MCMC-Generated Neuronal Models for cAC, bNAC, and L5PC Cell Types with Features, Parameters, and Scores

The dataset consists of three CSV files, each corresponding to one neuronal cell type: cAC.csv – continuous accommodating interneurons bNAC.csv – burst non-accommodating interneurons L5PC.csv – layer 5 pyramidal cells In each file, one row corresponds to a single neuronal model generated via Markov Chain Monte Carlo (MCMC) sampling (Arnaudon et al. 2023). The columns include: Feature values – electrophysiological properties extracted from model simulations (e.g., spike frequency adaptation, action potential width). Parameter values – biophysical model parameters (e.g., ion channel conductances, membrane properties). Normalized parameter values – parameter values scaled to facilitate comparison across models and cell types. Cost – quantitative metrics representing the match between simulated and target electrophysiological features.本数据集包含三个CSV格式文件，分别对应一种神经元细胞类型： cAC.csv —— 持续适应性中间神经元（continuous accommodating interneurons） bNAC.csv —— 爆发式非适应性中间神经元（burst non-accommodating interneurons） L5PC.csv —— 第五层锥体神经元（layer 5 pyramidal cells） 各文件中的每一行均对应一个通过马尔可夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）采样生成的单个神经元模型（Arnaudon等人，2023）。文件中的列信息包含以下四类： 1. 特征值：从模型仿真过程中提取的电生理特性（例如，放电频率适应、动作电位宽度）； 2. 参数值：生物物理模型的相关参数（例如，离子通道电导、膜特性）； 3. 归一化参数值：经过缩放处理的参数值，以方便不同模型与细胞类型间的对比； 4. 代价（Cost）：表征仿真所得电生理特征与目标电生理特征匹配程度的量化指标。