钙成像？ 相比电极记录，钙成像能同时观测数千个神经元的活动，这恰好匹配连接组学"需要海量细胞同时定位"的需求；代价是牺牲了毫秒级时间精度。MICrONS 的取舍是"广度优先"——用可接受的时间分辨率换取覆盖整块体积的空间广度。

3.2 结构端：25,000 层切片与 AI 重建

功能记录完成后，同一块组织被取出做串行切片透射电镜（serial section TEM）成像。艾伦研究所团队把这块立方毫米组织切成约 25,000 层超薄切片，每层厚度约为人类发丝的 1/400，逐层用高分辨率电镜成像。

为什么是透射电镜？ 突触的判别（如突触前囊泡、突触后致密物）需要纳米级分辨率，只有电镜能满足；而要在立方毫米尺度上覆盖这些细节，必须"切片—成像—拼接"逐层推进，这也正是数据量爆炸的根源。

成像之后是重建：普林斯顿团队用可扩展的卷积神经网络与自研计算系统，把 2D 切片序列重建为 3D 的神经元形态与突触连接。这一流程产出主解剖资源（原始 EM 图像栈）与派生解剖资源（细胞半自动分割、核自动分割、突触自动检测）；进一步的三级数据（synapse 归属突触前/后细胞、三角网格、核的神经元/非神经元分类、兴奋/抑制分类）才构成完整可用资源。

自动重建不可避免地含错误，因此 MICrONS 投入了大量人工校对（proofreading）。校对并非全量，而是子集——部分神经元的树突树与轴突投射被校对到完整，从而提供可靠的高置信重建；未校对的段则可能随动态分割版本演进而变化。

3.3 共配准：把"看什么"接到"连什么"

最后一环是功能-结构共配准：在 2P 结构图像与 EM 图像之间手工选择对应点（correspondence points），把在体钙成像的神经元与离体电镜重建的细胞匹配起来。这一步是 MICrONS 全部科学价值的枢纽——只有配对成功，才能问"响应相似的神经元是否更倾向互连"。

如 §2.4 所述，共配准以手动为主（manual_v4：19,181 匹配 / 15,439 唯一神经元），自动表为辅，因此并非所有功能单元都有对应解剖细胞。

3.4 质量控制：校对状态与编辑历史

MICrONS 的一个工程特色是版本控制式的协作。动态网格服务（PyChunkedGraph/graphene）记录每次校对编辑，形成"完整编辑历史"，如同脑数据界的 Git。这让研究者可以查询"某个细胞的某处修改是谁、何时做的"，也让静态快照与动态状态之间的关系可追溯。校对状态表（proofreading_status_and_strategy）则为使用者标注了哪些区域经过人工核验、可信度如何。

工程启示：MICrONS 表明，超大规模科学数据集的可维护性，取决于是否在采集之初就内置版本控制与溯源机制，而非事后补救。这对任何 PB 级 AI-Ready 数据集都有借鉴意义。

3.5 从组织到数据：一条时间线

把三个环节串成一条时间线，能更清楚地看到数据的先后依赖：

在体阶段：小鼠清醒，双光子钙成像记录视觉响应 + 2P 结构图像 + 行为（瞳孔、运动）。
取材阶段：同一块组织取出，microCT 成像辅助对齐。
切片成像阶段：串行切片 TEM，约 25,000 层逐层成像。
重建阶段：卷积网络重建神经元与突触，生成分割/骨骼/网格。
校对阶段：人工修正子集，动态服务记录编辑历史。
共配准阶段：手动 + 自动匹配功能与结构。
分析阶段：细胞分型、连接组分析、基础模型训练。

这条线说明：功能数据先于结构数据产生，二者最终靠共配准结合。任何环节的误差（如切片丢失、配准偏差）都会传导到下游。

3.6 规模与技术难点的关系

为什么是"立方毫米"而不是更大？因为技术复杂度随体积急剧上升：

切片数：体积越大，超薄切片越多，逐层对齐越难。
重建算力：突触级重建的算力需求随体素量增长。
校对成本：人工校对是瓶颈，体积翻倍则校对工作量非线性增长。
数据量：1 mm³ 已达 1.6 PB，更大体积将迅速超出可管理范围。

因此 MICrONS 的"立方毫米"是技术可行性与科学价值权衡的结果，也解释了为何 Crick 曾说这是"不可能的任务"。

§4 规模硬数字：三套口径的存照

规模数字是检索者最易抄错的部分，因为官网、论文、新闻三套口径并存且不完全一致。本节逐项并列存照，并标注本条目采用的表述。

4.1 体积维度

来源	体积表述
官网（cortical-mm3）	1.4 × 0.87 × 0.84 mm（P87 小鼠皮层）
主论文正文	in vivo 1.3 × 0.87 × 0.82 mm³
新闻（ChinaDaily）	“一粒沙大小”（定性）

存照：官网展示值与论文 in vivo 值不同，属测量/口径差异。本条目正文并列两个数字，禁止拼凑为"1.4×0.87×0.82"等混合值。

4.2 细胞与神经元数

指标	官网	论文	新闻
细胞总数	约 200,000	>200,000	200,000+
解剖神经元	约 120,000	—	约 84,000
钙成像神经元	约 75,000	约 75,000	—
功能 ROI	115,372	—	—
功能估算神经元	约 75,902	约 75,909（L2-5 锥体）	—

存照：官网"约 12 万神经元"与新闻"约 8.4 万神经元"差异明显，疑因统计口径不同（是否含非神经元、是否含功能匹配子集、版本差异）。本条目正文以官网"约 120,000 神经元"为主并注明双口径。

4.3 突触数

来源	表述
官网	523 million+（自动检测实测）
论文摘要	0.5 billion（取整）
新闻	约 524 million

存照：三者本质一致（5.23 亿 ≈ 0.5 billion），差异仅在精度与取整。本条目统一表述为"约 5.23 亿（自动检测），论文摘要取整为 0.5 billion"。

4.4 数据体量

来源	表述
新闻（中国网/科技日报）	1.6 拍字节（≈22 年高清视频）
部分二手报道	约 1 PB

存照：官网页面未逐字写"petabytes"，1.6 PB 来自新闻权威口径，1 PB 见于部分报道。本条目以 1.6 PB 为主，注明约 1 PB 亦见报道。

4.5 轴突长度与相对规模

指标	表述	来源
轴突总长	约 4 km（一说 5.4 km）	新闻双口径
相对 Phase 1	约 400 倍	官网

存照：轴突长度 4 km 与 5.4 km 两个数字并存，存照不裁定。

4.6 覆盖范围

覆盖小鼠初级视觉皮层 VISp 的全部 6 层，以及三个高级视觉区 LM/AL/RL（对应 VISlm/VISal/VISrl）；L1 的极端浅层不在范围内。这是首个跨越多个功能脑区的哺乳动物电路电镜重建。

4.7 数字背后的"量级直觉"

对非神经科学背景的读者，几个量级换算有助于建立直觉：

5.23 亿突触：若每秒数一个，需约 16.6 年才能数完。
1.6 PB：约等于 1,600 TB，或 22 年不间断拍摄的高清视频总量。
25,000 层切片：每层厚度约人类发丝的 1/400。
单被试：全部数据来自一只约 87 日龄的小鼠，其皮层仅占全脑一小部分。

