小鼠全脑恐惧记忆网络的化学遗传学解析数据

数据集获取

源站：https://doi.org/10.5061/dryad.86337

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 396.8 KB。

数据说明

行为依赖于多个脑区之间的协同活动。在此类网络中，高度连接的枢纽脑区被认为对行为输出具有不成比例的影响，尽管这一假设尚未得到系统评估。此前，通过绘制活动调节基因c-fos在全脑范围内的表达，我们鉴定出一个由恐惧记忆共同激活的脑区网络。为了检验枢纽脑区对网络功能更为重要这一假设，在此，我们在这一行为定义的功能网络中进行了计算机模拟的节点删除。移除高度节点产生了最大的网络破坏（例如，全局效率的降低）。为了在体内检验这些预测，我们考察了训练后化学遗传学沉默不同网络节点对恐惧记忆巩固的影响。在一系列独立实验中，涵盖了25%的网络节点（即84个脑区中的21个），我们发现节点度能够准确预测所观察到的记忆巩固缺陷，沉默高度连接的枢纽产生了最大的损害。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。