De hersenen zijn misschien wel het meest complexe orgaan in het menselijk lichaam en het begrijpen van hun werking blijft een eindeloos avontuur. In deze categorie duiken we in de neurowetenschappen, waar onderzoekers zich richten op hoe neuronen communiceren, hoe onze gedachten en herinneringen ontstaan, en wat er gebeurt bij neurologische aandoeningen. Het is een dynamisch veld dat elke dag nieuwe inzichten biedt over wat ons menselijk maakt.

Op Gist.Science halen we de nieuwste inzichten direct van bioRxiv, de openbare preprintserver waar wetenschappers hun onbeoordeelde studies eerst publiceren. Wij verwerken elk nieuw preprint in deze categorie zorgvuldig, zodat u direct toegang heeft tot zowel een heldere, begrijpelijke samenvatting als een gedetailleerde technische analyse. Zo blijft u op de hoogte van de laatste doorbraken zonder de complexiteit van de originele teksten te hoeven doorworstelen.

Hieronder vindt u de meest recente papers binnen het veld van de neurowetenschap, direct samengevat voor u.

Functional connectome harmonics capture early brain organization and maturity in neonates

Dit onderzoek toont aan dat functionele connectoomharmonieën bij pasgeborenen volwassenachtige functionele gradiënten onthullen en dat afgeleide metrics zoals vermogen en energie bruikbare biomarkers zijn voor het beoordelen van hersenrijping en de impact van vroeggeboorte.

Rosberg, A., Mariani Wigley, I., Barron, A., Suuronen, I., Merisaari, H., Pulli, E. P., Luotonen, S., Li, R., Bano, W., Jolly, A., Audah, H. K., Hashempour, N., Vartiainen, E., Karlsson, H., Karlsson (…)2026-03-25🧠 neuroscience

Mapping the spatiotemporal continuum of structural connectivity development across the human connectome in youth

Dit onderzoek, gebaseerd op data van drie onafhankelijke cohorten, identificeert een robuust spatiotemporale continuüm in de ontwikkeling van structurele connectiviteit bij jongeren dat verloopt van sensorimotorische naar associatieve verbindingen rond het 15e levensjaar en inzicht biedt in de relatie tussen deze ontwikkelingspatronen en cognitie of psychopathologie.

Xu, X., Yang, H., Cong, J., Xu, H., Kai, J., Zhao, S., Li, Y., Shou, H., Wang, K., Sydnor, V. J., Xu, T., Yeh, F.-C., Cui, Z.2026-03-24🧠 neuroscience

The aberrant language network dynamics in autism ages 5-60 years

Deze studie toont aan dat de leeftijdsafhankelijke dynamiek van taalnetwerken bij autisme biologisch onderbouwd is en specifiek voorspellend werkt voor verbale en communicatieve stoornissen, maar niet gerelateerd is aan sociale functionering of stereotiepe gedragingen.

Hu, Z., Guo, X., Yang, J., Qu, Z., Li, Z., Li, J., Gao, X., Liu, J., Wang, Y., Li, W., Li, W., Huang, Y., Chen, J., Zhou, N., Zhang, Y., Wang, X., Xie, H., Yuan, B.2026-03-24🧠 neuroscience

Optimizing Biophysical Large-Scale Brain Circuit Models With Deep Neural Networks

Deze studie introduceert DELSSOME, een deep learning-framework dat de optimalisatie van biophysische hersencircuitmodellen tot 8000 keer versnelt door numerieke integratie te omzeilen, waardoor voor het eerst normatieve trajecten van het corticale E/I-verhouding over de levensduur op populatieniveau kunnen worden afgeleid.

Zeng, T., Tian, F., Zhang, S., Li, X., Tan, A. P., Larsen, B., Ji, F., Chong, J. S. X., Yap, K. H., Chen, C., Franzmeier, N., Roemer-Cassiano, S. N., Chopra, S., Cocuzza, C. V., Baker, J. T., Zhou, J. (…)2026-03-24🧠 neuroscience

Unreliable homeostatic action potential broadening in cultured dissociated neurons

Deze studie toont aan dat actiepotentialen-breedtevergroting geen algemeen homeostatisch mechanisme is in gekweekte dissociatieve neuronen, aangezien het slechts onder specifieke omstandigheden en in bepaalde neuronpopulaties optreedt, in plaats van als algemene respons op chronische inactiviteit.

Ritzau-Jost, A., Rajayer, S., Nerlich, J., Maciag, F., John, A., Russier, M., Gonzalez Sabater, V., Steiger, L., Coq, J.-O., Eilers, J., Engelhardt, M., Burrone, J., Debanne, D., Heine, M., Smith, S. (…)2026-03-24🧠 neuroscience

Impact of Kernel Dimensionality on the Generalizability and Efficiency of Convolutional Neural Networks to Decode Neural Drive from High-density Electromyography Signal

Deze studie toont aan dat het verhogen van de complexiteit van CNN-architecturen door het gebruik van 3D-kernen geen significant voordeel biedt voor de generaliseerbaarheid bij het decoderen van neurale aandrijving uit HD-sEMG-signalen, waardoor efficiëntere 1D- of 2D-modellen de voorkeur verdienen voor praktische toepassingen.

Fu, J., Huang, H. J., Wen, Y.2026-03-24🧠 neuroscience