2415 Arbeiten
Die Neurowissenschaften erkunden das komplexeste Organ im menschlichen Körper: das Gehirn. Dieser Bereich beleuchtet, wie Nervenzellen miteinander kommunizieren, wie unser Bewusstsein entsteht und welche Mechanismen neurologischen Erkrankungen zugrunde liegen. Von der molekularen Ebene bis zum Verhalten reicht das Spektrum dieser Forschung, die täglich neue Einblicke in die Funktionsweise unseres Denkens liefert.
Auf Gist.Science stellen wir Ihnen die neuesten Vorveröffentlichungen aus bioRxiv vor, die sich direkt mit diesen spannenden Fragestellungen befassen. Unser Team verarbeitet jeden neuen Preprint in dieser Kategorie und bietet Ihnen sowohl verständliche Zusammenfassungen für ein breites Publikum als auch detaillierte technische Analysen für Fachleute. So bleiben Sie stets auf dem aktuellen Stand der Forschung, ohne in unwegsames Fachvokabular zu geraten.
Nachfolgend finden Sie die aktuellsten Forschungsarbeiten aus dem Bereich der Neurowissenschaften, die wir für Sie aufbereitet haben.
Diese Studie zeigt, dass menschliche Claustrum-Neuronen während aversiven Lernens höhere kognitive Variablen wie Unsicherheit und Vorhersagefehler kodieren, wobei sie sich in ihren zeitlichen Profilen und Rollen von der anteriorer cingulärer Cortex unterscheiden.
Die Studie zeigt, dass nach Entfernung visueller Merkmale semantische Informationen aus Sprachmodellen im lateralen okzipitotemporalen Kortex stärker mit der menschlichen Gehirnaktivität korrelieren als im ventralen Sehbahn, was auf eine heterogene Organisation visuell unabhängiger semantischer Kodierung hindeutet.
Die Studie zeigt, dass das APOE4-Allel den menopausenbedingten metabolischen Wandel im Gehirn beschleunigt und die bioenergetische Anpassung stört, was die erhöhte Anfälligkeit und den früheren Ausbruch der Alzheimer-Krankheit bei APOE4-tragenden Frauen mechanistisch erklärt.
Diese Studie etabliert ein robustes Modell zur Untersuchung der adulten neuronalen Plastizität in Drosophila, indem sie die Auswirkungen experimenteller Variablen auf die Remodellierung von Uhr-Neuronen aufzeigt, den Verlust feiner Filopodien bei der Fixierung dokumentiert und ein bias-freies Python-Tool zur Analyse der neuronalen Komplexität vorstellt.
Die Studie zeigt, dass die kortikale Erregbarkeit im Maus-PFC die fMRI-Konnektivität invers moduliert, wobei eine verstärkte Erregbarkeit zu einer verminderten und eine gehemmte Erregbarkeit zu einer erhöhten Konnektivität führt, die primär durch die Kopplung neuronaler Aktivität im niederfrequenten Bereich (< 4 Hz) vermittelt wird.
Die Studie „NeuroMark-SZ" nutzt den größten bisher verfügbaren multisite rsfMRI-Datensatz (N = 2.656), um eine robuste, medikamentenunabhängige funktionelle Konnektivitäts-Signatur bei Schizophrenie zu identifizieren, die durch abnorme zerebellothalamische und thalamokortikale Verbindungen gekennzeichnet ist und als Open-Source-Ressource für die Biomarker-Forschung bereitgestellt wird.
Die Studie stellt ein großes Verhaltensbenchmark für die menschliche Erkennung von Umgebungsgeräuschen vor und zeigt, dass auf großen Datensätzen trainierte künstliche neuronale Netze menschliche Leistung und Gehirnreaktionen besser nachbilden als traditionelle Hörmodelle, was darauf hindeutet, dass viele Aspekte der menschlichen Klangerkennung in Systemen entstehen, die für die reale Welt optimiert sind.
Die Studie zeigt, dass ein spezifischer kortikostriataler Schaltkreis, der vom Orbitofrontalcortex zum Caudat-Putamen projiziert, durch lokale Hemmung und langfristige Schleifen die Aktualisierung subjektiver Überzeugungen über latente Aufgabenzustände bei Ratten kausal steuert.
Die Studie identifiziert eine Population spinaler erregender dILB6-Interneurone als zelluläres Substrat für ein modulares, vorkonfiguriertes motorisches Programm, das koordinierte Sprungbewegungen bei Mäusen autonom steuert.
Die Studie zeigt, dass das Gehirn für optimale kognitive Funktionen wie Lernen und Gedächtniskonsolidierung die kritische Dynamik im Hippocampus dynamisch zwischen flexiblen und geordneten Zuständen reguliert, was auch für das Design von KI-Modellen wie Large Language Models relevante biophysikalische Einsichten liefert.