bioRxiv 预印本· Benquet, C., Mirzaeri, H., Schneider, S., Mathis, M. W. ·· 1 天前AI 评分12
Unified CEBRA 跨记录对齐神经潜变量,绘制单神经元对群体编码的贡献
Unified CEBRA learns shared neural latents across recordings to map single-neuron contributions to population codes
AI 导读
研究人员提出 Unified CEBRA,通过在训练和推断阶段使用共享标签对齐不同记录,将各神经元对群体编码的贡献置于统一尺度。该方法在猴与小鼠感觉运动皮层、大鼠海马及小鼠视觉皮层中保留了可解释的任务信息。汇总小鼠视觉皮层数百个 session 的数千个兴奋性与抑制性神经元后发现,对视觉特征读出贡献最大的神经元不仅调谐最强,而且响应更可靠、与同期记录神经元的耦合更弱。
来源:bioRxiv 预印本 · biorxiv.org