1684 articoli
La neuroscienza è il viaggio affascinante alla volta di comprendere come il nostro cervello pensa, sente e prende decisioni. Questo campo esplora i meccanismi che governano ogni nostra azione, dal battito cardiaco involontario alla complessità della coscienza umana, svelando i misteri che si nascondono dietro ogni sinapsi e circuito neurale.
Su Gist.Science, raccogliamo e organizziamo ogni nuovo preprint pubblicato su bioRxiv dedicato a queste ricerche, trasformando studi complessi in contenuti accessibili. Per ogni documento, offriamo sia una sintesi tecnica dettagliata per gli esperti, sia una spiegazione in linguaggio semplice, rendendo le scoperte più recenti comprensibili a tutti senza perdere rigore scientifico.
Di seguito trovate l'elenco delle ultime pubblicazioni in neuroscienza, pronte per essere esplorate e comprese.
Questo studio dimostra che i deliri non derivano da inferenze difettose, ma emergono come conseguenza adattiva di una riorganizzazione del modello generativo innescata da un'inizializzazione inadeguata e da un'eccessiva certezza, offrendo nuove prospettive per terapie basate sul riaddestramento di tali modelli.
Questo studio dimostra che le reti neurali convoluzionali possono sviluppare un codice unificato per l'identità degli oggetti e le variabili indipendenti dalla categoria, rivelando come specifiche proprietà geometriche delle varietà neuronali permettano una lettura accurata di entrambe le informazioni senza compromettere le prestazioni di classificazione.
Questo studio dimostra che, sebbene il riluzolo non alteri l'eccitabilità nei topi sani, nei modelli murini di SLA ne aumenta paradossalmente l'eccitabilità a causa di meccanismi omeostatici iperattivi, pur riducendo la capacità di membrana e normalizzando le dimensioni cellulari, rivelando così un meccanismo neuroprotettivo non riconosciuto che spiega la limitata efficacia clinica del farmaco.
Lo studio dimostra che le proprietà di sintonizzazione dell'area MSTd nel flusso ottico sono meglio spiegate da un obiettivo di ricostruzione non supervisionato (autoencoding) che utilizza segnali simili a quelli dell'area MT, piuttosto che da un'ottimizzazione supervisionata per la stima del moto, suggerendo principi computazionali distinti tra i flussi ventrale e dorsale.
Lo studio rivela che, sebbene l'abituazione e l'apprendimento associativo al ricompensa modulino la risposta dei neuroni piramidali nella corteccia visiva attraverso circuiti disinibitori distinti, entrambi i processi convergono nel ridurre il rapporto di input PV:SST, favorendo un adattamento di tipo sensibilizzante.
Utilizzando simulazioni computazionali e registrazioni umane, questo studio dimostra che le non linearità intrinseche dei motoneuroni generano dinamiche eterogenee e dipendenti dalla frequenza, dove specifici sottogruppi si sincronizzano con gli input comuni ad alta frequenza, un fenomeno che rimane nascosto nelle analisi convenzionali a livello dell'intero pool ma che può essere rivelato mediante un nuovo metodo di analisi basato sui singoli eventi di scarica.
Questo studio combina neuroimaging, dati sull'espressione genica e modelli di rete per dimostrare che la formazione delle reti corticali nel cervello umano in sviluppo è guidata da vincoli spaziotemporali interagenti tra la distanza di cablaggio e la maturazione dei nuclei talamici, piuttosto che da un targeting preferenziale dei nuclei di ordine superiore verso i hub corticali.
Lo studio dimostra che lo sviluppo della rete linguistica cerebrale segue un percorso non lineare caratterizzato da una localizzazione iniziale, una fase transitoria di distribuzione durante l'adolescenza con un calo di connettività, e un successivo ritorno a una localizzazione raffinata in età adulta, offrendo un quadro unificante per la maturazione delle reti neurali umane.
Questo studio dimostra, attraverso analisi dei dati e modellazione computazionale, che la dopamina fasica non solo guida l'apprendimento delle risposte condizionate tramite l'errore di previsione della ricompensa, ma modula anche direttamente l'espressione di tali risposte.
Il paper introduce DELSSOME, un framework basato sul deep learning che accelera drasticamente l'ottimizzazione dei modelli di circuiti cerebrali su larga scala, permettendo per la prima volta l'analisi a livello individuale su vasta popolazione e rivelando nuove traiettorie normative del rapporto eccitazione/inibizione corticale durante l'intero arco della vita.