CEBRA

CEBRA is een onderzoeksbibliotheek die machinelearning gebruikt om de relatie tussen gedrag en neurale activiteit in biologische systemen te decoderen. De bibliotheek is oorspronkelijk ontwikkeld aan EPFL en gepubliceerd in Nature. Ze combineert gegevens uit calciumbeeldvorming en elektrofysiologie om interpreteerbare representaties van gedragspatronen te maken.

Belangrijkste functies

• Gelijktijdige analyse van gedragsgegevens en neurale opnamen bij verschillende soorten
• Decodeert activiteit in de visuele cortex en reconstrueert bewegingstrajecten
• Consistentiemetingen ondersteunen grondige hypothesetoetsing en ontdekking
• Compatibel met meerdere gegevensformaten voor calciumbeeldvorming en elektrofysiologie
• Volledige Python-implementatie met uitgebreide documentatie en voorbeelden

Neurowetenschappers en computationeel biologen gebruiken CEBRA om verder te gaan dan afzonderlijke analyses van hersenen en gedrag. De bibliotheek laat zien hoe neurale circuits waarneembaar gedrag aansturen en ondersteunt zo grootschalig onderzoek naar neurale informatieverwerking.