这些换算说明 MICrONS 的"立方毫米"在世界尺度上微不足道，在数据尺度上却前所未有——这正是它"以小见大"的价值所在。

4.8 为什么规模数字需要存照

科学数据集常被媒体二次转述，数字在传播中会漂移（如"5.23 亿"变"5.24 亿"、“12 万"变"8.4 万”）。MICrONS 因为规模巨大、发布方多元（官网/论文/新闻），漂移尤甚。本条目坚持逐项标注来源、并列存照，而非择一断言，正是为了让检索者有据可查、避免以讹传讹。

检索者守则：引用 MICrONS 规模数字时，务必标注来源（官网/论文/新闻），因为三套口径在体积、神经元数、突触数上均有出入。写"约 20 万细胞、5.23 亿突触、1.6 PB"是最安全的组合（三源一致度最高）。

§5 数据产品与任务

5.1 可支撑的研究任务

MICrONS 不是单一任务数据集，而是一个多任务资源平台。其数据产品对应以下典型任务：

任务	对应数据	说明
神经元重建与校对	动态/静态分割、骨骼、网格	从 EM 图像恢复神经元 3D 形态
突触检测与连接组构建	突触注释表	突触前-后细胞配对
细胞类型分类	细胞类型表（m-types、转录组关联）	兴奋/抑制及亚型
功能-结构关联	共配准表 + 功能记录	连接与响应的关系
神经反应预测	Digital Twin、基础模型	预测新刺激下的神经活动
血管/超微结构分析	血管分割、细胞器	神经血管单元、线粒体等

5.2 细胞分型体系

细胞类型是 MICrONS 的核心科学产出之一。相关注释表包括：

手动参考：allen_v1_column_types_slanted_ref、aibs_column_nonneuronal_ref。
无监督形态聚类（m-types）：allen_column_mtypes_v2、connectivity_groups_v795。
胞体-核预测模型：nucleus_neuron_svm、aibs_soma_nuc_metamodel_preds_v117、aibs_metamodel_celltypes_v661。
兴奋/抑制分类：baylor_log_reg_cell_type_coarse_v1、baylor_gnn_cell_type_fine_model_v2。

配套论文用 Patch-seq 把突触连接与转录组细胞类型关联（见 §7），使 MICrONS 成为连接结构、形态与基因表达的跨模态标尺。

5.3 神经活动基础模型与数字孪生

MICrONS 衍生出神经活动基础模型（foundation model of neural activity）：一个在多个小鼠视觉皮层神经活动数据上训练的深度网络，能预测神经元对新刺激类型的响应，并估计方向选择性、方向选择性与感受野位置等属性。相关模型代码开源于 github.com/cajal/fnn，计算属性（digital_twin_properties v2，约 32 GB）随数据集分发。

这一"数字孪生"（digital twin）使研究者可以在虚拟环境中模拟实验、检验关于大脑工作的假说，而无需重复昂贵的活体记录。

5.4 功能连接组学分析产物

除原始数据外，官网还提供功能连接组学分析产品（node_and_edge_properties/v1），即预先计算好的节点（细胞）与边（连接）属性表，降低了直接使用 PB 级原始数据的门槛。

5.5 版本发布节奏

官网首页显示当前 Public Data Release version 1926，释放清单见 MICrONS Tutorials。这提示使用者：MICrONS 是持续更新的活资源，任何引用都应标注访问日期与版本号，以保证可复现。

使用建议：做严谨研究时，锁定具体静态分割版本（如 v1300）+ 具体共配准表 + 具体功能数据库版本（database_v8），并记录访问日期；只做探索时可跟随动态服务取最新。

5.6 十三类数据产品的细目

为便于检索，本节把官网列出的 13 类数据产品逐条展开，标注其形态与门槛：

#	类别	主要形态	访问门槛
1	EM 图像	Neuroglancer precomputed 体素	公开桶
2	突触连接	CAVE 注释表（MySQL）	CAVE 注册
3	核分割	体素分割 + 备选点	公开桶
4	功能共配准	匹配表（手动/自动）	公开桶/CAVE
5	血管分割	TriSAM 预计算分割	公开桶
6	细胞分割	静态快照 + 动态 graphene	公开桶/CAVE
7	校对状态	状态与策略表	CAVE
8	神经元骨骼	SWC 骨骼 + meshwork	公开桶（v661）
9	数字孪生	属性目录（v1/v2, 各 32GB）	公开桶
10	细胞网格	静态多分辨率 + 动态网格	公开桶/CAVE
11	细胞类型	手动 + 多模型预测表	CAVE
12	功能数据	数据库容器（97GB）+ TIFF + 影片	公开桶
13	功能连接组分析	节点/边属性表	公开桶

5.7 与下游任务的映射

把上表与典型任务对照，可快速判断"做某个任务该取哪类数据"：

形态学/重建类：取 #1 EM 图像 + #6 分割 + #8 骨骼 + #10 网格。
连接组类：取 #2 突触连接 + #7 校对状态。
细胞类型类：取 #11 细胞类型 + #3 核分割。
功能类：取 #12 功能数据 + #4 共配准。
建模/预测类：取 #9 数字孪生 + #13 节点边属性。
血管/超微结构类：取 #5 血管分割。

5.8 功能数据的组成细节

功能数据（#12）本身包含多个子项，值得单列：

功能数据库容器：database_v8，约 97 GB，含 115,372 个 ROI 的响应记录与元数据。
双光子功能扫描 TIFF：去栅格化与运动校正后的原始扫描。
刺激影片：作为视觉输入的自然与参数化影片（stimulus_movies）。
行为数据：瞳孔位置/直径、运动速度。

需要复现"某刺激下某神经元如何响应"时，这三者（响应记录 + 扫描 + 刺激影片）必须一并取用。

5.9 版本发布节奏

官网首页显示当前 Public Data Release version 1926，释放清单见 MICrONS Tutorials。

§6 获取与许可：PB 级资源怎么进

6.1 门户与工具链

MICrONS 的官方数据门户是 MICrONS Explorer（microns-explorer.org），自称"皮层的虚拟天文台"（a virtual observatory of the cortex）。由于数据量达 PB 级，没有"一键下载全集"的入口，唯一现实的路径是程序化按需获取。官方提供的工具链构成一个完整生态：

工具	用途	提供方
CloudVolume	从 AWS/GCS 桶程序化拉取 EM 图像与分割体素	社区/Google
Neuroglancer	浏览器交互式可视化	Google
CAVEclient	查询突触连接、细胞类型、核检测等注释表	Allen Institute
BossDB / intern	通过 BossDB 服务访问图像与分割	JHU-APL
MeshParty	下载与处理细胞网格	Allen Institute
DataJoint	功能数据的数据库模式（MySQL 容器）	社区
Bulk Data Access	大规模批量下载（Google/AWS 桶）	云托管方

