脑域数据集

域标注神经数据，供「脑功能域作为架构约束」的研究使用（hetero-moe 项目 research/brain_domains/）。

本桶同时保存两代产物：

• v1（2026-10-17）：steinmetz/ 与 flywire/ 两个子数据集，282 MB，MANIFEST.json 描述；
• v2（2026-10-20）：14 个成员 + L0–L4 处理阶梯 + 可执行核验，入口是 framework/framework.json。

两代并存，framework/ 不替代 steinmetz/ 与 flywire/，而是把它们与其他 12 个成员放进同一套 索引、同一套区身份与同一套不变量口径里。

---

先读哪里

---

规模与构成

14 个成员，来自 4 个上游数据集，全部 CC-BY-4.0。framework_index.parquet 逐对象登记 326 条记录（阶数分布：2 阶 190、3 阶 128、4 阶 4、1 阶 4）。

---

目录

brain-domains/
├── README.md              # 本文件
├── MANIFEST.json          # v1 的形状/计数/域分布/校验和
├── framework/             # v2 框架层（入口：framework.json）
│   ├── framework.json     # schema 1.3：tables / docs / entry_points / coverage
│   ├── sources.csv        # L0 来源表，12 条，含 pin
│   ├── docs/              # METHODS.md + RETRIEVAL.md（旧版四份在 docs/archive/）
│   ├── superseded/        # 6 件被推翻的产物，留档但不入索引
│   ├── l2_*.parquet       # L2 不变量（605 切片）与衰减
│   ├── slice_catalog.parquet  # L3 检索目录（1,059 行 = 605 slice + 454 区）
│   └── structure.parquet / joins.json / unit_region_registry …
├── scripts/               # 全部可复跑脚本（build_* / verify_framework.py / patch_framework_json2.py）
├── steinmetz/             # v1 子数据集
├── flywire/               # v1 子数据集
├── counts-v4/ hierarchy/ omnibrain/ omnibrain-multi/ omnibrain4d/ primate/ runs/
└── exp0 … exp38/          # 框架之前的历史实验（含 b/c 变体），原样保留供审计

---

L0–L4 阶梯与结论

L2 的四次尝试，四次都没立住——这本身是结果：

1. 可复现性质量模型：分组 5 折 AUC 0.644、置换 p<0.005。但 quality_prob 与 rho1 秩相关 +0.943，单特征 rho1 就有 0.626；按 0.50 阈值过滤保留 41% 样本， rho_half 中位从 285 ms 抬到 483 ms（1.69×）。⇒ 分数是 rho1 的重表达，只能分层。
2. 小鼠跨 session 一致性（6 个与 rho1 不共线的特征）：按区分组 AUC 0.414、p=0.89。 标签分半可靠度仅 0.497，完美特征上限 0.723 ⇒ 强效应可排除，弱效应排除不了。
3. 猕猴（先假成功）：第一版 AUC 0.761、p<0.005；查下去发现 67 个片段来自 6 个 session， 片段序号单独就有 AUC 0.810。改用同 session 内参照后 0.524、p=0.42； session 本身解释 log rho_half 方差 **59.3%**。旧产物保留并标 superseded。
4. 原始 spike times / ISI：M1 的 ISI 违反率是 PMd 的 1.44×，但速率校正后差距几乎不变 （+0.0079 → +0.0078）⇒ 不是放电率造成的假象。同时发现常用阈值「>2% 即污染」在这批数据上失效： 27–29 Hz 下泊松期望本身就有 5.5%，按 2% 判会把 46% 单元误判。

区级结果（用逐单元真标签，l2_region_invariants.parquet）

• 猕猴 PMd vs M1：rho_half 中位 623.0 vs 496.4 ms = 1.20×，64/67 个片段同向（符号检验 p=6.8e-16）。 但这是电极位置层面的差异——上游论文自己写明 M1-like 单元常出现在 caudal PMd，反之亦然。
• 小鼠 68 区 / 276 cell：rho_half 中位从 90 ms（CA1）到 488 ms（MOs），约 5 倍； 区效应 R²(region|session) = 0.354，session 内置换 p=0.0002（零分布中位就有 0.225，有过拟合成分）。
• 跨物种（等样本量匹配）：小鼠 361.7 ms vs 猕猴 564.3 ms = 1.56×（CI 1.18–2.01）。

---

⚠️ 使用前必读：三个会让人得出错误结论的坑

1. 猕猴「单元」可能是电极级群体信号。 上游是 96 电极 × 2 阵列，论文写的是 146 / 218 个 single isolation（single 与 multi-unit 混合）。27–29 Hz 的放电率与偏高的 ISI 违反率都与 「电极级群体信号」一致。所有猕猴结论都应在此前提下读。
2. FlyWire 的区标签与连接组特征同源（在哪个区就决定和谁连接）⇒ 用连接组预测脑区接近同义反复。 flywire/node_features.parquet 已显式分成 safe（6 列粗粒度统计）与 leaky（12 列递质加权总量）两组， 任何「域结构有用」的结论必须用 safe 组 + 随机标签对照得出。
3. PR（participation ratio）不能跨成员比较。 成员之间的单元轴不共享、窗长与预处置不同， 跨成员只能比 L2 不变量（rho_half / tau / 不变量比值），不能比 PR。

---

已知限制

1. 神经元数按 session 变化（326–1,240），跨 session 联合建模需对齐策略。
2. 域在 session 间分布不均（每 session 仅 2–9 个域），LODO 需先取跨 session 交集。
3. Steinmetz 为 50 ms 分箱，不适合毫秒级时间动态研究。
4. FlyWire 无时间维度（静态连接组）。
5. Steinmetz 与 FlyWire 两代子集均不含行为标签，不能直接做「域 × 行为」联合分析。
6. 人类颅内（FALCON）没有电极表。 H2（000950）有代码级证据：preproc/h2_preproc.py 全文既无 add_electrode 也无 add_unit，只写 20 ms 分箱的 binned_spikes，所以这批 「单元」实为分箱矩阵的列号，不是 sorted unit。H1（000954）同样观测到无电极表， 但生成它的导出脚本在 falcon-challenge 仓库里没找到，只有观测证据、没有代码证据。 两者都没有解剖定位（区间标签记作 unknown）。
7. 论文本体 6 篇全部有 PDF，其中 4 篇另有预印本 PDF：steinmetz2019、dandi000130、flywire、 things-eeg2 从 bioRxiv 预印本补上；dandi000070（2012 年 Nature，无预印本） 由机构订阅取得 PMC 作者手稿，该 PDF 为 HHS Author Manuscript、非 CC-BY，仅限学术研究用途。 逐篇状态、预印本 DOI 与确认来源见 framework/papers_oa_status.csv。
8. dandi000954 只有 draft 且 status=Invalid，无已发布版本可固定（degraded）。

---

上游来源与许可

本数据集为上述来源的再加工（区域归并、切分提取、特征聚合、不变量计算），沿用 CC-BY 4.0。 逐条版本固定见 framework/sources.csv；署名与引用要求另见 illusion-brain/training-data 桶的 ATTRIBUTION.md。