Cebra

CEBRA est un outil innovant d'apprentissage automatique qui relie les actions comportementales à l'activité neuronale, permettant aux chercheurs en neurosciences de progresser.

CEBRA, qui signifie Embeddings Latents Apprenant pour l'Analyse Comportementale et Neuronale Conjointe, est une méthode de pointe conçue spécifiquement pour cartographier comment nos actions sont liées à l'activité cérébrale - l'un des principaux objectifs en neurosciences. Avec la capacité croissante de collecter d'importantes données sur les activités neuronales et comportementales, CEBRA répond directement à la demande croissante d'outils capables de modéliser ces dynamiques complexes de manière efficace.

Ce qui distingue CEBRA, c'est sa polyvalence. Il peut utiliser à la fois des données comportementales et neuronales de deux manières principales : il peut être guidé par une hypothèse spécifique ou il peut aider à découvrir de nouvelles idées sans idées préconçues. Cette flexibilité permet aux chercheurs de créer des espaces latents précis et fiables, éclairant les connexions entre le comportement et le cerveau.

Cet outil est également incroyablement adaptable, fonctionnant sans problème avec des ensembles de données provenant de sessions uniques et multiples. Que vous testiez une hypothèse ou exploriez des données sans étiquettes spécifiques, CEBRA peut le gérer. De plus, il est compatible avec différents types de données neuronales - à la fois l'imagerie calcique et l'électrophysiologie - ce qui le rend adapté à diverses tâches, qu'elles impliquent des entrées sensorielles, des fonctions motrices ou même des comportements complexes à travers différentes espèces.

L'une des caractéristiques remarquables de CEBRA est sa capacité à cartographier des espaces, à révéler des motifs cinématiques complexes et à décoder rapidement et avec précision des visuels du cortex visuel du cerveau. Cette capacité améliore considérablement notre compréhension de la façon dont les dynamiques neuronales sont liées au comportement. Par exemple, il excelle à décoder l'activité au sein du cortex visuel du cerveau de la souris pour reconstruire des vidéos que l'animal a vues, montrant son potentiel à contribuer de manière significative à la fois aux neurosciences et à la recherche comportementale.