1402 artículos
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.
El estudio revela que, aunque el riluzole no altera la excitabilidad en neuronas sanas, en modelos de ELA paradójicamente la aumenta debido a mecanismos homeostáticos hiperactivos, aunque simultáneamente normaliza el tamaño celular, lo que sugiere un efecto neuroprotector subyacente que podría explicar su eficacia clínica limitada.
El estudio demuestra que las propiedades de sintonización del área cortical MSTd se explican mejor mediante objetivos de reconstrucción no supervisada (autoencoders) que utilizan señales similares a las de la corteza MT, en lugar de la optimización supervisada para la estimación del movimiento propio, lo que sugiere diferencias fundamentales en los principios computacionales de las vías dorsal y ventral.
Este estudio demuestra que la habituación y la asociación de recompensa en la corteza visual de ratón modulan la adaptación a corto plazo a través de circuitos de desinhibición distintos que convergen en un aumento de la sensibilización mediante la reducción de la relación de entrada PV:SST hacia las células piramidales.
Mediante simulaciones computacionales y registros en humanos, este estudio demuestra que las no linealidades intrínsecas de las neuronas motoras generan dinámicas dependientes de la frecuencia y específicas de subpoblaciones que permanecen ocultas en los análisis convencionales de la unidad motora completa, revelando que las neuronas de mayor frecuencia se sincronizan y modulan su actividad en respuesta a entradas sinápticas comunes de alta frecuencia.
Este estudio combina neuroimagen, datos de expresión génica y modelado de redes para demostrar que la formación de redes corticales en el cerebro humano en desarrollo está determinada por las restricciones espacio-temporales de la maduración talamocortical y la distancia de cableado, en lugar de una preferencia de los núcleos de orden superior por conectar con nodos centrales específicos.
El estudio revela que la red del lenguaje cerebral sigue una trayectoria de desarrollo no lineal que reconcilia las arquitecturas localizadas y distribuidas, caracterizada por una fase de localización temprana, un estado transitoriamente distribuido con una caída de conectividad en la adolescencia y un retorno a una localización refinada en la edad adulta.
Mediante el análisis de datos y la modelización computacional, este estudio demuestra que la dopamina no solo impulsa el aprendizaje de respuestas condicionadas a través de errores de predicción de recompensa, sino que también modula directamente dichas respuestas.
El estudio presenta DELSSOME, un marco basado en redes neuronales profundas que acelera drásticamente la optimización de modelos de circuitos cerebrales a gran escala, permitiendo por primera vez la estimación de parámetros a nivel individual en poblaciones masivas para revelar trayectorias normativas del ratio de excitación/inhibición a lo largo de la vida.
Los investigadores desarrollaron un modelo de ratón altamente eficiente y versátil utilizando un vector AAV con el promotor TH para sobreexpresar la alfa-sinucleína humana, lo que permite estudiar la patología temprana de Parkinson y evaluar intervenciones antes de la muerte neuronal.
Este artículo presenta un método basado en la función de transferencia para reducir modelos neuronales morfológicamente detallados a modelos de neurona puntual, permitiendo caracterizar funcionalmente la respuesta neuronal bajo condiciones *in vivo* y generar modelos simplificados que replican con precisión el comportamiento de los modelos originales.