1147 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 nutzt C. elegans, um autismus-assoziierte epigenetische Modifikatoren in drei verhaltensbezogene Gruppen einzuteilen, die sich durch unterschiedliche Kombinationen von sensorischen und entwicklungsbedingten Störungen auszeichnen, und schlägt vor, diese Klassifizierung durch regelmäßige sensorische Tests in menschlichen Kohorten zu validieren.
Die Studie zeigt, dass das Altern des menschlichen Gehirns nicht durch eine einheitliche Anhäufung von Proteinaggregaten gekennzeichnet ist, sondern durch eine asymmetrische Umgestaltung des unlöslichen Proteoms, bei der Aggregate mit mittlerer Stabilität, die zur Verflüssigung neigen und mit Alzheimer assoziiert sind, im Alter zunehmen und durch Proteasom- sowie Chaperon-Kapazitäten vorhergesagt werden können.
Diese Studie vergleicht Granger-Kausalität und effektive Konnektivität in der fMRI-Forschung, indem sie analytisch eine quadratische Beziehung zwischen beiden Methoden herleitet und durch Simulationen sowie eine groß angelegte Analyse von Human Connectome Project-Daten bestätigt, dass diese Zusammenhänge vor allem auf Gruppenebene sichtbar werden und somit methodische Leitlinien für die Rekonstruktion von Gehirnnetzwerken bieten.
Die Studie zeigt, dass eine populationsbasierte Analyse der Dendriten-Nanostruktur in Mausmodellen psychiatrischer Erkrankungen zwei unterschiedliche Phänotypen für Schizophrenie und Autismus identifiziert und dabei die Rolle des Gens Ecrg4 bei der Beeinträchtigung der synaptischen Plastizität im Kontext von Schizophrenie aufdeckt.
Die Studie zeigt, dass zwar Signale erfolgreich von den Synapsen zu den Photorezeptoren in makakischen Fovea-Kegeln zurücklaufen, diese Rückkopplung jedoch wahrscheinlich keinen Einfluss auf die Phototransduktion hat und die visuelle Informationsverarbeitung somit kompartimentiert bleibt.
Die Studie zeigt, dass das RNA-Editing-Enzym ADARB1 spezifisch in den Kernen primärer auditorischer Neuronen exprimiert wird und als zuverlässiges Ziel für eine automatisierte Zählung dieser Zellen in Gewebeschnitten von Mäusen, Affen und Menschen dient, was eine zeitsparende Alternative zur manuellen Zählung bietet.
Diese Studie zeigt, dass der Hirnstamm über bilaterale sympathische Bahnen mit Kreuzung am Leberhilus eine kontralaterale, lappen-spezifische Regulation des hepatischen Glukosestoffwechsels bei Mäusen ausübt, die durch kompensatorische Mechanismen bei einseitiger Denervierung die systemische Homöostase sichert.
Das Paper stellt DIANA vor, eine vollständig automatisierte Pipeline zur End-to-End-Analyse von Long-Read-Ganzgenomsequenzierungsdaten, die DNA-Methylierung, Kopienzahlvarianten, Genfusionen und kleine Varianten integriert, um die molekulare Neuropathologie und die klinische Entscheidungsfindung bei ZNS-Tumoren zu unterstützen.
Diese Arbeit stellt eine vollständig autonome, bidirektionale drahtlose Schnittstelle vor, die einen ressourcenschonenden neuromorphen Decoder auf einem FPGA integriert, um Echtzeit-Optogenetik bei frei beweglichen Tieren durchzuführen und dabei eine hohe Decodiergenauigkeit mit minimalem Energieverbrauch zu erreichen.
Die Studie zeigt durch Systemidentifikation und Surrogatdatenanalysen, dass sich die Unterscheidbarkeit von echten Ruhehirn-fMRI-Daten von phasenrandomisierten Surrogaten primär durch deren Nicht-Stationarität und nicht durch Nicht-Gaußsche Eigenschaften erklärt, was auf eine annähernde Gaußverteilung innerhalb einzelner Scans hindeutet.