Habit and the hippocampus: Model-based spatial representations without outcome-sensitive control
该研究通过大鼠空间导航实验发现，即使任务执行依赖海马体构建的认知地图，动物仍可能表现出对结果价值不敏感的习惯性行为，从而证明海马体表征的使用并不足以保证目标导向的决策控制。
🧠 Category
neuroscience
2418 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。
Dual reinforcement-learning network modules for modeling decision-making with multiple strategies
该研究提出了一种混合深度强化学习（H-DRL）模型，通过单一网络利用突触可塑性和循环活动自动根据任务需求在基于模型的推理策略与无模型策略之间切换，从而统一解释了大脑如何在不同条件下灵活采用多种决策策略。
Rebound Relays and Inhibitory Vetoes Stabilize Sparse Sequential Activity in HVC
该研究通过构建生物物理模型揭示，HVC 中的稀疏序列活动依赖于抑制性微环路的双重机制：即通过去抑制化 T 型钙通道和 Ih 电流引发 HVCX 神经元的反弹爆发以驱动序列推进，同时利用相位性抑制否决机制阻断非时序激活，从而将抑制转化为精确的序列传播动力。
The React & Rebound Model: Capturing Emotion Regulation Dynamics from Passive Wearable Data
该研究提出了一种名为“反应与反弹”的计算模型，通过分析消费级可穿戴设备采集的连续心率变异性数据，成功提取出可解释的个性化情绪调节参数（反应性与恢复力），并证实这些参数能有效预测焦虑症状严重程度。
Characterizing EEG Spectro-Temporal Variability Signatures in Alzheimer's and Parkinson's Disease
该研究提出了一种基于脑电图（EEG）的方法，通过可解释机器学习识别阿尔茨海默病和帕金森病特有的频谱特征，揭示了疾病组在频谱特征上表现出比健康对照组更高的组间异质性和组内时间变异性，且这些特征符合对数正态分布，从而为追踪神经活动异常提供了有效途径。
Quantitative Neuropeptidomics Reveals Thermal Acclimation-Induced Remodeling of Peptidergic Signaling in the American Lobster Homarus americanus
该研究利用定量质谱技术揭示了美洲龙虾在热适应过程中，其神经肽信号通路发生组织特异性重塑，表现为冷暴露导致特定神经肽下调而暖适应则引起另一组神经肽显著上调，从而阐明了其应对温度变化的神经化学适应机制。
Ropinirole hydrochloride mitigates oxidative stress and neuroinflammation via the PI3K-mTOR pathway in TDP-43 hiPSC-derived microglial-like cells
该研究证实，多巴胺 D2 受体激动剂罗匹尼罗（Ropinirole）通过 PI3K-mTOR 信号通路减轻 TDP-43 突变诱导的人源小胶质细胞中的氧化应激和神经炎症，从而为 ALS 提供了同时靶向神经元和小胶质细胞的双重治疗策略。
Reassessing Number-Detector Units in Convolutional Neural Networks
本研究利用 CORnet 架构并结合剪枝方法，发现所谓的“数量检测单元”并非群体水平上表征数量信息的关键，从而挑战了其在先前研究中被赋予的核心作用。
Multimodal MRI-based neuromarkers trace longitudinal changes in cognitive functioning in ADHD
该研究利用 Oregon ADHD-1000 纵向队列数据，开发了基于多模态 MRI 的神经标记物，成功实现了对 ADHD 患者及非 ADHD 个体认知功能纵向变化的精准预测与追踪，为预后评估和治疗监测提供了重要依据。
Stiefel Manifold Dynamical Systems for Tracking Representational Drift
本文提出了一种名为流形动力学系统（SMDS）的新模型，通过约束发射矩阵在斯蒂费尔流形上平滑演化，有效解决了传统线性动力学系统无法捕捉神经表征漂移的问题，从而在跨物种神经数据中更准确地揭示了神经动态并量化了表征漂移。