1340 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 ein altertümlicher Mittelhirnweg, der den Colliculus superior mit dem lateralen visuellen Kortex verbindet und nicht mit dem primären visuellen Kortex, visuelle Informationen an den Hippocampus weiterleitet, um bei Mäusen distinkte räumliche Karten zu formen, was eine mögliche Erklärung für eine verbleibende visuelle Navigation bei kortikal blinden Menschen bietet.
NUGRAPH ist ein selbstüberwachtes, graphbasiertes Framework, das großskalige Fehler bei der 3D-Kernsegmentierung korrigiert, indem es eine globale relationale Inferenz über dekomponierte 3D-Primitiven durchführt und Formen mittels vorzeichenbehafteter Distanzfelder verfeinert, wodurch es auf dem neu kuratierten, das gesamte Gehirn abdeckenden NucEMFix-Benchmark eine State-of-the-Art-Leistung erzielt.
Durch die Analyse longitudinaler Daten von über 10.000 Jugendlichen identifiziert diese Studie das Alter von 14 Jahren als kritischen Wendepunkt, an dem sich die Beziehungen zwischen Gehirn und Verhalten dynamisch neu organisieren, indem sie von der Vorhersage externalisierender Symptome über diffuse kortikale und Basalganglien-Mechanismen zur Vorhersage internalisierender Symptome durch spätreifende präfrontale Netzwerke und thalamische Strukturen übergehen, wodurch statische Biomodell-Modelle zugunsten entwicklungsabhängiger Strategien der präzisen psychischen Gesundheit herausgefordert werden.
Diese Studie zeigt, dass hippocampale Synapsen nichtmenschlicher Primaten im Vergleich zu Nagetieren eine niedrigere Schwelle für assoziative Plastizität und eine verstärkte proteinbiosyntheseabhängige Stabilisierung aufweisen, was kritische artspezifische Unterschiede unterstreicht, die den translationalen Wert von Nagetiermodellen für menschliche Gedächtnisprozesse einschränken.
Durch die Analyse gleichzeitiger Aufzeichnungen von Striatal-Projektionsneuronen und Dopaminneuronen zeigt diese Studie, dass das mesolimbische System fehlergetriebenes Repräsentationslernen zur Aktualisierung von Zustandsmerkmalen einsetzt und damit eine Konvergenz von Lernprinzipien zwischen biologischen und künstlichen Systemen aufdeckt.
Diese Studie zeigt, dass die hirnspezifische Deletion der RNA-Helikase MOV10 bei Mäusen zu einer verstärkten Angstlernleistung führt, die durch eine erhöhte Expression von GABRA2 und eine Verschiebung hin zu nicht-klassischen, kortikalisierten Angstschaltkreisen anstelle traditioneller Angstbahnen vermittelt wird und damit neue molekulare Einblicke in die Persistenz von Angstgedächtnissen im Zusammenhang mit PTBS und Substanzabhängigkeit bietet.
Diese Studie zeigt, dass reduzierte VPS26B-Spiegel im primären motorischen Kortex eines Parkinson-Mausmodells zu einer verringerten Oberflächenexpression von GluA1 und einem Verlust synaptischer Proteine führen, was motorische Defizite zur Folge hat, die durch eine Überexpression von VPS26B teilweise rückgängig gemacht werden können.
Durch die Kombination von Eye-Tracking mit merkmalsbasierten Kodierungsmodellen zeigt diese Studie, dass vorangehender Szenenkontext die schnelle Gesichtserkennung erleichtert, indem er die perzeptive Strategie von einer Abhängigkeit von sensorisch getriebenen Merkmalen hin zu einer erwartungsbasierten räumlichen Führung verschiebt, eine Veränderung, die bereits in der ersten Augenbewegung erkennbar ist.
Diese Studie liefert eine computergestützte Erklärung, die zeigt, dass eine positive Verzerrung bei der Selbsteinschätzung, bei der Individuen ihre Leistung insbesondere unter hoher kognitiver Beanspruchung überschätzen, dazu beiträgt, die subjektiven Kosten von Anstrengung zu verringern und die Beteiligung an anstrengenden Aufgaben aufrechtzuerhalten.
SUITPy ist ein umfassendes Python-Toolbox, das die Analyse von Kleinhirn-Bildgebung über die gesamte menschliche Lebensspanne hinweg verbessert, indem es ein auf U-Net basierendes Modell für eine robuste automatische Isolierung, eine verbesserte Normalisierung auf eine kleinhirnspezifische Vorlage sowie integrierte Visualisierungs- und Atlas-Ressourcen nutzt.