6.2 云存储桶位置（节选）

官网按类别列出了各资源的桶地址。核心几条：

EM 图像（minnie65）：
- AWS：precomputed://https://bossdb-open-data.s3.amazonaws.com/iarpa_microns/minnie/minnie65/em
- Google：precomputed://https://storage.googleapis.com/iarpa_microns/minnie/minnie65/em
动态分割（minnie65_public）：graphene://https://minnie.microns-daf.com/segmentation/table/minnie65_public（当前版本 v1300）
静态分割：v117 / v343 / v943 / v1300（各对应 seg、seg_m343 等路径）
功能数据：数据库容器 97 GB（database_v8）；2P 功能扫描 TIFF；刺激影片
数字孪生属性：digital_twin_properties v2（约 32 GB）
血管分割：wei2024/minnie/bv（TriSAM）

云托管方为 AWS（Amazon Public Datasets）与 Google Cloud（Connectomics at Google），另经 BossDB（JHU-APL）。

6.3 许可与使用条款：一个重要提醒

MICrONS 的许可状态需要谨慎表述。 论文摘要明确写其为"开放获取资源"（Released as an open-access resource），数据经公开云桶分发，实操上可自由获取。但官网并未提供显式的开放许可证文本（如 CC-BY 4.0）——这与 PANDA、SICAPv2 等标明 CC 协议的条目不同。

因此使用时有两条硬约束：

必须引用主论文：The MICrONS Consortium, et al. 2025. “Functional Connectomics Spanning Multiple Areas of Mouse Visual Cortex.” Nature 640 (8058): 435–47. https://doi.org/10.1038/s41586-025-08790-w。官网明确要求使用数据集须引用此文。
部分数据需注册：访问动态网格、突触连接等注释表，需注册为 CAVE 用户并接受服务条款（接受条款页见 global.daf-apis.com）。

检索者提醒：若你的机构法务要求"明确许可证"，MICrONS 的"开放获取但无显式 CC 文本"状态需要单独确认——不要默认它是 CC-BY。二次分发前务必核对论文声明与各云桶的托管条款。

6.3b 一条可操作的获取 SOP

给第一次接入 MICrONS 的团队一条按序执行的标准流程：

明确任务：先决定要分割、突触、功能还是模型数据（见 §5.7 映射表）。
锚定版本：选定静态分割版本（默认 v1300）、共配准表、功能数据库版本。
准备环境：安装 CloudVolume / CAVEclient / MeshParty（Python 生态）。
完成注册：若需动态网格或突触表，先注册 CAVE 并接受条款。
小样试拉：先在极小坐标范围拉一次，确认路径与格式正确，再扩大。
记录元数据：把版本号、访问日期、坐标范围写入分析日志。
引用与致谢：产出中引用主论文。

这条 SOP 的核心是先小样、后放大、全程记版本——直接对大范围发起拉取，既慢又易因路径错误白费算力。

6.4 其他获取渠道

地面真值分割数据：经 Zenodo 发布（doi:10.5281/zenodo.5760218，约 1.1 GB），适合做分割算法验证。
功能数据仓库：github.com/cajal/microns_phase3_nda（教程与笔记本）。
Digital Twin 模型代码：github.com/cajal/fnn。
教程：tutorial.microns-explorer.org（含 quickstart notebooks、static-repositories 清单）。

6.5 AI-Ready 评估：开放但"高门槛"的典型

从 AI-Ready 视角看，MICrONS 呈现一种分层可获取性光谱：

完全开放层：EM 图像、静态分割快照、功能数据库容器——无门槛，公开桶直取。
注册层：动态网格、突触连接注释表——需 CAVE 注册并接受条款。
需申请层：校对支持、数据集更新通知、合作资金——通过 VORTEX（NIH 资助）申请。

这种分层设计在超大科学数据集里很常见，但对"开箱即用"的 AI 训练流程并不友好：PB 级体量 + 异构格式 + 注册门槛，意味着接入 MICrONS 本身就是一个工程项目。已有衍生产品（功能连接组学分析表、数字孪生属性）正是为降低这一门槛而生。

6.6 版本引用规范

由于 MICrONS 持续更新（当前 Public Data Release version 1926），任何正式引用都应写明：静态分割版本 + 共配准表版本 + 功能数据库版本 + 访问日期。仅写"MICrONS dataset"不足以复现。

6.7 与 HuggingFace 类平台的差别

与把数据集打包成 Parquet 扔上 HuggingFace 的做法不同，MICrONS 走的是"云原生体数据 + 服务化查询"路线：图像以体素形式托管、注释以数据库服务提供、动态状态由版本化引擎维护。这种路线的优点是数据永不"过期"（可随时取最新）且可按需取局部；缺点是接入门槛高——用户必须学会工具链，而非 load_dataset() 一行搞定。理解这一差别，能帮助你判断 MICrONS 是否适合你的工作流。

§7 生态与影响：一篇主论文带出十篇

7.1 2025 年 4 月的"MICrONS Project"论文专辑

2025 年 4 月 9 日，MICrONS 联盟在 Nature 及其子刊一次性发表了 10 篇论文，构成"The MICrONS Project"专辑。主论文给出资源总览，其余各篇深入具体科学问题：

#	论文	一作/团队	DOI
1	Functional Connectomics Spanning Multiple Areas of Mouse Visual Cortex（主论文）	MICrONS Consortium	10.1038/s41586-025-08790-w
2	L5 thick tufted 兴奋性神经元突触结构	Bodor, Schneider-Mizell, Zhang … da Costa	10.1038/s41593-025-02004-2
3	小鼠视皮层抑制特异性的连接组普查	Schneider-Mizell, Bodor … da Costa	10.1038/s41586-024-07780-8
4	通用布线规则 like-to-like	Ding, Fahey … Tolias	10.1038/s41586-025-08840-3
5	神经活动基础模型预测新刺激类型反应	Wang, Fahey … Tolias	10.1038/s41586-025-08829-y
6	胞体周围超微结构高效分型	Elabbady, Seshamani, Collman	10.1038/s41586-024-07765-7
7	Sst 转录组类型的连接组	Gamlin, Schneider-Mizell … Sorensen	10.1038/s41586-025-08805-6
8	兴奋性神经元树突形态的无监督图谱	（官网列出）	见 microns-explorer.org

7.2 核心科学贡献

抑制性细胞的协调化组织：最受关注的发现。抑制性细胞并非随机抑制周围兴奋性细胞，而是高度选择性地交流——有的协同抑制多个兴奋性细胞，有的精准瞄准特定细胞。原四大类抑制性神经元按特异性模式可细分出更精细的分组。抑制性细胞约占皮层神经元 15%。
like-to-like 通用布线规则：响应性质相似的神经元倾向于相互连接，这一模式在多个脑区、层内与跨区均出现，且在人工神经网络中也自发涌现、对任务性能重要（论文 4）。
跨模态标尺：通过 Patch-seq 把突触连接与转录组细胞类型关联（论文 7），使结构、形态、基因表达在同一批细胞上打通。

7.3 影响力与定位

被中国科学院与中国工程院评选为 2025 年度国际科技十大进展之一（第 9 项），称其"堪比人类基因组计划"。
IARPA 前项目经理 David A. Markowitz 评价其为"神经科学领域的一个分水岭"。
官网宣称（截至 2025 年）：迄今发布的最大的多模态连接组学数据集；按最小维度、细胞数与检测连接数计均为最大的连接组学数据集；首个跨多个功能脑区的哺乳动物电路电镜重建。

