用于行为与神经联合分析的可学习潜在嵌入

将行为动作映射到神经活动是神经科学的基本目标。随着我们记录大规模神经与行为数据能力的提升，人们对在适应性行为期间建模神经动力学以探查神经表征的兴趣日益增长。特别地，神经潜在嵌入可以揭示行为的潜在相关因素，然而我们缺乏能够明确且灵活利用联合行为与神经数据的非线性技术。在此，我们用一种新方法 CEBRA 填补这一空白，它以假设驱动或发现驱动的方式联合使用行为和神经数据，以产生一致、高性能的潜在空间。我们验证了它的准确性，并展示了我们的工具在钙成像和电生理数据集、跨感觉与运动任务、以及跨物种简单或复杂行为中的实用性。它允许利用单会话和多会话数据集进行假设检验，或可以无标签使用。最后，我们展示 CEBRA 可用于空间映射、揭示复杂运动学特征，以及从视觉皮层对自然电影进行快速、高精度的解码。