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。

Sensory and developmental phenotyping of C. elegans parses autism associated genes into behavioural classifications

该研究利用秀丽隐杆线虫模型对 52 种自闭症谱系障碍相关表观遗传修饰基因进行表型分析,将其划分为感觉受损、发育受损及两者兼有的三类,从而揭示了感觉与发育表型之间的关联并建议加强人类队列的感觉测试以细化自闭症亚型分类。

Lamb, J. W., Pieroni, E. M., Al Khawaja, F., Deinhardt, K., O'Connor, V. M., Dillon, J. C.2026-03-30🧠 neuroscience

Shifts in protein aggregate stability define proteostasis decline in the aging human brain

该研究利用去垢剂分级蛋白质组学揭示,人脑衰老并非伴随蛋白质聚集体的均匀累积,而是表现为从中年开始的不稳定聚集体减少与中间稳定性聚集体(易发生液 - 液相分离且与阿尔茨海默病病理成分相关)的不对称重塑,且蛋白酶体与分子伴侣能力是预测个体聚集负荷的关键因素。

Anderton, E., Burton, J. B., King, C. D. K. D., Foulger, A. C., Bhaumik, D., Timonina, D., Mayeri, Z., Chamoli, M., Andersen, J. K., Schilling, B., Lithgow, G. J.2026-03-30🧠 neuroscience

Directed neural interactions in fMRI: a comparison between Granger Causality and Effective Connectivity

该研究通过理论推导、模拟实验及大规模 fMRI 数据验证,揭示了基于连续与离散时间线性随机模型的格兰杰因果分析与有效连接方法之间存在的近似二次关系,指出这种关系仅在数据量充足时显现,从而为脑网络重构中这两种方法的选用与解读提供了方法论指导。

Allegra, M., Gilson, M., Brovelli, A.2026-03-29🧠 neuroscience

Decoding spine nanostructure in cultured neurons derived from mouse models of mental disorder reveals a schizophrenia-linked role for Ecrg4

该研究通过解码培养神经元中树突棘纳米结构的群体分析,揭示了精神分裂症与自闭症谱系障碍具有截然不同的树突棘形态特征,并证实 Ecrg4 基因在精神分裂症模型中通过损害树突棘动态和形态发挥关键致病作用。

Okabe, S., Kashiwagi, Y., Liu, Q., Go, Y., Saito, R., Aiba, A., Nakazawa, T.2026-03-29🧠 neuroscience

DIANA: An integrated pipeline for analysis of long-read whole-genome sequencing data for molecular neuropathology.

本文介绍了 DIANA,这是一个用于中枢神经系统肿瘤分子神经病理学诊断的自动化长读长全基因组测序分析流程,能够整合 DNA 甲基化分类、拷贝数变异、基因融合、小变异检测及 MGMT 启动子甲基化状态等多维度信息,生成辅助临床决策的可读报告。

Bope, c. D., Leske, H., Nagymihaly, R. M., Vik-Mo, E. O., Halldorsson, S.2026-03-28🧠 neuroscience

System identification and surrogate data analyses imply approximate Gaussianity and non-stationarity of resting-brain dynamics

该研究通过系统识别和替代数据分析表明,静息态脑功能磁共振成像数据在单次扫描内近似高斯分布但具有非平稳性,这一统计特征正是 Mapper 拓扑数据分析和创新驱动共激活模式分析能够区分真实数据与相位随机化替代数据的关键。

Matsui, T., Li, R., Masaoka, K., Jimura, K.2026-03-28🧠 neuroscience