7.4 下游生态

MICrONS Explorer 门户：提供交互式可视化与应用（如任意细胞的突触可视化 App）。
VORTEX（Virtual Observatory of the Cortex）：BRAIN Initiative 资助项目，把数据集带给更广的研究社区，提供校对资源与科学问题支持。
数字孪生 / 基础模型：把数据集推向"可预测、可模拟"的方向，github.com/cajal/fnn。
机器学习启发：项目原始动机是"从皮层网络逆向工程出机器智能算法"，因此对神经形态计算与新型 AI 架构研究有直接启发意义。

7.5 对神经科学方法学的影响

MICrONS 证明了两件事在技术上是可行的：①在立方毫米尺度上做功能-结构联合重建；②以版本控制式协作管理超大规模科学数据。这两点为后续更大体积的哺乳动物连接组项目（乃至人脑局部）奠定了方法学基础。它也把一个"不可能"的预言变成了可操作的资源，重塑了学界对连接组学规模的预期。

7.6 系列论文的科学脉络

把 10 篇论文连起来读，能看到 MICrONS 从"资源发布"到"科学发现"的完整链条：

顶层资源（论文 1）：给出数据集总览与检索工具，是所有下游工作的地基。
结构解剖层（论文 2、6）：深入 L5 thick tufted 神经元与胞体周围超微结构，回答"如何从结构区分细胞类型"。
抑制层（论文 3、7）：重点剖析抑制性连接的特异性，并用 Patch-seq 把连接与转录组打通。
功能层（论文 8、9）：用无监督方法刻画树突形态图谱与神经元不变性。
功能-结构合流层（论文 4、5、10、11）：揭示 like-to-like 通用布线规则，并训练神经活动基础模型。

这条脉络的价值在于：它示范了一个大型合作项目如何从共享资源走向分工发现——不同团队在同一份数据上各攻一个问题，最后拼出对皮层计算原理的整体理解。

7.7 对 AI 领域的具体启示

MICrONS 的立项动机本就与 AI 相关（“从皮层网络到机器智能”）。它对 AI 研究的具体启发包括：

连接结构可反哺架构设计：like-to-like 规则在人工神经网络中自发涌现且影响性能，暗示生物布线策略对网络设计有参考价值。
基础模型方法可用于神经科学：论文 5 把大模型范式迁移到神经活动预测，实现跨刺激类型的泛化，是"AI for Science"的范例。
数据规模与版本管理的工程经验：PB 级数据的协作式校对与版本控制，对任何大规模 ML 数据工程都有借鉴（可对标数据版本工具 DVC/LakeFS 的思路）。

7.8 社区参与与未来方向

MICrONS 是一个活的、仍在增长的资源，社区可参与的方向包括：

突触类型识别：判定突触属兴奋性还是抑制性。
自动化校对：利用 CAVE 的编辑历史作为训练数据，提升自动校对能力。
超微结构特征检测：线粒体、致密核心囊泡、棘器、血管等结构的自动识别。
细胞分型细化：持续优化分类体系与预测模型。
共配准自动化：目前以手动为主，自动化是重要方向。

希望获得数据集更新通知、校对支持或合作资金的研究者，可通过 VORTEX（BRAIN Initiative 资助）项目申请。

§8 方法学启示：四条可迁移的经验

8.1 功能-结构联合的价值大于各自规模之和

MICrONS 的突破不在"细胞更多"或"突触更多"，而在于功能与结构发生在同一批细胞上。这提供了方法论启示：AI-Ready 数据集的价值，往往来自跨模态对齐而非单模态规模。当一个数据集能把"输入-响应"与"内部结构"绑定，它才能支撑因果性而非仅相关性的问题。

8.2 版本控制是超大规模数据集的生存条件

25,000 层切片、PB 级体量、社区持续校对——没有版本控制，这样的资源会迅速陷入"谁改了什么、哪版可复现"的混乱。MICrONS 用 PyChunkedGraph 的编辑历史机制把"活资源"管理得可追溯。可迁移经验：任何需要长期演进的大数据集，都应在架构层面内置溯源与版本锚点。

8.3 人工校对是不可省略的一环

全自动重建在突触级仍会产生大量错误，MICrONS 投入大量人工校对来保证子集的可靠性。这揭示了一个现实：当下最先进的连接组重建仍是"AI 重建 + 人工校对"的混合流程，标注质量而非算法新颖度决定数据可用性。这与医学影像标注领域"专家终审不可省"的经验高度一致。

8.4 分层可获取性是大数据集的通行设计

PB 级资源无法"一次给全"，MICrONS 采用"完全开放层 + 注册层 + 申请层"的分层设计。可迁移经验：设计 AI-Ready 数据集时，应同时提供派生摘要产品（如节点/边属性表）与原始数据入口，让不同算力与需求的用户各取所需，而非只给原始体素。

8.5 单被试设计的取舍

MICrONS 的全部数据来自一只小鼠，这是它的力量也是它的边界。力量在于：单被试让功能-结构配对在个体内部完全自洽，没有跨个体配准误差。边界在于：无法评估个体差异，结论的群体泛化性未知。这一设计启示研究者：对"机制性"问题，单被试深度剖面可能优于大队列浅剖面；对"分布性"问题则相反。

8.6 跨机构协作的工程范式

MICrONS 由三家主导机构分工（功能记录、电镜成像、AI 重建），150+ 科学家参与。这种分工能成立，依赖两个工程前提：①统一的数据格式与共享服务（CAVE/BossDB/云桶）；②清晰的数据交接规范（功能与结构在同一坐标系统下共配准）。对任何跨机构的大数据项目，这两条都是可迁移的组织经验。

8.7 从"资源"到"发现"的加速器

MICrONS 的一大策略是先发布资源 + 工具 + 派生模型，再让社区在其上做发现。10 篇论文同期发表即是明证：资源方（论文 1）与发现方（论文 2-11）几乎同步。这种"资源即平台"的模式，比传统"先发数据、若干年后再出结论"节奏更快，也更能放大数据集的影响力。

§9 与库内条目的关系

9.1 家族图谱

MICrONS 在千方病案医数集库内属于神经科学与脑图谱家族，可互链条目如下：

库内条目	rid	关系
allen-brain-atlas	275	同机构（Allen Institute）小鼠脑图谱，参考谱系近邻
bigbrain	285	人脑高分辨率图谱，同类立方毫米级重建方法谱系
human-connectome-project	95	人连接组计划，宏观连接组学
1000-functional-connectomes	295	功能连接组学（MRI 尺度），功能端近邻
ixi-brain	482	人脑 MRI 图谱，脑影像邻居
healthy-brain-network	245	健康脑网络，脑影像邻居
brain-slab-seg-3d	972	脑组织切片 3D 分割，方法学近邻

9.2 检索路径建议

想找哺乳动物连接组：MICrONS（本条目）→ allen-brain-atlas（275）→ bigbrain（285）。
想找功能连接组学：MICrONS（本条目）→ 1000-functional-connectomes（295）→ healthy-brain-network（245）。
想找脑图谱方法学：bigbrain（285）的切片重建方法与 MICrONS 的 EM 重建可对照阅读。

