arXiv q-bio.NC（Neurons and Cognition）·· 3 小时前AI 评分53
Xin Tang 团队提出 Neural-DISCO 框架，可对神经群体活动做反事实编辑
Neural-DISCO: Source-Conditioned Counterfactual Editing of Neural Population Activity
AI 导读
Xin Tang 团队提出 Neural-DISCO，一个用于神经活动反事实建模的解耦表征学习框架，将潜空间拆分为与各观测行为或刺激标签对应的分量，以及捕捉标签未解释变异性的残差潜变量。
AI 要点
团队
第一作者 Nico Policzer，末位作者 Xin Tang，共 4 位作者；论文为 NeurIPS 2026 poster。
主要结果
在模拟与真实神经记录数据上，可选择性编辑单个已测标签生成反事实神经响应，并保留其余内容；解耦提升了已知功能细胞角色的恢复。
解决什么问题
超越从标签预测活动，实现源条件反事实编辑：改一个行为或刺激标签，预测神经活动如何变化。
方法
Neural-DISCO 将潜空间分为各标签对应的分量与捕捉标签外变异的残差潜变量，并配合特征归因定位每个标签最相关的神经元。
局限
从研究设计看，为方法框架类工作，未设对照；摘要未给出数据集规模与受试者数量。
AI 依据原文整理，未经人工核对。
来源：arXiv q-bio.NC（Neurons and Cognition） · arxiv.org