neuroscience 篇论文 | Gist.Science

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。

本研究表明，随机循环网络中的分裂细胞（splitter cells）是作为一种任务驱动现象而非结构必然性而普遍出现的，因为移除这些细胞会触发稳健的网络重组，从而在保持任务性能和群体几何结构的同时实现功能。

本文提出了一种利用领域自适应技术将高分辨率显微镜衍生的纤维方向图从猕猴数据集转换至体内人类弥散磁共振成像（MRI）的深度学习框架，从而在推理阶段无需显微镜数据的情况下，实现具有生物学依据的结构连接映射。

这项研究表明，没有脑机接口经验的中风幸存者可以通过运动想象和深度学习解码器，实现对机器人手的实时、个体化手指级控制，这揭示了可辨识的精细运动控制神经信号依然存在，并可以通过适应性神经重组被加以利用。

本研究表明，PTEN 的亚细胞定位是其在神经发育中发挥功能的关键决定因素，揭示了胞质和膜靶向的 PTEN 对于充分抑制树突复杂度和脊突密度是必需的，而核定位的 PTEN 仅能部分挽救特定的形态缺陷。

本研究表明，学习过程中反馈向量的几何结构决定了循环网络能否实现独立学习行为的零样本并行组合，揭示了由不同反馈所实现的解耦动力学子空间如何允许在无需联合训练的情况下实现任务的灵活重组。

本研究通过将猕猴示踪剂数据迁移至人类，引入了一种定向人类结构连接组（DHSC），证明了纳入解剖方向性能够揭示具有生物学合理性的层级结构，并且与传统的无向网络相比，显著改善了大尺度脑动力学的建模。

本研究通过将结构连接数据与功能元分析相结合，对人类胼胝体在各种认知领域中的参与情况进行了概率性的体素级表征，揭示了后部、前部和中部区域分别支持视觉、决策和运动控制等功能的独特空间模式。

通过将先进的 MRI 微结构建模与 94 名健康对照者的静息态 MEG 相结合，本研究表明白质轴突特性和灰质微结构特征均能显著预测大规模神经传播延迟，从而在脑组织架构与信号动力学之间建立了关键联系。

本文揭示了由于特定的设计缺陷，FACED数据集上的脑电图（EEG）分类性能主要由刺激物的身份而非真实的心理情感状态所驱动，并据此提出了五项新建议，以减轻未来情绪解码研究中的这些混淆因素。

这项研究表明，小鼠的情景式记忆检索依赖于一个分布式的额后内侧网络，其中回顾皮层在协调成功回忆所需的神经元集群中发挥着至关重要的作用。