深度学习揭示果蝇全脑几何可分离编码

学习全脑神经元动态的可解释低维表征是系统神经科学的一大挑战。近日，研究人员提出一种无连接组学先验的深度学习框架，结合卷积编码器和时间变换器，直接从果蝇全脑钙成像数据中学习紧凑表征。该模型被训练分类16种实验条件（联合考虑代谢状态、感觉模态和刺激效价），成功将全脑种群活动组织为几何上可分离的神经编码。研究为理解大脑状态和行为的神经基础提供了新工具。该研究为预印本，尚未经同行评审。