CEBRA

CEBRA är ett forskningsbibliotek som använder maskininlärning för att tolka sambandet mellan beteende och neural aktivitet i biologiska system. Det utvecklades ursprungligen vid EPFL, publicerades i Nature och kombinerar data från kalciumavbildning och elektrofysiologi för att skapa tolkningsbara representationer av beteendemönster.

Höjdpunkter

• Samtidig analys av beteendemässiga och neurala registreringar hos flera arter
• Tolkar aktivitet i synbarken och återskapar rörelsebanor
• Konsistensmått möjliggör rigorös hypotesprövning och nya upptäckter
• Stöd för flera dataformat inom kalciumavbildning och elektrofysiologi
• Fullständig Python-implementation med omfattande dokumentation och exempel

Neurovetenskapliga forskare och beräkningsbiologer använder CEBRA för att gå bortom separata analyser av hjärnan och beteendet. Biblioteket visar hur neurala kretsar driver observerbara beteenden och är därför viktigt för att förstå neural beräkning i stor skala.