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.

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

Deze paper introduceert een hiërarchisch Latent Gaussian Process-model dat de Simplified Reference Tissue Model voor dynamische PET-data uitbreidt door de effluxparameter als een gladde, tijdsvariabele functie te modelleren, waardoor robuuste populatie-inferentie over neurotransmitterdynamiek mogelijk wordt zonder restrictieve parametrische aannames.

Vegelius, J.2026-04-16🧠 neuroscience

Late Integration of Prior Expectations During Precision Weighted Perceptual Decisions

Twee gepre-registreerde experimenten tonen aan dat precisi-gewogen perceptuele besluitvorming voornamelijk plaatsvindt in de late fasen van het besluitvormingsproces, waarbij prior verwachtingen de neurale representatie van zintuiglijke informatie pas tijdens de responsplanning beïnvloeden, wat de theorieën van vroege predictieve verwerking uitdaagt.

Gastrell, T., Rangelov, D., Mattingley, J. B.2026-04-16🧠 neuroscience

Reinforcement learning for closed-loop optimisation of spatiotemporal stimulation in patterned neuronal networks

Dit artikel beschrijft een open-source, low-cost platform dat gespecialiseerde neurale netwerken op micro-elektrode arrays combineert met gesloten-lus versterkt leren om efficiënt spatiotemporele stimulatiepatronen te optimaliseren die specifieke doelactiviteiten in het netwerk opwekken.

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

Dit artikel presenteert een recurrente neurale netwerkmodel dat, door rational meta-reasoning te combineren met meta-learning, leert om berekeningen te selecteren en zo de flexibiliteit en efficiëntie van biologische cognitie en neurale dynamiek in zowel eenvoudige keuzetaken als meervoudige planningsproblemen verklaart.

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