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。

Reinforcement learning for closed-loop optimisation of spatiotemporal stimulation in patterned neuronal networks

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。

Maurer, B., Vasiliauskaite, V., Hengsteler, J., Cathomen, G., Ruff, T., Schmid, C., Vörös, J., Ihle, S. J.2026-04-16🧠 neuroscience

Resting-state EEG alpha-BOLD coupling spatially follows cortical cell-type and receptor gradients

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。

Jiricek, S., Chien, V. S. C., Schmidt, H., Koudelka, V., Marecek, R., Mantini, D., Hlinka, J.2026-04-16🧠 neuroscience

Learning to select computations in recurrent neural circuits

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。

Chen, S., Callaway, F., Kumar, S., Lupkin, S. M., Wallis, J. D., McGinty, V. B., Rich, E. L., Mattar, M. G.2026-04-16🧠 neuroscience