9.3 边界声明

MICrONS 与 allen-brain-atlas（275）同源不同物：前者是小鼠视皮层单被试功能连接组，后者是小鼠脑参考图谱，勿合并。
MICrONS 与果蝇全脑连接组（FlyWire，库内若存在则为独立条目）物种与脑区不同，勿混。
MICrONS 立方毫米数据集是其 Phase 1（L2/3 数据集）的升级版，若库内存在 Phase1 条目应注明版本关系（本条目写作时库内未见 Phase1 独立条目）。

9.4 建议互链点（供主会话入库后回填）

本条目在正文 §9.1 列出可互链的库内条目。按 R018 教训，互链 rid 不写死猜测值，正文以"条目名 + 库内已知 rid"表述；若目标条目的 rid 需在入库后确认，由主会话统一回填。

建议互链（条目名 + 已知 rid）：

allen-brain-atlas（rid 275）
bigbrain（rid 285）
human-connectome-project（rid 95）
1000-functional-connectomes（rid 295）
ixi-brain（rid 482）
healthy-brain-network（rid 245）
brain-slab-seg-3d（rid 972）

§10 避坑清单：八个已踩过的坑

坑 1：体积数字拼凑错误。 官网写 1.4 × 0.87 × 0.84 mm，论文写 in vivo 1.3 × 0.87 × 0.82 mm³。最危险的是把两套口径的数字混着用，写出"1.4×0.87×0.82"这种四不像。务必整组引用，并标注来源。

坑 2：把动态分割当静态快照用。 minnie65_public 是持续演进的动态分割，segment_id 会随校对改变。用它做分析而不锚定版本，论文无法复现。复现必须锚定静态版本（如 v1300）。

坑 3：误以为有显式 CC 许可证。 MICrONS 论文自述"open-access resource"，官网却没有 CC-BY 等许可证文本。默认它是 CC-BY 可能导致合规问题。引用前核对论文声明与云桶条款。

坑 4：以为数据可以一键下载。 1.6 PB 体量没有全集下载按钮。必须用 CloudVolume/CAVEclient 按坐标范围程序化拉取，或直接使用官网的派生分析表。

坑 5：忽略共配准的覆盖度限制。 并非每个功能性神经元都能配到解剖重建（手动共配准仅覆盖 15,439 个唯一神经元）。做功能-结构关联前先核查配对覆盖率。

坑 6：把"约 12 万神经元"与"约 8.4 万神经元"当矛盾。 这两个数字来自不同口径（解剖统计 vs 新闻转述），并非数据错误。引用时注明来源，避免自行"修正"。

坑 7：混淆 MICrONS 与 Allen Brain Atlas。 两者同机构但完全不同资源（连接组 vs 参考图谱）。检索与引用时勿张冠李戴。

坑 8：忘记标注访问版本与日期。 MICrONS 是活资源（当前 Public Data Release version 1926）。只写"MICrONS dataset"不足以复现。正式引用写全：分割版本 + 共配准表版本 + 功能数据库版本 + 访问日期。

§11 总结

11.1 三句话总结

MICrONS 是首个跨多脑区的哺乳动物皮层功能-结构联合连接组：在同一只 P87 小鼠的约一立方毫米视皮层上，同时提供了钙成像视觉响应与电镜突触级结构。
规模约 20 万细胞、约 12 万神经元、5.23 亿突触、约 1.6 PB，覆盖 VISp 全 6 层与 LM/AL/RL 三个高级区，是迄今最大的多模态连接组学数据集。
开放获取但门槛分层：EM 图像与静态分割公开可取，动态网格与突触表需 CAVE 注册，官网无显式 CC 许可证，使用须引用主论文。

11.2 适合谁

连接组学研究者：突触级连接数据 + 校对状态，可直接做布线规则研究。
计算神经科学家：功能-结构配对数据，研究响应与连接的因果关系。
细胞类型学研究者：形态、连接、转录组跨模态标尺。
AI / 神经形态计算团队：数据集附带 Digital Twin 与基础模型，可对标预测任务。
脑图谱方法学研究者：PB 级数据的版本控制与协作范式值得借鉴。

11.3 不适合谁

需要人群或临床数据者：MICrONS 是单只小鼠的基础神经科学资源，无人类患者、无疾病标注。
需要开箱即用、低算力消费的数据者：PB 级体量与异构格式对基础设施要求高。
需要明确商业许可者：官网无显式 CC 许可证，商用前须自行确认合规。

11.4 30 秒决策卡

你的需求	建议动作
只想看可视化	直接开 microns-explorer.org 的 Neuroglancer 视图
想下分割做算法	用 CloudVolume 取静态快照 v1300
想刷突触连接	注册 CAVE + 用 CAVEclient 查注释表
想做功能-结构关联	先查共配准表覆盖率（manual_v4）
想复现论文	锚定静态版本 + 共配准表版本 + 数据库版本 + 访问日期

FAQ（高频问答 28 问）

A. 基础认知

A1：MICrONS 缩写什么？ Machine Intelligence from Cortical Networks（从皮层网络到机器智能），IARPA 资助的脑逆向工程项目。

A2：它和普通"脑图谱"有何不同？ 普通图谱多为结构参考（如 Allen Brain Atlas）；MICrONS 是功能 + 结构联合的连接组，重点在连接与响应的对应。

