2392 articles
La neuroscience explore les mystères du cerveau et du système nerveux, décryptant comment nos pensées, souvenirs et émotions émergent de milliards de cellules interconnectées. Ce domaine en pleine effervescence cherche à comprendre la matière même de la conscience humaine, de la biologie moléculaire aux comportements complexes.
Sur Gist.Science, nous suivons de près les avancées de ce secteur en traitant chaque nouvelle prépublication issue de bioRxiv. Pour chaque étude, nous proposons non seulement un résumé technique approfondi, mais aussi une explication claire et accessible, rendant ces découvertes complexes compréhensibles pour tous, sans sacrifier la rigueur scientifique.
Découvrez ci-dessous les dernières recherches en neuroscience, sélectionnées et résumées pour vous aider à rester informé des percées les plus récentes.
En utilisant des harmoniques du connectome fonctionnel sur des données IRMf de 714 nouveau-nés, cette étude révèle que l'architecture des gradients cérébraux est déjà établie à la naissance et propose de nouvelles biomarqueurs pour évaluer la maturité cérébrale et l'impact de la prématurité.
En combinant analyse de données et modélisation computationnelle, cette étude démontre que la dopamine phasique ne se contente pas d'entraîner l'apprentissage des réponses conditionnées via l'erreur de prédiction de récompense, mais module également directement l'expression de ces réponses.
En utilisant des données d'IRM de diffusion de trois cohortes indépendantes, cette étude révèle un continuum spatio-temporel de maturation de la connectivité structurelle durant la jeunesse, caractérisé par une transition autour de 15 ans passant d'un renforcement des connexions sensorimotrices à celui des connexions d'association, ce qui offre un cadre normatif pour comprendre les écarts liés à la cognition et à la psychopathologie.
Cette étude révèle que les dynamiques aberrantes des réseaux linguistiques dans le trouble du spectre autistique, qui sont développementalement altérées et biologiquement ancrées, prédisent spécifiquement les déficits verbaux et communicatifs sans être liées au fonctionnement social ou aux comportements stéréotypés.
Cette étude démontre que l'imposition de périodes critiques décalées dans un modèle hiérarchique du traitement visuel permet d'apprendre efficacement des représentations invariantes via des règles de plasticité synaptique locales, offrant ainsi un avantage métabolique et fonctionnel que les réseaux basés sur la rétropropagation ne possèdent pas.
Cet article présente DELSSOME, un cadre d'apprentissage profond qui remplace l'intégration numérique coûteuse par des prédictions rapides pour optimiser les modèles de circuits cérébraux à grande échelle, permettant ainsi pour la première fois l'estimation de paramètres au niveau individuel sur des milliers de sujets et la découverte de trajectoires normatives du ratio d'excitation/inhibition au cours de la vie.
Cette étude remet en question la généralité du élargissement du potentiel d'action comme mécanisme d'homéostasie dans les neurones en culture dissociée, montrant que ce phénomène est conditionnel et spécifique à certains types neuronaux et environnements expérimentaux plutôt que d'être une réponse universelle à l'inactivité chronique.
En utilisant la théorie de la détection du signal et la rétrocorrélation sur des données EEG, cette étude démontre que la phase pré-stimulus des oscillations alpha module la sensibilité perceptuelle non pas en modifiant le critère de décision, mais en réduisant le bruit interne et en affinant l'accordage sensoriel vers les caractéristiques pertinentes du stimulus.
En utilisant l'électroencéphalographie, cette étude révèle que la sensibilité tactile et l'activité du composant cortical précoce P45 sont dynamiquement modulées lors d'actions orientées vers un but, avec une suppression globale durant le mouvement et une récupération transitoire autour de la vitesse maximale, suggérant une adaptation sensorielle pour faciliter le contrôle sensorimoteur.
Cette étude démontre que l'augmentation de la complexité architecturale des réseaux de neurones convolutifs (en passant de 1D à 3D) n'améliore pas significativement la généralisabilité du décodage de la commande neuronale à partir de signaux HDsEMG, offrant ainsi des directives pratiques pour optimiser le compromis entre performance et efficacité computationnelle.