CEBRA é uma inovadora abordagem de aprendizado de máquina desenvolvida para a análise conjunta de dados comportamentais e neurais. Este método se destaca pela sua capacidade de comprimir séries temporais de maneira a revelar estruturas que, de outra forma, permaneceriam ocultas na variabilidade dos dados. Especialmente eficaz em dados neurais e comportamentais registrados simultaneamente, o CEBRA pode decodificar a atividade do córtex visual do cérebro de um rato para reconstruir um vídeo assistido.
A aplicação do CEBRA ao comportamento do hipocampo de ratos, utilizando dados de Grosmark e Buzsáki (2016), demonstra a sobreposição da posição/atividade neural com a decodificação obtida pelo CEBRA. O método alcança um erro absoluto mediano de 5cm em uma pista de 160cm, conforme detalhado no pré-impresso. Além disso, o CEBRA foi aplicado ao córtex visual primário de camundongos, utilizando gravações de 2-fótons e Neuropixels do Allen Institute, onde as características dos quadros DINO foram usadas como rótulos para a decodificação dos quadros de vídeo.
O CEBRA preenche uma lacuna significativa na neurociência ao oferecer uma técnica não linear que utiliza conjuntamente dados comportamentais e neurais para descobrir dinâmicas neurais. Este método pode ser usado de maneira supervisionada, para testar hipóteses, ou de forma auto-supervisionada, para descobertas, produzindo espaços latentes consistentes e de alto desempenho. A consistência do CEBRA serve como uma métrica para revelar diferenças significativas, e os latentes inferidos podem ser usados para decodificação.
Validado em sua precisão, o CEBRA demonstra sua utilidade em conjuntos de dados de cálcio e eletrofisiologia, através de tarefas sensoriais e motoras, e em comportamentos simples ou complexos em várias espécies. Ele permite que conjuntos de dados de sessão única ou múltipla sejam utilizados para testes de hipóteses ou de forma livre de rótulos. Além disso, o CEBRA pode ser usado para o mapeamento do espaço, revelando características cinemáticas complexas, produzindo espaços latentes consistentes em dados de 2-fótons e Neuropixels, e fornecendo decodificação rápida e de alta precisão de filmes naturais a partir do córtex visual.
O pré-impresso do CEBRA está disponível no arXiv, e a implementação oficial do algoritmo pode ser encontrada no GitHub. Para atualizações e lançamentos futuros, é possível seguir o projeto no Twitter ou se inscrever na lista de e-mails. Colaborações são bem-vindas e podem ser solicitadas via e-mail.