A3：为什么叫"立方毫米数据集"？ 因为数据覆盖约一立方毫米的皮层体积。

A4：被试是几只小鼠？ 一只 P87 小鼠，单被试。

A5：谁主导？ 艾伦脑科学研究所 + 普林斯顿大学 + 贝勒医学院，IARPA 协调，150+ 科学家。

A6：什么时候发布的？ 论文 2025 年 4 月 9 日发表于 Nature，同期发表 10 篇论文专辑。

A7：主论文 DOI？ 10.1038/s41586-025-08790-w（Nature 640(8058):435-447，PMID 40205214）。

A8：跟 Francis Crick 有什么关系？ Crick 1979 年断言无法解析一立方毫米脑组织布线图，MICrONS 首次实现了它。

B. 数据与规模

B1：多少细胞？ 约 200,000 个细胞。

B2：多少神经元？ 约 120,000 个（解剖口径）；约 84,000 见于部分新闻（不同统计口径）。

B3：多少突触？ 约 5.23 亿（自动检测），论文摘要取整为 0.5 billion。

B4：多大体积？ 官网 1.4 × 0.87 × 0.84 mm；论文 in vivo 1.3 × 0.87 × 0.82 mm³。

B5：数据量多大？ 约 1.6 PB（新闻口径），部分报道记约 1 PB。

B6：覆盖哪些脑区？ VISp 全 6 层 + VISlm/VISrl/VISal（LM/AL/RL）。

B7：有多少功能记录？ 115,372 个 ROI，约 75,902 个估算神经元。

B8：轴突多长？ 约 4 km（一说 5.4 km，双口径）。

C. 采集与技术

C1：功能怎么记录？ 双光子钙成像，清醒小鼠观看自然与合成刺激。

C2：结构怎么成像？ 串行切片透射电镜，约 25,000 层超薄切片。

C3：谁做重建？ 普林斯顿团队用卷积网络 + 自研计算系统重建。

C4：重建准吗？ 自动重建会出错，MICrONS 投入大量人工校对，但仅覆盖子集。

C5：功能与结构怎么对上？ 通过共配准表（手动 manual_v4 为主，自动为辅）。

C6：为什么需要 microCT？ 用于辅助对齐（2P 结构图像与 EM 图像）。

D. 获取与许可

D1：门户在哪？ microns-explorer.org（MICrONS Explorer）。

D2：免费吗？ 开放获取，公开云桶可取；但部分数据需 CAVE 注册。

D3：有 CC 许可证吗？ 官网无显式 CC 文本，论文自述 open-access resource。

D4：怎么引用？ 引用主论文 10.1038/s41586-025-08790-w。

D5：能一键下载吗？ 不能，PB 级需用工具链按需拉取。

D6：用什么工具？ CloudVolume、CAVEclient、Neuroglancer、MeshParty、BossDB/intern、DataJoint。

D7：桶在哪？ AWS bossdb-open-data 与 Google Cloud iarpa_microns，另经 BossDB。

D8：怎么申请校对支持？ 通过 VORTEX（BRAIN Initiative 资助）申请。

E. 版本与复现

E1：最新发布版本？ Public Data Release version 1926（官网首页）。

E2：最新静态分割？ v1300（2025-01-13）。

E3：动态分割叫什么？ minnie65_public（PyChunkedGraph/graphene）。

E4：动态与静态差别？ 动态含完整编辑历史、持续更新；静态冻结可复现。

E5：骨骼版本？ v661（含 skeletons/meshworks/metadata）。

E6：共配准表版本？ manual_v4 + auto_phase3_fwd_v2 + apl 自动。

E7：功能数据库版本？ database_v8（约 97 GB）。

E8：为什么要标注访问日期？ 因为是活资源，版本推进会改变 segment_id。

F. 科学发现与生态

F1：最重要的发现？ 抑制性细胞呈高度选择性、协调化的抑制模式。

F2：like-to-like 是什么？ 响应相似的神经元倾向互连的通用布线规则。

F3：Digital Twin 是什么？ 预测视觉反应的神经网络模型，可估计方向选择性等属性。

F4：发了几篇论文？ Nature 系列 10 篇（2025 年 4 月）。

G. 二次开发与坑

G1：能直接拿来做机器学习训练吗？ 可以，但需先用工具链拉取并转格式；PB 级体量对小团队不友好，建议先用派生属性表。

G2：怎么知道哪些细胞被人工校对过？ 查校对状态表（proofreading_status_and_strategy）。

G3：为什么我的 segment_id 过几天变了？ 因为你用了动态分割；改用静态快照（如 v1300）可固定。

G4：功能数据能直接对应到细胞吗？ 只有通过共配准表匹配上的子集可以（manual_v4 覆盖 15,439 唯一神经元）。

G5：有没有预训练模型可用？ 有，Digital Twin / 神经活动基础模型，代码在 github.com/cajal/fnn。

G6：血管数据在哪？ TriSAM 分割，s3://bossdb-open-data/wei2024/minnie/bv。

G7：能拿到转录组数据吗？ MICrONS 主要提供连接与形态，转录组关联体现在 Sst 相关论文（Patch-seq），原始单细胞数据见配套论文。

G8：许可能商用吗？ 官网无显式 CC 文本，商用前须向数据方书面确认。

G9：中文社区怎么找资料？ 科技日报/中国网等有中文报道；一手资料仍以官网与论文为准。

G10：MICrONS 会更新吗？ 会，动态服务持续发布新版本（当前 Public Data Release version 1926）。

事实清单（硬事实 32 条）

官方全称：Machine Intelligence from Cortical Networks（MICrONS）。
数据集名：Functional Connectomics Spanning Multiple Areas of Mouse Visual Cortex。
主导机构：Allen Institute + Princeton + Baylor。
资助方：IARPA MICrONS program。
联盟规模：150+ 科学家。
被试：1 只 P87 小鼠。
主论文：Nature 2025;640(8058):435-447。
DOI：10.1038/s41586-025-08790-w。
PMID：40205214。
PMCID：PMC11981939。
发表日：2025-04-09。
论文专辑：Nature 系列 10 篇。
体积（官网）：1.4 × 0.87 × 0.84 mm。
体积（论文 in vivo）：1.3 × 0.87 × 0.82 mm³。
细胞总数：约 200,000。
神经元（解剖）：约 120,000。
神经元（新闻口径）：约 84,000。
钙成像神经元：约 75,000。
功能 ROI：115,372。
功能估算神经元：约 75,902（论文 75,909 L2-5 锥体）。
突触：约 5.23 亿（论文取整 0.5 billion）。
数据量：约 1.6 PB（一说约 1 PB）。
轴突长度：约 4 km（一说 5.4 km）。
相对 Phase 1：约 400 倍。
覆盖脑区：VISp 全 6 层 + VISlm/VISrl/VISal。
技术：双光子钙成像 + 串行切片 TEM + microCT。
切片层数：约 25,000 层。
最新静态分割：v1300（2025-01-13）。
动态分割：minnie65_public（含完整编辑历史）。
最新发布版本：Public Data Release version 1926。
门户：microns-explorer.org。
核心发现：抑制性细胞高度选择性、协调化连接。

术语表（28 条）

MICrONS：Machine Intelligence from Cortical Networks，IARPA 资助的脑逆向工程项目。
功能连接组学（functional connectomics）：联合功能记录与结构连接的研究范式。
VISp：primary visual cortex，初级视觉皮层。
VISlm / VISal / VISrl：三个高级视觉区（lateromedial / anterolateral / rostrolateral）。
minnie65：MICrONS 立方毫米数据集的动态分割体名称。
钙成像（calcium imaging）：用钙敏荧光蛋白代理神经元活动的成像方法。
双光子显微镜（two-photon microscopy）：深层组织荧光成像技术。
串行切片透射电镜（serial section TEM）：逐层切片并电镜成像以重建 3D 结构。
突触（synapse）：神经元间连接点。
校对（proofreading）：人工修正自动重建错误。
PyChunkedGraph：管理动态分割与编辑历史的服务。
graphene：Neuroglancer 用于动态分割的协议。
CAVE：Connectome Annotation Versioning Engine，注释版本化引擎。
CAVEclient：查询 CAVE 注释表的 Python 客户端。
BossDB：JHU-APL 的大规模图像与分割数据服务。
CloudVolume：程序化拉取云桶体素数据的 Python 库。
Neuroglancer：浏览器体数据可视化工具。
MeshParty：细胞网格处理库。
DataJoint：关系型数据库模式与查询框架。
共配准（co-registration）：把功能图像与结构图像对齐到同批细胞。
m-type：形态学细胞类型（morphological type）。
Patch-seq：结合膜片钳、形态与单细胞测序的技术。
Sst：生长抑素（somatostatin）阳性抑制性神经元。
like-to-like：响应相似神经元倾向互连的布线规则。
Digital Twin：预测神经活动的数字孪生模型。
基础模型（foundation model）：大规模预训练的神经活动预测模型。
VORTEX：Virtual Observatory of the Cortex，BRAIN Initiative 资助的数据推广项目。
IARPA：美国情报高级研究计划局。

附录

附录 A：条目信息速查卡

字段	值
slug	microns
官方名	MICrONS
主论文	Nature 2025;640(8058):435-447
DOI	10.1038/s41586-025-08790-w
门户	https://www.microns-explorer.org/
库内 category_tags	神经科学 / 脑影像 / 多模态 / 单细胞基因组学 / 评测基准
被试	单只 P87 小鼠
规模	约 20 万细胞 / 约 12 万神经元 / 5.23 亿突触
许可	开放获取（官网无显式 CC 文本），须引用主论文

