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.

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

Il documento propone un'estensione del modello SRTM basata su processi gaussiani latenti (LGPE-SRTM) che, integrando un approccio gerarchico e una struttura a effetti misti condizionalmente lineari, permette di modellare in modo efficiente e flessibile la dinamica temporale dei neurotrasmettitori nei dati PET senza assumere forme parametriche restrittive.

Vegelius, J.2026-04-16🧠 neuroscience

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

Lo studio dimostra che l'aumento dell'espressione della proteina MCU nell'ippocampo potenzia l'assorbimento del calcio mitocondriale e migliora l'efficienza della respirazione cellulare in risposta alla domanda bioenergetica, senza aumentare la sensibilità al sovraccarico di calcio.

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

Gli autori hanno sviluppato un sistema open-source di elettrofisiologia a ciclo chiuso basato sull'apprendimento per rinforzo che, integrando reti neuronali coltivate su microelettrodi con pattern spaziali definiti, ottimizza efficientemente gli stimoli elettrici per generare specifici motivi di attività neurale, caratterizzando al contempo la dipendenza delle risposte dalla storia degli stimoli precedenti.

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

Learning to select computations in recurrent neural circuits

Questo studio presenta un modello di rete neurale ricorrente che, integrando la teoria del meta-reasoning razionale con algoritmi di meta-apprendimento, spiega come il cervello possa apprendere a selezionare dinamicamente i processi computazionali per bilanciare utilità e costo, replicando sia le dinamiche neurali osservate nei primati e negli umani, sia le strategie comportamentali ottimali in compiti di scelta e pianificazione.

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