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。

🧠 neuroscience

Resting-state hyper- and hypo-connectivity in early schizophrenia: which tip of the iceberg should we focus on?

这项针对100例首发精神分裂症患者的研究表明,早期阶段的大脑连接特征表现为局部高连接与低连接的平衡混合,而非全局性的转变,同时强调了数据预处理的选择会关键性地影响低连接是否呈现出占主导地位的状态。

Tomecek, D., Kolenic, M., Rehak Buckova, B., Tintera, J., Spaniel, F., Horacek, J., Hlinka, J.2026-01-26
🧠 neuroscience

Transgenic A53T mice have astrocytic α-synuclein aggregates in dopamine and striatal regions

这项研究表明,在模拟帕金森病的研究模型 A53T 转基因小鼠中,黑质致密部的小胶质细胞表现出反应性表型,且与野生型对照组相比,其数量及 α-突触共核蛋白聚集物的累积显著增加,这表明这些聚集物在星形胶质细胞清除功能早期的缺陷,导致了该区域的易感性。

Peat, C., Prasad, A., Finkelstein, D. I., Sue, C., Johnston, J., Parish, C., Thompson, L., Kirik, D., Halliday, G.2026-01-25
🧠 neuroscience

Statistically valid explainable black-box machine learning: applications in sex classification across species using brain imaging

本文介绍了一个结合了斜向随机森林(Oblique Random Forests)与一种新型基于置换的特征重要性算法(NEOFIT)的集成框架,旨在实现人类与猕猴脑成像数据中具有统计学有效性且可解释的性别分类,从而克服传统方法在处理高维神经影像特征方面的局限性。

Liu, T., Dey, J., Xu, B., Bridgeford, E. W., Alldritt, S. S., Nenning, K.-H., Byeon, K., Xu, T., Vogelstein, J. T.2026-01-25
🧠 neuroscience

Cryo-EM structure of pro-aggregant P301L/S320F double-mutant tau filaments formed in mouse brains following peripheral AAV delivery

本研究利用冷冻电子显微镜技术揭示,将 P301L/S320F 双突变人类 tau 蛋白进行全身性递送至 AppNL-G-F/MAPT 小鼠体内,会诱导其发生快速且不依赖种子(seed-independent)的聚集,形成一种不同于已知阿尔茨海默病和 Pick 病结构的全新紧凑型丝状折叠结构,从而为建立 tau 蛋白病模型提供了一个快速平台。

Kano, M., Kimura, T., Yanagisawa, H., Tatsumi, L., Yamashita, K., Sakai, A., Li, X., Sado, T. C., Saito, T., Takatori, S (…)2026-01-25
🧠 neuroscience

Tractometry-Based Quantification of Along-Tract White-Matter Hemispheric Asymmetry in Alzheimer's Disease

本研究引入了一种不对称感知型迹象测绘(tractometry)框架,该框架将对称性白质图谱与BUAN相结合,以实现对同源白质纤维束沿线半球不对称性的原则性、分段量化,并证明了其在利用ADNI数据区分认知正常个体与轻度认知障碍及痴呆患者方面的效用。

Chandio, B. Q., Feng, Y., Ba Gari, I., Alibrando, J. D., Thomopoulos, S. I., Villalon-Reina, J. E., Liou, K., Somu, S. (…)2026-01-25