1660 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 articolo introduce VFB-MCP, un'implementazione del Model Context Protocol che connette i Large Language Models all'ontologia esperta curata di Virtual Fly Brain, superando significativamente i modelli LLM standard e quelli assistiti dalla ricerca sul web nel fornire risposte precise, verificabili e quantificate a quesiti di neuroscienze sulla Drosophila.
Questo studio fMRI su 128 adulti rivela che l'ippocampo e le cortecce temporali mediali esibiscono distinti pattern di attivazione, specifici per fase, durante la memoria di lavoro allocentrica, mostrando un coinvolgimento anche durante il mantenimento del ritardo ma mancando di una correlazione diretta con la prestazione negli adulti più giovani, mentre gli adulti più anziani dimostrano riduzioni legate all'età nell'attivazione ippocampale anteriore e corticale nonostante una prestazione nel compito comparabile.
Questo studio stabilisce il primo framework basato sull'attività per classificare le varianti missenso di NEK1 associate alla SLA, dimostrando che esse interrompono l'autofosforilazione in siti specifici (notevolmente pThr156) attraverso meccanismi distinti dalla semplice aploinsufficienza, supportati da una mappatura fosfoproteomica completa, saggi biochimici e modellazione strutturale.
Questo articolo presenta un framework computazionale che dimostra come la dinamica sinaptica dipendente dal voltaggio e le interazioni multi-spike, piuttosto che le classiche regole di spike-timing a coppie, spieghino perché la terapia di Stimolazione Elettrica Funzionale induca in modo affidabile il potenziamento a lungo termine, orientando la plasticità verso il potenziamento attraverso la variabilità fisiologica del timing degli spike.
Questo studio dimostra che la resilienza dei circuiti neurali alla neurodegenerazione è determinata principalmente dall'inserimento strategico di neuroni inibitori in posizioni strutturalmente centrali, il quale mantiene dinamiche collettive stabili nonostante una sostanziale perdita sinaptica e neuronale.
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.