Temporal sequence geometry enables odor recognition and generalization
该研究利用亚嗅次分辨率成像揭示，嗅觉球中由神经元调谐相似性而非物理位置决定的时序波前，通过早期浓度不变性锚定气味身份，并利用晚期序列活动引导梨状皮层进行无监督流形学习，从而实现气味的快速识别与泛化。
🧠 Category
neuroscience
2345 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。
Noninvasive and Objective Near Real-Time Detection of Pain Changes During Tonic Fluctuating Noxious Heat Stimulation
本研究利用深度学习模型分析皮肤电活动、心率和瞳孔直径等生理信号，成功实现了对波动性热痛刺激中疼痛强度下降的非侵入性、客观且近乎实时的检测，为开发针对自发性疼痛变化的闭环干预提供了基础。
TDP-43 pathology is linked to motor neuron loss and is independent of stress granules in vivo
该研究通过体内实验证明，TDP-43 的核清除与胞质聚集可独立于应激颗粒而发生，这一发现挑战了应激颗粒持续存在导致 TDP-43 病理的核心假设，并为理解运动神经元丢失机制及开发新疗法提供了新视角。
Interpretable Hierarchical RNNs for rs-fMRI: Promise and Limits of Individualized Brain Dynamics
该研究利用分层浅层分段线性循环神经网络（shPLRNN）对大规模静息态 fMRI 数据进行了系统评估，证实了该方法能提取具有测试 - 重测稳定性的个体化脑动力学特征，但也揭示了其在捕捉细微个体差异及预测效能方面仍受限于模型泛化能力与数据特性的权衡。
A defined 2D system for generating and expanding human basal radial glia from iPSCs
该研究建立了一种定义明确且可扩增的二维培养系统，能够高效生成并扩增具有关键分子特征、体核易位行为及分化潜能的人类基底放射状胶质细胞，并成功利用该系统揭示了 PAK2 在调控有丝分裂体核易位中的功能。
Geometric Kinematics of Human Eyes
本文在刚体旋转框架下，针对具有光学组件错位的人眼模型，提出了一种将姿态变化及角速度精确分解为无扭转（测地）和扭转（非测地）分量的新颖几何运动学方法，并推导了基于罗德里格斯向量的角速度新公式。
An EEG-fMRI Jointly Constrained Digital Twin Brain and Its Application in Alzheime's Disease
该研究提出了一种由 fMRI 和 EEG 数据联合约束的两阶段数字孪生脑模型，该模型不仅能精准模拟阿尔茨海默病患者的多尺度脑动态及认知衰退机制，还揭示了通过突触重构和背景抑制实现兴奋 - 抑制平衡以驱动认知恢复的潜在治疗路径。
Discovery and Preclinical Validation of a Clinically Optimized Mitochondrial Complex I Modulator for Alzheimer's Disease
本研究报道了新型小分子化合物 C273，它通过可控地弱抑制线粒体复合物 I 激活 AMPK 介导的适应性应激反应，在临床前模型中展现出改善阿尔茨海默病病理特征（如降低 Aβ和 p-Tau 水平）的潜力，且具有良好的药代动力学特性和安全性。
A circuit-to-muscle signaling axis controls locomotor gait transitions in C. elegans
该研究揭示了线虫中由头部运动神经元 SMB 介导的神经 - 肌肉信号轴，通过协调神经元兴奋性与肌肉钙动力学，控制从爬行到游泳的步态转换。
Neural Population Models for EEG: From Canonical Models to Alternative Model Structures
该研究通过结合对 17 种经典神经群体模型的比较分析与基于语法的新型架构生成（ENEEGMA 框架），发现 EEG 数据虽能约束但无法唯一确定神经群体机制，且语法探索能发现比传统模型更具竞争力的紧凑替代方案。