mPFC-BLA与mPFC-NAc通路在情感状态表征中的功能特化数据
该数据集来自 Dryad,对应研究 mPFC→BLA 与 mPFC→NAc 通路在情感状态表征中的功能特化。研究关注内侧前额叶皮层经基底外侧杏仁核与伏隔核的连接,发现尽管整体放电模式在情绪状态间看似一致,但深入分析显示存在不同变异性:mPFC→BLA 神经元尤其是 center-ON 神经元在焦虑样

基本信息
资源简介
mPFC-BLA与mPFC-NAc通路在情感状态表征中的功能特化数据
Data from: Functional specialization of mPFC-BLA and mPFC-NAc pathways in affective state representation
该数据集来自 Dryad,对应研究 mPFC→BLA 与 mPFC→NAc 通路在情感状态表征中的功能特化。研究关注内侧前额叶皮层经基底外侧杏仁核与伏隔核的连接,发现尽管整体放电模式在情绪状态间看似一致,但深入分析显示存在不同变异性:mPFC→BLA 神经元尤其是 center-ON 神经元在焦虑样行为中活动增强,而 mPFC→NAc 神经元在探索与趋近相关行为中更活跃。数据可用于神经环路与情感状态表征研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):有效的情绪加工对适应性行为至关重要,由内侧前额叶皮层(mPFC)通过连接基底外侧杏仁核(BLA)和伏隔核(NAc)介导,传统上认为二者在调节奖赏和厌恶反应中功能相似。然而,mPFC→BLA 和 mPFC→NAc 通路在表征情感状态中的功能特化仍不清楚。我们发现,虽然整体放电模式在情绪状态间看似一致,但更深入的分析揭示了不同的变异性。具体而言,mPFC→BLA 神经元,尤其是“center-ON”神经元,在经典与焦虑样状态相关的行为中表现出活动增强,提示其参与厌恶行为调节。相反,mPFC→NAc 神经元在探索和趋近相关行为中更活跃,暗示其参与该过程
【主题与分类】
主题标签:Neuroscience、Neural circuit formation、Behavioral neuroscience。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.02v6wwqkj
使用许可:Creative Commons Zero v1.0 Universal。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://doi.org/10.5061/dryad.02v6wwqkj
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 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。
- OpenDataLab:
数据集大小约 77.9 KB。
数据说明
有效的情感加工对适应性行为至关重要,由内侧前额叶皮层(mPFC)通过其与基底外侧杏仁核(BLA)和伏隔核(NAc)的连接介导,这些连接传统上被认为在调节奖赏和厌恶反应中功能相似。然而,mPFC→BLA和mPFC→NAc通路在表征情感状态方面的功能特化仍不清楚。我们发现,尽管整体放电模式在不同情感状态下看似一致,但更深入的分析揭示了明显的变异性。具体而言,mPFC→BLA神经元,尤其是“中心-ON”神经元,在经典与焦虑样状态相关的行为中表现出活动增强,提示其参与厌恶行为的调控。相反,mPFC→NAc神经元在探索性和趋近相关行为中更为活跃,表明其参与正效价行为状态的处理。值得注意的是,mPFC→NAc神经元在社交互动中表现出显著的模式去相关,提示其在处理社交偏好中发挥关键作用。
此外,管测试中重复的胜负结果导致了明显的等级依赖性行为变化,并在失败小鼠中引起了皮质酮水平升高,这支持了这些行为定义状态的生物学相关性。这些发现共同揭示了mPFC回路中与情感相关行为状态的路径特异性表征,并为理解前额叶输出如何在不同环境背景下组织适应性行为提供了框架。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