附录 B：DAIMS 评估全表

DAIMS（Data Asset Inventory Metadata Standard）用于评估数据集的 AI-Ready 成熟度：

维度	评级	说明
数据可发现性（Discoverability）	高	官网 + 论文 + 云桶，入口清晰
数据可访问性（Accessibility）	中高	分层门槛：公开桶 + CAVE 注册 + VORTEX 申请
数据互操作性（Interoperability）	高	Neuroglancer/CAVE/DataJoint 标准工具链，多格式并存
数据可重用性（Reusability）	高	动态+静态分割、完整编辑历史、教程齐全
许可清晰度（License Clarity）	中	论文自述开放获取，但官网无显式 CC 许可证文本
文档完备度（Documentation）	高	教程站 + notebooks + 静态仓库清单
版本可追溯性（Versioning）	高	静态版本链 + 动态编辑历史，业界范例
标注质量（Annotation Quality）	中高	人工校对仅覆盖子集，自动重建含错误
规模与代表性（Scale & Coverage）	中	单被试、单脑区局部，代表性有限
AI 就绪度（AI-Readiness）	中高	有派生模型与属性表，但 PB 级接入成本高

综合判断：MICrONS 是"研究价值极高、工程接入门槛中高、许可清晰度偏弱"的典型基础神经科学资源。它的开放性在科学社区内是充分的，但对要求显式许可证的商用或严格合规场景，需要额外确认。

附录 C：数据获取决策树

你的目标是什么？
├─ 只想看看 / 做展示
│   └─ 直接打开 microns-explorer.org 的 Neuroglancer 交互视图
├─ 要下载神经元形态做形态学分析
│   └─ 用 CloudVolume + MeshParty，锚定静态分割 v1300
├─ 要突触级连接
│   └─ 注册 CAVE → 用 CAVEclient 查 synapse 注释表
├─ 要功能-结构配对数据
│   └─ 先查 coregistration_manual_v4 覆盖率 → 取配对子集
├─ 要功能响应数据
│   └─ 下载 functional_data_database_container_image_v8.tar（约 97GB）
├─ 要用预训练模型
│   └─ 取 digital_twin_properties v2（约 32GB）+ github.com/cajal/fnn
└─ 要复现某篇论文
    └─ 查该论文 Methods 指定的分割/共配准/数据库版本 + 访问日期

附录 D：云桶与资源清单（节选）

资源	AWS 路径	Google 路径
EM 图像 minnie65	s3://bossdb-open-data/iarpa_microns/minnie/minnie65/em	gs://iarpa_microns/minnie/minnie65/em
EM 图像 minnie35	s3://bossdb-open-data/iarpa_microns/minnie/minnie35/em	gs://iarpa_microns/minnie/minnie35/em
静态分割 v117	…/minnie65/seg	…/minnie65/seg
静态分割 v1300	—	gs://iarpa_microns/minnie/minnie65/seg_m1300
核分割	…/minnie65/nuclei	…/minnie65/nuclei
骨骼 v661	s3://bossdb-open-data/iarpa_microns/minnie/minnie65/skeletons/v661/	—
功能扫描	s3://bossdb-open-data/iarpa_microns/minnie/functional_data/two_photon_functional_scans	gs://…/two_photon_functional_scans
刺激影片	s3://…/functional_data/stimulus_movies	gs://…/stimulus_movies
数字孪生 v2	s3://…/functional_data/digital_twin_properties/v2/	—
功能连接组分析	s3://…/functional_data/functional_connectomics/node_and_edge_properties/v1/	—
血管分割	s3://bossdb-open-data/wei2024/minnie/bv	—

动态分割入口：graphene://https://minnie.microns-daf.com/segmentation/table/minnie65_public

附录 E：静态分割版本链总表

版本	日期	说明
v117	2021-06-11	早期快照
v343	2022-02-22	—
v661	—	骨骼数据基于此版本
v785	—	连通性分组 connectivity_groups_v795 附近
v943	2024-01-22	—
v1078	—	—
v1181	—	—
v1300	2025-01-13	最新静态快照

附录 F：共配准表清单

表名	类型	覆盖
coregistration_manual_v4	手动	19,181 匹配 / 15,439 唯一神经元
coregistration_auto_phase3_fwd_v2	自动	更广覆盖
apl_functional_coreg_vess_fwd	自动（血管辅助）	—
coregistration_auto_phase3_fwd_apl_vess_combined_v2	合并	—
digital_twin_properties_bcm_coreg_v4	手动（孪生用）	—
digital_twin_properties_bcm_coreg_auto_phase3_fwd_v2	自动（孪生用）	—

附录 G：细胞类型注释表清单

表名	性质
allen_v1_column_types_slanted_ref	手动参考分类
aibs_column_nonneuronal_ref	非神经元手动参考
allen_column_mtypes_v2	无监督形态聚类（m-types）
connectivity_groups_v795	连接性分组
aibs_metamodel_mtypes_v661_v2	数据集范围形态预测
nucleus_neuron_svm	胞体-核 SVM 分类
aibs_soma_nuc_metamodel_preds_v117	胞体-核预测
aibs_metamodel_celltypes_v661	细胞类型元模型预测
baylor_log_reg_cell_type_coarse_v1	兴奋/抑制粗分类
baylor_gnn_cell_type_fine_model_v2	GNN 精细分类

附录 H：CloudVolume 拉取骨架（示意）

# 拉取 minnie65 静态分割 v1300 的某坐标范围体素
from cloudvolume import CloudVolume

# 注意：实际路径与参数请以官方 Tutorials 为准
vol = CloudVolume(
    "precomputed://gs://iarpa_microns/minnie/minnie65/seg_m1300",
    use_https=True,
)
# 输出某段的网格
mesh = vol.mesh.get(segment_id)

说明：以上为示意骨架，非可直接运行的完整脚本；真实坐标范围、云桶路径与鉴权以 microns-explorer.org 与 tutorial.microns-explorer.org 为准。

附录 I：CAVEclient 查询骨架（示意）

# 查询某个细胞的突触输入/输出（需先完成 CAVE 注册）
from caveclient import CAVEclient

client = CAVEclient("minnie65_public")
# 取该细胞的所有突触前连接
syn = client.materialize.query_table(
    "synapses_pni_2",
    filter_equal_dict={"post_pt_root_id": root_id},
    limit=1000,
)

说明：以上为示意骨架，表名与字段以 CAVE 数据表为准。

附录 J：功能数据访问骨架（示意）

# 功能数据以 MySQL 容器分发（DataJoint 模式），约 97GB
# 下载容器镜像
# https://bossdb-open-data.s3.amazonaws.com/iarpa_microns/minnie/functional_data/
#   two_photon_processed_data_and_metadata/database_v8/
#   functional_data_database_container_image_v8.tar
# 启动后用 DataJoint 连接并查询 scan/unit 表

