2377 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 eine Methode vor, die realistisch simulierte Signale in echte EEG-Daten injiziert, um Preprocessing-Pipelines objektiv zu bewerten und so die Auswahl der optimalen Verfahren für ERP-Studien zu leiten, ohne die Integrität der neuronalen Signale zu beeinträchtigen.
Die Studie stellt passive Neuromodulation als einen energiegetriebenen, geschlossenen Regelkreis vor, der pathologische neuronale Aktivität bei Epilepsie durch das Abführen von Energie effektiv unterdrückt, wie durch Simulationen in zwei unterschiedlichen computergestützten Modellen nachgewiesen wurde.
Die Studie zeigt, dass bei Mäusen das biologische Geschlecht und der Östruszyklus die Makronährstoffpräferenz beeinflussen, wobei Weibchen mehr Fett konsumieren und Männchen eine Kombination aus Fett und Kohlenhydraten bevorzugen.
Die Studie zeigt, dass die Phosphorylierung von APP an der Stelle S655 während der neuronalen Differenzierung ein spezialisiertes Interaktom bildet, das über die Bindung an Proteine wie FUBP3 und ELAVL4 die Neuritogenese fördert und somit neue therapeutische Ansätze für die Alzheimer-Krankheit eröffnet.
Diese Studie zeigt, dass der Transport von gesunden zu schlaganfallbetroffenen EEG-Daten für die unteren Extremitäten durch begrenzte Modellleistung, eine hohe Abhängigkeit von der Datenkonstruktion und eine geringe Anpassungsfähigkeit eingeschränkt ist, was zukünftige prospektive Validierungen über weitere retrospektive Modelliterationen priorisiert.
Die Studie zeigt, dass mangelnde Konsens bei der manuellen Schlafscoring von Mäusen die Generalisierbarkeit automatischer Deep-Learning-Modelle einschränkt, und empfiehlt daher standardisierte Richtlinien sowie den Einsatz robuster, auf diversen Datensätzen trainierter Modelle als Übergangslösung.
Die Studie stellt MAMGL, ein speicherergänztes Meta-Graph-Lernframework namens BrainMetaGCN, vor, das mithilfe von Ruhe-fMRI-Daten eine robuste und interpretierbare Diagnose der adolescenten Major Depression ermöglicht, indem es individuelle Spezifität mit populationsbasierten Mustern vereint und dabei neurobiologische Mechanismen aufdeckt.
Die Studie analysiert 530 ältere Erwachsene aus der extremen südlichen Region Chiles und zeigt durch eine integrierte multivariate Analyse, dass die autonome Regulation nicht durch einzelne Parameter wie Alter oder Blutdruck allein erfasst werden kann, sondern durch ein multidimensionales physiologisches Profil mit sechs unterscheidbaren Autonomie-Phänotypen besser charakterisiert wird.
Die Studie zeigt, dass die Infusion von volllängigem TDP-43 in den motorischen Kortex von Ratten eine zentralperiphere Ausbreitung der Pathologie entlang der kortikospinalen Achse bis hin zu mitochondrialer Dysfunktion und Verhaltensdefiziten in der Skelettmuskulatur auslöst, wodurch TDP-43 als aktiver Treiber der ALS-Erkrankung identifiziert wird.
Diese Studie zeigt mittels eines dynamischen Machine-Learning-Ansatzes, dass die muskuläre Modulation von Schulter, Ellbogen und Hand während einer Greifbewegung zwar einer proximo-distalen Organisation folgt, jedoch komplexere Anpassungsmuster aufweist als die Kinematik, die durch visuelle und zeitliche Bedingungen signifikant beeinflusst werden.