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。

该研究证实，对右侧背外侧前额叶进行单次 10 Hz 重复经颅磁刺激（rTMS）可通过增强前额叶 N2 脑电成分所反映的自上而下控制机制，有效削弱健康饮酒者对酒精的自动趋近倾向。

该研究利用基于人工神经网络的编码模型和高分辨率 fMRI 数据，揭示了枕颞皮层中身体、手和工具选择区在个体图像层面存在精细的功能分离及与解剖位置和半球侧化一致的特异性特征敏感性。

这项针对 30 名年轻飞行员的双盲研究表明，对右侧背外侧前额叶施加的高清随机噪声刺激（HD-tRNS）并未在训练任务或飞行模拟器等未训练任务的迁移效果上带来显著的性能提升，从而质疑了该刺激协议在健康人群中增强复杂认知学习的功效。

该研究通过分析健康人脑数据，证实了扩散加权磁共振成像中的分数各向异性（FA）可作为脑组织刚度（剪切模量）的非侵入性替代标志物，两者呈显著负相关，为脑疾病的临床诊断和计算建模提供了新途径。

该研究通过结合行为建模与 fMRI 技术，揭示了大脑在跨模态学习中存在三个既相互独立又协同作用的神经计算机制，分别对应于基于结构的统计学习、基于奖励的强化学习以及基于结果的不确定性处理，并发现左角回在整合结构与价值信息中发挥关键枢纽作用。

本文介绍了一种基于 Kilosort 平台的实时神经元活动排序系统（LSS），该系统能够利用 Neuropixels 探针在活体记录中实时处理大规模神经数据，其排序结果与离线分析高度一致，且在解码性能上显著优于传统的阈值检测方法。

该研究提出了一种基于合成 MRI 的 FLAIR 与 DIR 图像衍生的 FD 对比度指标，证实该指标能比传统的髓鞘体积分数更敏感地检测出轻度认知障碍患者嗅觉及边缘系统网络中的微观结构脆弱性，并与嗅觉识别能力显著相关，有望作为阿尔茨海默病早期网络微结构改变的可扩展生物标志物。

该研究通过引入新的“坚持 - 逃离”范式并结合 MACA-Q 计算模型，揭示了回避行为并非稳定的特质，而是个体基于推断的控制感和能力动态调节参与度的结果，从而为理解焦虑与抑郁等病理状态下的适应性与非适应性行为提供了统一的元控制框架。

本文介绍了一种名为 SENSI-EEG-Preproc-ICA-EKG-Trigger 的半自动化 MATLAB 框架，该框架利用频谱特征（如谐波结构）优先筛选心电和触发伪迹成分，并通过集成化界面辅助用户快速、可重复且可控地完成 EEG 数据中独立成分的识别与剔除。

这项基于 ABCD 研究的多阶段分析表明，尽管外部化多基因风险与青少年物质使用启动之间存在显著关联，且特定的脑成像表型显示出统计学意义上的中介作用，但这些脑结构指标仅解释了极小部分遗传风险，遗传因素主要通过直接而非神经生物学中介途径发挥作用。