1136 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.
Die Studie zeigt, dass der Zusammenhang zwischen Aufmerksamkeitslapses und freiwilligem Aufgabenwechsel von der Arbeitsgedächtniskapazität abhängt, wobei Personen mit niedriger Kapazität eher nach Lapses wechseln, während Personen mit hoher Kapazität aus fokussierten Zuständen wechseln, was auf kapazitätsabhängige Kontrollmodi und unterschiedliche Zielkonkurrenzmechanismen hindeutet.
Diese Studie stellt ein automatisiertes Diagnoseverfahren für Schizophrenie vor, das mittels einer Kombination von Zeit-, Frequenz- und Zeit-Frequenz-Features aus EEG-Signalen und ausgewählten Klassifikatoren eine 100-prozentige Unterscheidung zwischen gesunden Probanden und Patienten ermöglicht.
Diese Studie zeigt, dass Neurofeedback durch frequenzspezifische, belohnungsabhängige kortikale Mechanismen wirkt, wobei SMR- und Beta-Training über eine doppelte Dissociation von ERD und P2-Komponenten unterschiedliche Schaltkreise rekrutieren, die SMR-Training jedoch durch konsolidierende Plastizitätsprozesse zu nachhaltigen Veränderungen führen.
Die Studie zeigt, dass eine hybride Virtual-Reality-Umgebung, die reale Objektinteraktion mit virtuellem visuellem Feedback kombiniert, die charakteristischen Merkmale der vorausschauenden Kraftkontrolle und sensorischen Anpassung beim realen Objektmanipulieren nachbildet und somit als valide Grundlage für zukünftige Untersuchungen zur Propriozeption dient.
Diese Studie stellt den ersten Teil des NIH BRAIN-Initiativen-Netzwerks BICAN vor, ein standardisiertes, multimodales Zellatlas-Referenzsystem für die Basalganglien von Mensch, Makake, Marmosette und Maus, das durch harmonisierte Datenanalyse und eine einheitliche Taxonomie vergleichbare Einblicke in Zelltypen und neurologische Erkrankungen über verschiedene Spezies hinweg ermöglicht.
Die Studie zeigt, dass Danon-Erkrankung durch LAMP2-Mutationen zu synapsenspezifischen Störungen der Autophagie führt, die mitochondriale Schäden und neurologische Defizite verursachen und das Xenopus-tropicalis-Modell als wertvolles Werkzeug für die Erforschung dieser lysosomalen Speicherkrankheit etablieren.
Diese Studie zeigt, dass kognitive Vergenz- und Pupillendynamik während eines visuellen Oddball-Paradigmas als nicht-invasive funktionelle Oculomotor-Signaturen dienen können, um bei Patienten mit leichter kognitiver Beeinträchtigung biologische Alzheimer-Profile (A+T+) von nicht-Alzheimer-Pathophysiologien (A-T+) zu unterscheiden.
Die Studie zeigt, dass die hippocampale Reaktion auf Ereignisgrenzen durch globale Hirnzustände moduliert wird und dass individuelle Unterschiede in der Dynamik dieser Zustände sowie die Zeit im Default-Mode-Netzwerk besser für das nachfolgende Erinnern von narrativem Inhalt vorhersagen als die univariate hippocampale Aktivität allein.
Diese Studie zeigt, dass im menschlichen auditiven Kortex die neurovaskuläre Kopplung eine schichtspezifische spektrale Organisation aufweist, bei der Gamma-Oszillationen und hochfrequente neuronale Aktivität positive BOLD-Signale in mittleren Schichten (feedforward) widerspiegeln, während Alpha-/Beta-Aktivität negative Signale in oberflächlichen Schichten mit top-down-Feedback assoziiert sind.
Die Studie stellt Long-Horizon Associative Learning (L-HAL) als ein einheitliches, biologisch fundiertes Framework vor, das mithilfe eines einzigen Parameters und überlappender Assoziationsspuren statistisches Lernen über verschiedene Zeitskalen hinweg erklärt und dabei scheinbar unterschiedliche Phänomene als Ausdrücke einer gemeinsamen Berechnung zusammenführt.