Functional connectome harmonics capture early brain organization and maturity in neonates
该研究利用功能连接组谐波分析 714 名新生儿数据，揭示了新生儿大脑已具备类似成人的感觉 - 多模态及认知梯度架构，并发现基于谐波的能量、功率和熵等指标能有效反映脑成熟度及早产影响，为评估神经发育提供了新型生物标志物。
🧠 Category
neuroscience
2392 篇论文
神经科学致力于解开大脑的奥秘，从记忆的形成到意识的本质，探索着人类思维与行为背后的生物学机制。这一领域不仅关乎我们如何感知世界，更揭示了情感、学习乃至精神健康背后的复杂神经网络。在这里，我们关注那些正在重塑我们对“自我”认知的最新发现，让深奥的脑科学变得触手可及。
Gist.Science 实时追踪并处理来自 bioRxiv 的所有最新神经科学预印本。我们深知前沿研究往往充满专业壁垒，因此为每一篇新论文提供通俗易懂的科普解读以及详尽的技术摘要，帮助读者跨越术语障碍，直接把握研究核心。
以下为您呈现该领域最新的预印论文列表，期待这些前沿成果能为您带来启发。
Phasic dopamine drives conditioned responding beyond its role in learning
该研究结合数据分析与计算建模，提出中脑多巴胺不仅通过预测误差驱动学习，还直接调节条件性反应，从而修正了多巴胺仅通过影响学习间接驱动行为的传统观点。
Mapping the spatiotemporal continuum of structural connectivity development across the human connectome in youth
该研究利用多队列扩散磁共振成像数据，揭示了青少年期大脑结构连接沿感觉运动 - 联合轴呈现从感觉运动区早期增强到联合区晚期增强的时空连续发育模式，并发现该模式与高阶认知及精神病理学特征密切相关，为量化精神疾病的发育变异提供了规范参考。
The aberrant language network dynamics in autism ages 5-60 years
该研究利用动态元网络框架发现，自闭症谱系障碍患者的语言网络动态随年龄呈现异常的发展轨迹，具有生物学基础，且特异性地预测了言语智商和沟通障碍，而非社交或刻板行为问题。
Sequential critical periods support efficient local representation learning in a model of visual processing
该研究提出了一种仅依赖局部突触可塑性规则的视觉层级模型，发现从 V1 到颞下皮层依次开启和关闭的“级联关键期”不仅能显著提升局部学习规则下的表征质量与代谢效率，还能使智能体无需微调即可解决导航与视觉辨别任务，从而表明级联关键期是生物视觉系统实现高效、局部且经济的学习机制而非单纯的发展约束。
Optimizing Biophysical Large-Scale Brain Circuit Models With Deep Neural Networks
本文提出了名为 DELSSOME 的深度学习框架，通过替代耗时的数值积分实现大规模脑电路模型参数的快速优化，从而首次基于 1.2 万人的数据绘制了全生命周期皮层兴奋/抑制比规范轨迹并揭示了新的生物学规律。
Unreliable homeostatic action potential broadening in cultured dissociated neurons
该研究发现，动作电位增宽并非培养神经元中普遍存在的稳态可塑性机制，其发生具有细胞类型和实验条件的特异性，且与 BK 型钾通道无关。
Alpha-Band Phase Modulates Perceptual Sensitivity by Changing Internal Noise and Sensory Tuning
该研究通过结合信号检测论与反向相关技术，发现视觉感知敏感度受静息态α波段相位调节，其机制在于优化相位能降低内部噪声并增强对目标特征（如空间频率和朝向）的感官调谐，而非改变判断标准或单纯放大信号。
Temporal dynamics of early somatosensory processing in goal-directed actions
该研究利用脑电图发现，在目标导向的伸手动作中，早期体感皮层活动（P45 成分）会随运动阶段动态调节触觉敏感性，在动作达到最大速度时出现短暂恢复，从而支持感觉运动控制。
Impact of Kernel Dimensionality on the Generalizability and Efficiency of Convolutional Neural Networks to Decode Neural Drive from High-density Electromyography Signal
该研究系统评估了卷积核维度（1D、2D、3D）对高密度肌电信号解码的影响，发现增加架构复杂度并未显著提升泛化性能，从而为平衡神经机器接口中的解码效果与计算效率提供了实践指导。