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 die Basalaktivität von V1-Interneuronen die umgekehrt U-förmige Beziehung zwischen pupilgekoppeltem Erregungszustand und der Wahrscheinlichkeit eines engagierten Verhaltenszustands bei Mäusen und Menschen vermittelt.
Diese Studie zeigt, dass eine perinatale HIV-Exposition bei Kindern in Südafrika zu anhaltenden neuroimmunologischen Veränderungen und veränderten Neurometaboliten führt, die mit Sprachverzögerungen und geringerer Schulreife im Alter von 6–7 Jahren assoziiert sind.
Die Studie stellt „invertmeeg" vor, eine Open-Source-Python-Bibliothek, die 118 EEG-Inverslösungs-Verfahren vereinheitlicht und in einem umfassenden Benchmark mit 106 Solvers auf einer geteilten BioSemi-32/ico3-Konfiguration evaluiert, wobei sich flexible Subraum- und hybride Methoden insgesamt als am besten geeignet erweisen, während Bayes'sche Ansätze bei ausgedehnten Quellen und niedrigem Signal-Rausch-Verhältnis besonders konkurrenzfähig sind.
Diese Studie stellt ein einheitliches hierarchisches GAMLSS-Framework vor, das im Vergleich zu etablierten ComBat-Methoden eine flexiblere Harmonisierung und normative Modellierung von Neuroimaging-Daten über mehrere Kohorten hinweg ermöglicht, indem es nicht-gaußsche Verteilungen berücksichtigt und biologische Signale sowie altersabhängige Trajektorien besser erhält.
Diese Studie liefert erstmals eine vollständige, empirische dreidimensionale Kartierung der Farbdiskrimination im RGB-Raum, die auf Messungen von acht Beobachtern an 35 Referenzfarben basiert und eine konsistente metrische Feldbeschreibung ermöglicht, die sich von bestehenden Modellen wie CIEDE2000 durch detaillierte lokale Anisotropien unterscheidet.
Die Studie identifiziert Atto 643 Carboxy als hochspezifischen, far-rot-fluoreszierenden Farbstoff, der Astrozyten im Vergleich zum etablierten Sulforhodamin 101 (SR101) mit minimaler Kreuzreaktivität gegenüber Oligodendrozyten und Neuronen selektiv markiert.
Die Studie stellt eine neue, blickgestützte Analysemethode vor, die zeigt, dass das Lernen in unsicheren Umgebungen weniger durch Fehlerkorrektur als vielmehr durch konservatives, wiederholungsbasiertes Aktualisieren von Vorannahmen geprägt ist, um die Stabilität des internen Modells zu wahren.
Die Studie zeigt, dass das Protein MEC-2 im räuberischen Nematoden *Pristionchus pacificus* zwar für die aversive Berührungsreaktion essenziell ist, aber für die Beutewahrnehmung entbehrlich ist, da es in den dafür zuständigen IL2-Neuronen fehlt und somit eine funktionelle Spezialisierung konservierter sensorischer Komponenten ermöglicht.
Die Autoren haben einen Makaken-Retina-Simulator entwickelt, der auf biologisch plausiblen Daten und Reizfeldmodellen basiert, um aus visuellen Eingaben realistische Spike-Trains für verschiedene Ganglienzelltypen zu generieren und so die Weiterentwicklung von Modellen der visuellen Kortexverarbeitung zu ermöglichen.
Die Studie zeigt, dass ein Risikosensitivitäts-Modell mit asymmetrischen Lernraten menschliche Entscheidungen unter Risiko besser erklärt als symmetrische Reinforcement-Learning-Ansätze, indem es sowohl Wahlverhalten als auch Reaktionszeiten präzise vorhersagt.