1383 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 stabilisce un modello in vitro basato su iPSC umane dimostrando che la senescenza replicativa nei progenitori neurali induce la senescenza degli astrociti sia in colture 2D che in organoidi del mesencefalo, fornendo una piattaforma per investigare il ruolo dell'astrosenescenza nella patologia della malattia di Parkinson.
Utilizzando la fMRI a campo ultra-alto, questo studio dimostra che l'ingrandimento della frequenza nella corteccia uditiva primaria umana è predetto meglio dalla prestazione comportamentale di discriminazione della frequenza che dalla risoluzione cocleare, suggerendo che l'elaborazione corticale, piuttosto che l'input periferico, limiti l'iperacuità uditiva.
Questo studio dimostra che il talamo parafascicolare facilita l'apprendimento stimolo-ricompensa regolando dinamicamente l'orientamento della testa e del corpo per guidare l'attenzione, come evidenziato dall'attività del calcio che traccia l'apprendimento associativo e dalla disruzione optogenetica che compromette sia l'orientamento che l'apprendimento.
Questo studio dimostra che le cellule splitter nelle reti ricorrenti casuali emergono genericamente come un fenomeno guidato dal compito piuttosto che come una necessità strutturale, poiché la loro rimozione innesca una robusta riorganizzazione della rete che preserva le prestazioni nel compito e la geometria della popolazione.
Questo articolo presenta un framework di deep learning che sfrutta l'adattamento di dominio per tradurre mappe di orientamento delle fibre ad alta risoluzione derivate da microscopia da un dataset di macaco alla risonanza magnetica a diffusione in vivo umana, consentendo così una mappatura della connettività strutturale biologicamente fondata senza richiedere dati di microscopia durante l'inferenza.
Questo studio dimostra che i sopravvissuti a un ictus privi di precedente esperienza con le BCI possono ottenere un controllo in tempo reale, a livello di singolo dito, di una mano robotica utilizzando l'immaginazione motoria e decodificatori di deep learning, rivelando che i segnali neurali discriminabili per il controllo motorio fine persistono e possono essere sfruttati attraverso una riorganizzazione neurale adattiva.
Questo studio dimostra che la localizzazione subcellulare di PTEN è un determinante critico della sua funzione nello sviluppo neuronale, rivelando che la PTEN citoplasmatica e quella diretta alla membrana sono necessarie per limitare pienamente la complessità dendritica e la densità delle spine, mentre la PTEN localizzata nel nucleo recupera solo parzialmente specifici difetti morfologici.
Questo studio dimostra che la geometria dei vettori di feedback durante l'apprendimento determina se le reti ricorrenti possano raggiungere la composizione parallela zero-shot di comportamenti appresi indipendentemente, rivelando che sottospazi dinamici separabili abilitati da feedback distinti consentono una ricombinazione flessibile dei compiti senza addestramento congiunto.
Questo studio introduce un connettoma strutturale umano diretto (DHSC) trasferendo i dati dei traccianti del macaco agli esseri umani, dimostrando che l'incorporazione della direzionalità anatomica rivela un'organizzazione gerarchica biologicamente plausibile e migliora significativamente la modellazione della dinamica cerebrale su larga scala rispetto alle tradizionali reti non dirette.
Questo studio presenta una caratterizzazione probabilistica, a livello di voxel, del coinvolgimento del corpo calloso umano in vari domini cognitivi integrando dati di connettività strutturale con meta-analisi funzionali, rivelando distinti pattern spaziali in cui le regioni posteriori, anteriori e centrali supportano differenzialmente funzioni quali la visione, il processo decisionale e il controllo motorio, rispettivamente.