数据集概述
本数据集是发表于Nature的论文“Stochastic synaptic plasticity underlying compulsion in an addiction model”（Pascoli 2018）的配套数据，包含17个文件，以.xlsx格式为主（14个），涵盖聚类分析、突触生理学、行为学测试等实验数据，用于支撑论文中的图表及补充图表结果，涉及成瘾模型中的突触可塑性、行为学表现等核心研究内容。
文件详解
- 数据文件（共14个.xlsx格式）
- 包含图表对应数据：如Fig 1b_Rate Acquisition and Punishment sessions.xlsx（获取率与惩罚阶段数据）、Fig 5_LTP 20 Hz.xlsx（20Hz长时程增强数据）、Ext. Fig 9_LTD 10 Hz.xlsx（10Hz长时程抑制数据）等
- 行为学与突触生理学数据：如Fig 1 e和Ext. Fig 4c_Progressive Ratio.xlsx（累进比率实验数据）、Fig 4,5 and Ext. Fig 7,8,9,10_Synaptic Physiology.xlsx（突触生理学综合数据）
- 其他格式文件（共3个）
- Fig 3cd_FPM_Ex Mo.xlsb（.xlsb格式，FPM实验数据）
- Ext. Fig 3_DATA for Clustering（聚类分析数据）
- Fig 1 and Ext. Fig 4_Perseverance vs Baseline rate（持续性与基线率对比数据）
数据来源
Nature论文“Stochastic synaptic plasticity underlying compulsion in an addiction model”（Pascoli 2018，DOI:10.1038/s41586-018-0789-4）
适用场景
- 神经科学研究：分析成瘾模型中随机突触可塑性的机制及其与强迫行为的关联
- 突触生理学分析：利用LTP、LTD及突触生理学数据，研究神经突触的功能变化
- 行为学实验数据分析：通过获取率、惩罚阶段、累进比率等数据，探究成瘾模型的行为学特征
- 医学研究支撑：为成瘾相关疾病的发病机制研究提供实验数据支持
- 聚类分析应用：基于聚类数据探索成瘾模型中神经或行为数据的分组规律
