2418 artigos
A neurociência explora os mistérios do cérebro e do sistema nervoso, desvendando como nossas células se comunicam para criar pensamentos, memórias e emoções. Neste espaço, mergulhamos nas descobertas mais recentes que buscam entender desde a biologia molecular até o comportamento complexo, tornando conceitos complexos acessíveis a todos os curiosos.
No Gist.Science, processamos automaticamente cada novo pré-publicação na categoria de neurociência enviada ao bioRxiv. Oferecemos para cada estudo um resumo detalhado com os aspectos técnicos e uma explicação em linguagem simples, garantindo que pesquisadores e leigos compreendam a importância dessas descobertas antes mesmo da revisão formal por pares.
Abaixo, você encontrará as últimas pesquisas publicadas no bioRxiv que estão transformando nossa compreensão do cérebro, prontas para serem exploradas em profundidade ou lidas de forma rápida e clara.
Este estudo demonstra que o hipocampo pode suportar a seleção de ações habituais e insensíveis a resultados durante a navegação espacial, dissociando assim o uso de mapas cognitivos do controle comportamental orientado a objetivos.
Este artigo propõe um modelo híbrido de aprendizado por reforço profundo (H-DRL) que, utilizando uma única rede neural com plasticidade sináptica e atividade recorrente, reproduz automaticamente a alternância entre estratégias de decisão baseadas em inferência e livres de modelo conforme as demandas da tarefa, oferecendo uma visão unificada sobre como uma única rede cortical pode determinar as estratégias sem um árbitro explícito.
O estudo propõe que circuitos inibitórios no HVC de pássaros cantores, atuando através de mecanismos de "relé de rebote" e "vetos fásicos", estabilizam e direcionam a propagação precisa de sequências neurais esparsas essenciais para o comportamento.
Este estudo demonstra que modelos computacionais, especialmente o modelo "Reagir e Recuperar" (React & Rebound), conseguem extrair parâmetros personalizados de regulação emocional a partir de dados passivos de wearables, revelando que a interação entre reatividade e recuperação rápida do sistema nervoso autônomo está fortemente associada à gravidade dos sintomas de ansiedade.
Este estudo apresenta uma abordagem baseada em EEG que utiliza aprendizado de máquina explicável para identificar assinaturas espectro-temporais distintas na Doença de Alzheimer e na Doença de Parkinson, revelando que o aumento da variabilidade temporal e interindividual dos marcadores espectrais, juntamente com comportamentos de cauda pesada, constitui uma assinatura diferenciadora dessas doenças em relação a controles saudáveis.
Este estudo utiliza neuropeptidômica quantitativa para demonstrar que a aclimatação térmica induz remodelações específicas nos tecidos neurais da lagosta-americana (*Homarus americanus*), caracterizadas por uma redução global de peptídeos no frio e elevações seletivas no cérebro em temperaturas mais altas, revelando os mecanismos neuroquímicos subjacentes à sua resiliência adaptativa.
Este estudo demonstra que o ropinirol cloridrato mitiga o estresse oxidativo e a neuroinflamação em células microgliais derivadas de iPSCs com TDP-43 associado à ELA, restaurando a homeostase celular através da regulação da via PI3K-mTOR, o que posiciona o fármaco como uma candidata promissora para terapias integradas que visam tanto neurônios quanto a microglia.
Este estudo utiliza a arquitetura CORnet e técnicas de poda para demonstrar que unidades detectoras de números não são essenciais para a representação populacional da numerosidade, desafiando a ideia de que elas desempenham um papel crítico na discriminação numérica.
Este estudo demonstra que marcadores neurológicos multimodais baseados em ressonância magnética estrutural e funcional podem rastrear com precisão as mudanças cognitivas longitudinais em indivíduos com TDAH, oferecendo potencial para prognóstico e monitoramento de tratamento.
Este artigo apresenta o Sistema Dinâmico de Variedade de Stiefel (SMDS), um novo modelo que supera as limitações dos sistemas dinâmicos lineares ao capturar a deriva representacional em dados neurais, demonstrando superioridade em precisão e eficiência em conjuntos de dados simulados e reais.