Latent Gaussian Process Modeling for Dynamic PET Data: A Hierarchical Extension of the Simplified Reference Tissue Model
本文提出了一种将简化参考组织模型与高斯过程相结合的分层扩展方法(LGPE-SRTM),通过条件线性混合效应框架实现了动态 PET 数据中神经递质释放时间变化动力学的高效、灵活且具备不确定性量化的群体推断。
1133 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。
本文提出了一种将简化参考组织模型与高斯过程相结合的分层扩展方法(LGPE-SRTM),通过条件线性混合效应框架实现了动态 PET 数据中神经递质释放时间变化动力学的高效、灵活且具备不确定性量化的群体推断。
该研究表明,在海马体中过表达线粒体钙单向转运体(MCU)可加速线粒体钙摄取,并在不增加钙超载敏感性的前提下,通过提升呼吸效率来更有效地响应生物能量需求。
该研究通过两项预注册实验结合 EEG 技术发现,在视觉运动决策中,基于精度的先验期望整合主要发生在决策过程的晚期阶段(响应规划期),而非早期感觉处理阶段,从而挑战了强调早期感觉处理的预测加工理论。
该研究通过扩展开源电生理系统并嵌入强化学习框架,实现了对微流控图案化神经元网络的闭环优化,成功利用多臂老虎机和线性上下文老虎机算法高效识别出能诱发特定目标活动模式的时空刺激序列,并揭示了刺激响应中的状态依赖性。
该研究通过对比静息态 EEG 阿尔法波-BOLD 耦合的空间模式与 82 种皮层特征图谱,发现层 6 VIP 中间神经元标记、兴奋性层 5 标记及 NMDA 受体亚基 GRIN2C 的基因表达图谱能显著解释耦合的空间变异,从而揭示了阿尔法-BOLD 耦合的潜在神经生物学基础。
该研究通过记录 119 名健康参与者的瞳孔、视网膜和脑电活动,首次发现瞳孔收缩本身(而非视觉刺激)会引发独立于光照变化的视网膜及视觉皮层活动,从而揭示了瞳孔调节对视觉感知早期阶段的潜在影响。
该研究通过结合理性元推理理论与元学习算法,构建了一个能够学习选择计算过程的循环神经网络模型,成功模拟了灵长类及人类在决策与规划任务中的行为特征和神经动力学,从而为大脑如何实现自适应认知控制提供了统一的机制性解释。
该研究表明,旋转幅度大小显著影响运动适应中显性策略的异质性发展,较大旋转倾向于诱发探索式和阶梯式策略,而较小旋转则主要导致渐进式学习,从而挑战了显性适应是同质过程的观点。
该研究利用杂交链式反应技术,揭示了脊髓中脑脊液接触神经元(CSF-cNs)表达谷氨酸、生长抑素及低密度脂蛋白受体,表明其具备通过脑脊液感知多种化学信号并与邻近胶质细胞进行长距离通讯的多样化化学感受途径。
该研究通过三项实验表明,运动记忆的巩固过程并非单纯稳定复合记忆,而是将其从最初不可分解的整合状态主动重组为可随任务需求独立提取的隐性和显性成分。