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.
Die Studie zeigt, dass der ventrolaterale präfrontale Kortex (vlPFC) visuelle Informationen in zwei aufeinanderfolgenden Phasen verarbeitet: zunächst eine frühe, grobe Erfassung von niedrigen räumlichen Frequenzen zur schnellen Objektschätzung, gefolgt von einer späteren Phase, die detaillierte und reiche visuelle Merkmale für das subkategoriale Erkennen und das Bewusstsein bereitstellt.
Diese Studie identifiziert und charakterisiert funktionell zwei TRPV-Kanäle im Gemeinen Tintenfisch (*Octopus vulgaris*), die als polymodale Nozizeptoren wirken und somit die molekulare Grundlage für Schmerzempfinden bei Kopffüßern untermauern.
Die Studie zeigt, dass das menschliche visuelle Kortex während der natürlichen Wahrnehmung räumliche Vorhersagen auf verschiedenen Abstraktionsebenen trifft, wobei die Sensitivität für Vorhersagbarkeit sowohl eine hierarchische Organisation in der zentralen Sehfähigkeit als auch eine verstärkte, hochabstrakte Verarbeitung in der peripheren Sehfähigkeit aufweist.
Die Studie zeigt, dass die Knockdown-Reduktion von TTLL1 in menschlichen iPSC-abgeleiteten kortikalen Neuronen die durch Amyloid-beta induzierte TAU-Fehlfunktion, die Mikrotubuli-Instabilität und synaptische Degeneration signifikant verringert, ohne die neuronalen Netzwerke zu beeinträchtigen, und TTLL1 somit als vielversprechendes therapeutisches Ziel für die Alzheimer-Krankheit identifiziert.
Diese Studie zeigt, dass funktionale Konnektome, insbesondere während des Filmsehens, kognitive Leistungen gut vorhersagen können und dass eine negative Lücke zwischen Gehirnvorhersage und tatsächlicher Leistung mit geringer körperlicher Aktivität, höherem kardiovaskulärem Risiko sowie niedrigeren Dopamin-Bindungsmaßen assoziiert ist, was die „Gehirn-Kognition-Lücke" als vielversprechenden Marker für kognitive Resilienz und Vulnerabilität etabliert.
Das Paper stellt „openretina" vor, ein modulares Python-Paket auf PyTorch-Basis, das durch eine standardisierte Framework-Architektur, einheitliche Datenformate und vortrainierte Modelle eine kollaborative, reproduzierbare Modellierung der Retina über verschiedene Datensätze und Spezies hinweg ermöglicht.
Die Studie zeigt, dass die Fähigkeit von 12 Monate alten Säuglingen, Fehler intern zu überwachen (gemessen durch die Error-Related Negativity), nicht nur eine frühe Form der Metakognition darstellt, sondern auch prädiktiv für die spätere Entwicklung eines konzeptuellen Selbstbewusstseins ist.
Die Arbeit stellt die RIFT-Theorie vor, die Bewusstsein als kausal wirksame, holographische Endoraum-Struktur beschreibt, die durch fraktale Informationskompression und autopoietische Rückkopplung in neuronalen Lipid-Domänen entsteht und so die Einheit des Selbst sowie dessen Kontrolle über das neuronale Substrat erklärt.
Diese Studie identifiziert durch die Analyse von Hirnläsionen bei 88 Patienten ein kausales Netzwerk, das die Selbsttranszendenz steuert und durch posterior-mediane Regionen als hemmende sowie durch Hirnstamm- und anterior-mediane Regionen als fördernde Komponenten charakterisiert wird.
Die Studie stellt DCM-SR vor, ein neuartiges generatives Framework, das durch die Modellierung von Parameter- und Zustandsdynamiken in einem kontinuierlichen Zustandsraum die Limitierungen herkömmlicher epochenbasierter Ansätze überwindet und so erstmals die biophysikalischen Mechanismen langsamer kortikaler Potentiale sowie die zeitliche Entwicklung kognitiver Prozesse wie Planung und Hemmung präzise aufklärt.