2347 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 stellt zwei neue murine und zebrafische Wac-Mausmodelle vor, die das DeSanto-Shinawi-Syndrom nachahmen und durch kraniofaziale sowie verhaltensbezogene Auffälligkeiten, GABAerge Neuronenveränderungen, epileptische Anfälligkeit und geschlechtsspezifische Hirnvolumenunterschiede wichtige biologische Einblicke in die zugrundeliegenden Mechanismen dieser seltenen Störung liefern.
Die Studie zeigt, dass Menschen die Lage eines Ganzen (z. B. eines Vogelschwarms) nicht direkt aus den Positionen der einzelnen Teile ableiten, sondern diese zunächst in visuelle Cluster gruppieren, um dann eine Schätzung zu treffen, die der optimalen statistischen Schätzung (UMVUE) für verschiedene Verteilungsfamilien entspricht.
Diese Studie identifiziert mittels fMRI und Verhaltensmodellierung drei distinkte, aber interagierende neurokognitive Mechanismen für multisensorisches Lernen, die sich auf statistische Überraschung, belohnungsbasiertes Lernen und Überraschung über Ergebnisunsicherheit beziehen und dabei ein modality-generalisiertes Netzwerk mit dem linken angularen Gyrus als Integrationszentrum aufzeigen.
Die Autoren stellen ein robustes System zur Live-Spike-Sortierung (LSS) vor, das auf der Kilosort-Plattform basiert und durch die Echtzeit-Verarbeitung von Neuropixels-Daten aus dem Makaken-Visuokortex nicht nur die Genauigkeit einer Offline-Sortierung erreicht, sondern auch eine deutlich überlegene Decodierungsleistung im Vergleich zu herkömmlichen Schwellenwertmethoden bietet.
Die Studie zeigt, dass ein vortrainiertes Deep-Learning-Modell zwar auf individueller Ebene nur begrenzt präzise Blickverläufe aus fMRI-Daten vorhersagen kann, aber durch Mittelwertbildung über die Probandengruppe zuverlässige Schätzungen ermöglicht, die eine robuste Untersuchung der mit Augenbewegungen verbundenen Gehirnaktivität während des Filmsehens erlauben.
Die Studie zeigt, dass eine hierarchisch organisierte neuronale Geometrie im präfrontalen Kortex von Makaken, die aus verschachtelten Unteraufgabenräumen besteht, die flexible Ausführung und Generalisierung mehrerer Aufgaben ermöglicht.
Die Studie widerlegt die Annahme eines allgemein gültigen motorischen „Pausen"-Prozesses, indem sie zeigt, dass die durch seltene Reize ausgelöste Verhaltensverlangsamung und EMG-Suppression stark kontextspezifisch sind und von der zeitlichen Präsentation sowie den Stimulusmerkmalen abhängen.
Diese Studie zeigt durch elektrophysiologische Aufzeichnungen, dass die Integration multimodaler olfaktorischer und mechanosensorischer Reize bereits im frühen Verarbeitungsstadium des Antennallappens der Honigbiene (*Apis mellifera*) stattfindet.
Die Studie zeigt, dass ein aus synthetischen MRT-Bildern abgeleiteter Kontrast (FD) frühe mikrostrukturelle Veränderungen in olfaktorischen und limbischen Netzwerken bei Menschen mit leichter kognitiver Beeinträchtigung sensitiver erfasst als herkömmliche Myelin-Messungen und somit als skalierbarer Biomarker für die Alzheimer-Erkrankung dienen könnte.
Diese Studie kombiniert ein neues experimentelles Paradigma mit dem MACA-Q-Modell, um zu zeigen, dass Vermeidungsverhalten nicht eine stabile Eigenschaft ist, sondern durch eine dynamische Meta-Kontrolle gesteuert wird, die auf inferierter Kontrollierbarkeit und Kompetenz basiert, wobei Angst und Depression unterschiedliche rechnerische Pfade zu Fehlanpassungen aufweisen.