La neurociencia explora los misterios de nuestro cerebro, desde cómo las neuronas se comunican hasta qué nos hace sentir, pensar y recordar. Este campo descifra la compleja maquinaria que impulsa cada experiencia humana, revelando los fundamentos biológicos de la conducta y la mente. En Gist.Science, nos esforzamos por hacer que estos descubrimientos avanzados sean comprensibles para todos, eliminando las barreras del lenguaje técnico especializado.

Todos los artículos en esta sección provienen directamente de bioRxiv, donde los investigadores comparten sus hallazgos antes de su publicación formal. Procesamos cada nuevo preprint de esta categoría para ofrecer tanto resúmenes técnicos detallados como explicaciones en lenguaje sencillo, asegurando que la ciencia sea accesible sin sacrificar el rigor. A continuación, encontrará los últimos estudios publicados en el ámbito de la neurociencia.

Electrophysiologically Targeted Biopsies Reveal the Transcriptional Landscape of Focal Epilepsy

Mediante una nueva técnica de biopsia guiada por electrofisiología y secuenciación de ARN de núcleo único, este estudio revela firmas transcripcionales específicas de tipos celulares que diferencian el foco epiléptico de la penumbra ictal, vinculando la depleción de interneuronas y la plasticidad génica con la dinámica de la red epileptogénica en pacientes con epilepsia focal refractaria.

Viswanathan, A., Murch, M., Brand, A., Furnari, J. L., Rolfe, N. W., Yadav, A., Stucke, C. H., Mahajan, A., Li, J., Kahle, A., Amini, M., Sands, T. T., Al-Dalahmah, O., Bruce, J. N., Gill, B. J. A., F (…)2026-03-10🧠 neuroscience

Arc Capsids Facilitate the Transfer of Muscleblind.

Este estudio demuestra que la proteína Arc interactúa de manera dependiente de la actividad neuronal con el ARN de Muscleblind (Mbnl1) para facilitar su transferencia transsináptica a través de vesículas extracelulares, un mecanismo conservado tanto en *Drosophila* como en mamíferos que amplía el conocimiento sobre la vía de transferencia viral-like de ARN sináptico (ViSyToR).

Zinter, M., Xiao, C., M'Angale, P. G., Zhao-Shea, R., Freels, T., Tapper, A., Thomson, T.2026-03-10🧠 neuroscience

Long-projection astrocytes challenge canonical territorial organization in the sleep-promoting VLPO

Este estudio revela una diversidad inesperada de astrocitos en el núcleo preóptico ventrolateral (VLPO), incluyendo subtipos con proyecciones largas de morfología homínida y redes de comunicación glial altamente integradas que desafían la organización territorial clásica.

Bellier, F. C., Zonca, L., Perrenoud, Q., Razaghi, L., Laura Dumas, L., Durand, J., Lecoin, L., Loulier, K., Holcman, D., Chauveau, F., Rouach, N., Rancillac, A.2026-03-10🧠 neuroscience

Zhi-Shi-Wu-Huang attenuates amyloid beta toxicity in Caenorhabditis elegans Alzheimer's disease models via modulating insulin DAF-16 signaling pathway

El estudio demuestra que la formulación de medicina tradicional china "Zhi-Shi-Wu-Huang", compuesta por cuatro hierbas, reduce la toxicidad del beta-amiloide en modelos de nematodos de la enfermedad de Alzheimer al activar la vía de señalización insulina/DAF-16, lo que disminuye el estrés oxidativo y promueve la expresión de proteínas protectoras.

Fahim, M., Liu, Y., Hui, R., Hongyu, L.2026-03-10🧠 neuroscience

Digital Twin Brain simulation and manipulation of a functional brain network underlying mental illness

Este estudio presenta un "gemelo digital" del cerebro humano capaz de simular y manipular redes neuronales a escala sináptica para identificar fenotipos psicopatológicos transdiagnósticos, predecir trayectorias de síntomas y validar respuestas a intervenciones farmacológicas, sentando así las bases para una psiquiatría de precisión basada en mecanismos.

Xia, Y., Peng, S., Dukart, J., Xie, C., Xiang, S., Petkoski, S., Li, Z., Hipp, J., Muthukumaraswamy, S., Forsyth, A., Jia, T., Vaidya, N., Lett, T., Qian, L., Chang, X., Dai, Y., Banaschewski, T., Bar (…)2026-03-10🧠 neuroscience

Machine-Learning-Based spike marking in signal and source space EEG from a patient with focal epilepsy

Este estudio demuestra que las redes neuronales artificiales entrenadas con características de dimensión fractal en el espacio de señal logran una alta precisión (0,98) en la detección de descargas epileptiformes interictales, superando a los modelos de espacio de fuente y situándose dentro del rango de acuerdo entre expertos, lo que respalda su utilidad clínica como herramienta de apoyo.

Jafarova, L., Yesilbas, D., Kellinghaus, C., Möddel, G., Kovac, S., Rampp, S., Czernochowski, D., Sager, S., Güven, A., Batbat, T., Wolters, C. H.2026-03-10🧠 neuroscience