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.

🧠 neuroscience

Predicting children's literacy from task-based fMRI: Neural heterogeneity and task-dependent performance

Cette étude démontre que la prédiction des compétences en littératie chez l'enfant est optimisée par l'utilisation de tâches fMRI actives engageant l'apprentissage multisensoriel et de contrastes d'activation simples, révélant des marqueurs neuronaux clés dans des régions frontales et occipitales.

Pamplona, G. S. P., Stettler, S., Hebling Vieira, B., Di Pietro, S. V., Frei, N., Lutz, C., Karipidis, I. I., Brem, S.2026-04-17
🧠 neuroscience

A theory of multi-task computation and task selection

Ce papier propose un modèle théorique de réseaux de neurones récurrents non linéaires dont la connectivité, structurée comme une somme pondérée de composantes de faible rang, permet la sélection de tâches et l'évitement des interférences dynamiques par de faibles modulations, expliquant ainsi comment un même réseau peut générer des dynamiques distinctes confinées à des variétés neuronales spécifiques.

Marschall, O., Clark, D. G., Litwin-Kumar, A.2026-04-16
🧠 neuroscience

Latent Gaussian Process Modeling for Dynamic PET Data: A Hierarchical Extension of the Simplified Reference Tissue Model

Cet article propose une extension hiérarchique du modèle de tissu de référence simplifié (SRTM) pour la TEP dynamique, nommée LGPE-SRTM, qui modélise le paramètre d'efflux comme une fonction temporelle lisse via un processus gaussien latent, permettant ainsi une inférence efficace et robuste des dynamiques de neurotransmetteurs transitoires sans hypothèses paramétriques restrictives.

Vegelius, J.2026-04-16
🧠 neuroscience

Elevating levels of neuronal MCU in the hippocampus enhances mitochondrial calcium uptake and respiratory efficiency proportional to demand

Cette étude démontre que la surexpression du transporteur mitochondrial MCU dans l'hippocampe accélère l'absorption du calcium et améliore l'efficacité de la phosphorylation oxydative en réponse à une demande bioénergétique accrue, sans augmenter la sensibilité à la surcharge calcique.

Cawley, M. L., Montalvo, R. N., Wheeler, M. L., Turner, L. L., Pfleger, J., Yan, Z., Farris, S.2026-04-16
🧠 neuroscience

Reinforcement learning for closed-loop optimisation of spatiotemporal stimulation in patterned neuronal networks

Cette étude présente un cadre d'apprentissage par renforcement en boucle fermée, intégré à un système d'électrophysiologie open-source, qui permet d'optimiser efficacement les motifs de stimulation spatio-temporelle dans des réseaux neuronaux biologiques structurés pour induire des activités cibles spécifiques.

Maurer, B., Vasiliauskaite, V., Hengsteler, J., Cathomen, G., Ruff, T., Schmid, C., Vörös, J., Ihle, S. J.2026-04-16
🧠 neuroscience

Resting-state EEG alpha-BOLD coupling spatially follows cortical cell-type and receptor gradients

Cette étude révèle que la corrélation spatiale entre les signaux EEG alpha et BOLD au repos suit des gradients spécifiques d'expression génique liés à des types cellulaires et des récepteurs neuronaux, expliquant ainsi une part significative de la variabilité neurobiologique de ce couplage.

Jiricek, S., Chien, V. S. C., Schmidt, H., Koudelka, V., Marecek, R., Mantini, D., Hlinka, J.2026-04-16
🧠 neuroscience

Learning to select computations in recurrent neural circuits

En combinant la théorie du méta-raisonnement rationnel avec un algorithme d'apprentissage méta, cette étude propose un modèle de réseau de neurones récurrents capable d'apprendre à sélectionner ses propres calculs, offrant ainsi une explication mécaniste de la flexibilité et de l'efficacité du contrôle cognitif biologique.

Chen, S., Callaway, F., Kumar, S., Lupkin, S. M., Wallis, J. D., McGinty, V. B., Rich, E. L., Mattar, M. G.2026-04-16