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.

Machine-Learning-Based spike marking in signal and source space EEG from a patient with focal epilepsy

Questo studio dimostra che le reti neurali artificiali, in particolare quelle addestrate su dati di spazio del segnale con estrazione di caratteristiche come la dimensione frazionaria di Katz, possono rilevare con alta accuratezza le scariche epilettiformi interictali, offrendo uno strumento affidabile per supportare la valutazione clinica nell'epilessia focale.

Jafarova, L., Yesilbas, D., Kellinghaus, C., Möddel, G., Kovac, S., Rampp, S., Czernochowski, D., Sager, S., Güven, A., Batbat, T., Wolters, C. H.2026-03-10🧠 neuroscience

Transient focal inactivation of the primary visual cortex abolishes saccadic inhibition

Questo studio dimostra che l'inattivazione transitoria e focale della corteccia visiva primaria abolisce l'inibizione saccadica, evidenziando il ruolo dominante della via genicolostriata in questo riflesso comportamentale e ridefinendo le concezioni classiche sui loop paralleli di input-output nel cervello.

Malevich, T., Yu, Y., Baumann, M. P., Yu, X., Zhang, T., Yoshida, M., Isa, T., Hafed, Z. M.2026-03-10🧠 neuroscience

Light on Broken Networks: Resting-State fNIRS as a Tool for Connectivity Mapping

Lo studio dimostra che la fNIRS a riposo, sebbene mostri differenze rispetto alla fMRI a livello di singoli collegamenti, cattura efficacemente l'organizzazione delle reti cerebrali su larga scala, confermandone l'utilità traslazionale per la mappatura della connettività funzionale.

kotsogiannis, F., Lührs, M., Rutten, G.-J. M., Reid, A. T., Deprez, S., Lambrecht, M., De Baene, W., Sleurs, C.2026-03-10🧠 neuroscience

Reassessing Number-Detector Units in Convolutional Neural Networks

Utilizzando l'architettura CNN biologicamente ispirata CORnet e applicando la potatura per superare i limiti dell'analisi di similarità rappresentazionale, questo studio dimostra che le unità specializzate nel rilevamento dei numeri non sono fondamentali per le rappresentazioni di numerosità a livello di popolazione, sfidando così il loro ruolo ipotizzato in ricerche precedenti.

Truong, N., Noei, S., Karami, A.2026-03-10🧠 neuroscience

Stiefel Manifold Dynamical Systems for Tracking Representational Drift

Il paper introduce il Sistema Dinamico su Varietà di Stiefel (SMDS), un modello che supera i limiti dei sistemi dinamici lineari tradizionali vincolando le matrici di emissione a evolvere in modo fluido sulla varietà di Stiefel, permettendo così di catturare con maggiore precisione la deriva rappresentazionale nei dati neurali sia simulati che reali.

Lee, H. D., Jha, A., Clarke, S. E., Silvernagel, M. P., Nuyujukian, P., Linderman, S. W.2026-03-10🧠 neuroscience

Atypical cortical encoding of the low-frequency temporal dynamics of natural speech identifies children with Developmental Language Disorder

Lo studio utilizza l'analisi EEG durante l'ascolto di discorsi naturali per identificare bambini con Disturbo Specifico del Linguaggio (DLD) attraverso pattern di accoppiamento fase-ampiezza atipici nella banda delta, suggerendo dinamiche neurali alterate come potenziale bersaglio per nuove terapie.

Zheng, X., Araujo, J., Keshavarzi, M., Feltham, G., Richards, S., Parvez, L., Goswami, U.2026-03-10🧠 neuroscience

Learned and inferred valence arise from interactions between stable and dynamic subnetworks

Utilizzando l'imaging calcico longitudinale, lo studio dimostra che nella corteccia prelimbica dei topi una sottorete stabile di neuroni che codificano il valore emotivo fornisce un'impalcatura per la memoria a lungo termine e l'inferenza di minacce, mentre sottoreti dinamiche gestiscono la specificità sensoriale, risolvendo così il paradosso tra il turnover neuronale e la stabilità della memoria.

Normandin, M. E., Ogallar, P. M., Lopez, M. R., Muzzio, I. A.2026-03-10🧠 neuroscience