附录 K：主论文关键段落原义（中文转述）

引言引用 Francis Crick 1979 年的断言：“为一立方毫米脑组织画出精确布线图及其全部神经元放电方式，是徒劳地要求不可能之事。”
摘要核心：约 75,000 个神经元的高密度钙成像 + 含 20 万以上细胞、0.5 billion 突触的电镜重建，共配准。
数据集以开放获取资源形式发布，附带数据检索与分析工具。
结论：识别出信息在视觉空间整合的新计算原理、新型神经元不变性，并揭示兴奋性神经元在区内与跨区连接的通用规则。

附录 L：与库内 PANDA-PLUS 模式的对照

维度	MICrONS	PANDA-PLUS（库内金标准）
数据类型	神经科学连接组（多模态）	病理 WSI 图像
许可	开放获取，无显式 CC	三层异构，含 CC BY-4.0
数据量	约 1.6 PB	数十 GB
获取方式	云桶程序化拉取 + CAVE 注册	Kaggle + 请求制 + HF
被试/来源	单只小鼠	546 WSI
AI-Ready 特点	派生模型 + 属性表	衍生基准 Bench

对照价值：两者都展示了"原始数据 + 派生可用产品"的双轨设计，但 MICrONS 的规模把工程接入门槛推到另一个量级。

附录 M：来源 URL 存照

内容	URL
官网主页	https://www.microns-explorer.org/
立方毫米数据页	https://www.microns-explorer.org/cortical-mm3
主论文 DOI	https://doi.org/10.1038/s41586-025-08790-w
PubMed	https://pubmed.ncbi.nlm.nih.gov/40205214/
PMC	https://pmc.ncbi.nlm.nih.gov/articles/PMC11981939/
教程站	https://tutorial.microns-explorer.org/
功能数据仓库	https://github.com/cajal/microns_phase3_nda
Digital Twin 代码	https://github.com/cajal/fnn
地面真值分割	https://doi.org/10.5281/zenodo.5760218
CAVE 条款	https://global.daf-apis.com/sticky_auth/api/v1/tos/2/accept

附录 N：双口径冲突全表

指标	口径 A	口径 B	本条目表述
体积	官网 1.4×0.87×0.84 mm	论文 1.3×0.87×0.82 mm³	并列，禁止拼凑
突触	官网 5.23 亿	论文 0.5 billion	约 5.23 亿（取整 0.5B）
神经元	官网约 12 万	新闻约 8.4 万	以官网为主，注双口径
数据量	1.6 PB	约 1 PB	以 1.6 PB 为主
轴突长	约 4 km	约 5.4 km	双列存照
功能细胞	官网约 75,000 / 75,902	论文 75,909	双列存照

附录 O：许可条款细读

论文声明：摘要明确 “Released as an open-access resource”。
官网：未提供显式 CC 许可证文本；页面称数据由 AWS/Google/BossDB “graciously” 托管。
引用要求：必须引用主论文。
注册要求：动态网格、突触连接等需 CAVE 注册并接受条款。
地面真值分割：Zenodo 发布，遵循 Zenodo 平台条款。
实操建议：学术使用按"开放获取 + 引用"处理；商用或再分发前，向数据提供方（Allen Institute / MICrONS Consortium）书面确认。

附录 P：常见误区速查

误区	正解
以为是人群/临床数据集	是单只小鼠的基础神经科学资源
以为有 CC-BY 许可证	官网无显式 CC 文本，须单独确认
以为能一键下载	PB 级需工具链按需拉取
以为有功能数据的细胞都能配对	仅共配准匹配子集可配对
以为动态分割可复现	需锚定静态版本
以为 12 万与 8.4 万矛盾	不同统计口径，非数据错误
以为是全脑图谱	仅视皮层局部立方毫米
以为与 Allen Brain Atlas 是同一资源	同机构但不同数据集

附录 Q：一次完整引用的要素清单

正式引用 MICrONS 时，建议写全以下要素：

主论文：The MICrONS Consortium, et al. Nature 640(8058):435-447 (2025). doi:10.1038/s41586-025-08790-w。
数据门户：https://www.microns-explorer.org/。
分割版本：如 v1300（静态）或 minnie65_public v（动态）。
共配准表版本：如 coregistration_manual_v4。
功能数据库版本：如 database_v8。
访问日期：如访问于 2026-10-16。
许可说明：开放获取（论文自述），须引用主论文。

写全这七项，他人才能真正复现你的分析。

附录 R：适合的引用场景举例

场景	推荐引用表述
论文方法部分	“我们使用 MICrONS 立方毫米数据集（v1300 静态分割，database_v8 功能数据）……”
教学演示	“MICrONS 是首个跨多脑区的小鼠皮层功能连接组，官网提供交互可视化……”
数据集综述	“MICrONS（约 20 万细胞 / 5.23 亿突触 / 1.6 PB）由艾伦研究所等联盟构建……”
合规审查	“该资源论文自述开放获取，官网无显式 CC 许可证，使用须引用主论文……”

附录 S：术语中英对照速查

中文	英文
功能连接组学	functional connectomics
双光子钙成像	two-photon calcium imaging
串行切片透射电镜	serial section transmission electron microscopy
校对	proofreading
共配准	co-registration
分割	segmentation
突触	synapse
兴奋性/抑制性神经元	excitatory / inhibitory neuron
细胞类型	cell type
数字孪生	digital twin
基础模型	foundation model
骨架	skeleton
网格	mesh

附录 T：本条目写作所依据的核心来源

官网主页与立方毫米数据页（microns-explorer.org）。
主论文摘要与正文（Nature 2025;640(8058):435-447，doi:10.1038/s41586-025-08790-w）。
PubMed/PMC 条目（PMID 40205214，PMCID PMC11981939）。
科技日报/中国网、ChinaDaily 等新闻佐证（用于交叉核对规模数字）。
中国科学院与中国工程院 2025 年度国际科技十大进展评选（定位佐证）。

维度	内容
本质	同一只小鼠视皮层立方毫米体积的功能-结构联合连接组（首个跨多脑区的哺乳动物皮层重建）
联盟	MICrONS Consortium（150+ 科学家）｜艾伦研究所 + 普林斯顿 + 贝勒医学院，IARPA 资助
主论文	Nature 2025;640(8058):435-447（doi:10.1038/s41586-025-08790-w，PMID 40205214）
被试	单只 P87 小鼠，清醒观看自然与合成视觉刺激
体积	1.4 × 0.87 × 0.84 mm（官网口径）｜论文 in vivo 1.3 × 0.87 × 0.82 mm³
规模	约 200,000 细胞、约 120,000 神经元、5.23 亿突触
功能记录	115,372 ROI / 约 75,902 估算神经元，含钙成像视觉响应
覆盖	初级视皮层 VISp 全 6 层 + 高级区 LM/AL/RL（VISlm/VISrl/VISal）
技术	双光子钙成像 + 串行切片透射电镜 + microCT + AI 重建 + 人工校对
数据量	约 1.6 PB（新闻口径）
核心发现	抑制性细胞呈高度选择性、协调化的抑制模式，非随机连接
门户	microns-explorer.org ｜动态分割 minnie65（CAVE）｜最新发布 v1926
许可	开放获取（论文自述）｜官网无显式 CC 文本｜须引用主论文｜部分数据需 CAVE 注册
库内互链	allen-brain-atlas（275）、bigbrain（285）、human-connectome-project（95）、1000-functional-connectomes（295）