Optimizing Biophysical Large-Scale Brain Circuit Models With Deep Neural Networks
本文提出了名为 DELSSOME 的深度学习框架,通过替代耗时的数值积分实现大规模脑电路模型参数的快速优化,从而首次基于 1.2 万人的数据绘制了全生命周期皮层兴奋/抑制比规范轨迹并揭示了新的生物学规律。
1147 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。
本文提出了名为 DELSSOME 的深度学习框架,通过替代耗时的数值积分实现大规模脑电路模型参数的快速优化,从而首次基于 1.2 万人的数据绘制了全生命周期皮层兴奋/抑制比规范轨迹并揭示了新的生物学规律。
本研究通过系统优化 AAV 载体特征(血清型、启动子及滴度),成功构建了一种高效可靠的 AAV-TH-SNCA 小鼠帕金森病模型,该模型不仅能重现早期α-突触核蛋白病理改变和运动功能障碍,且能在神经元死亡前揭示神经炎症等致病机制,为研究帕金森病早期发病机理及评估疾病修饰疗法提供了 versatile 平台。
该论文提出了一种基于神经元功能表征(特别是计算传递函数)的方法,能够利用平均电压、电压标准差和相关时间等参数,将具有复杂树突结构的形态学详细模型简化为在体条件下响应特性高度一致的点神经元模型。
该研究通过结合静息态 fMRI 与经颅磁刺激(TMS)技术,发现恐惧学习会重塑大脑状态动态,且这种学习诱导的功能连接重组可作为预测 TMS 干预下个体消退记忆表达的有效生物标志物。
该研究表明,通过练习获得的运动执行精度提升具有持久性和广泛的泛化能力,但会受到固有的运动方向偏好的限制。
该研究利用果蝇模型揭示了 DN1p 时钟神经元中的 Rabphilin(Rph)蛋白通过昼夜节律性表达调节突触可塑性阈值,从而在夜间微光与光遗传刺激下双向调控突触活动,阐明了微观神经动力学如何通过元可塑性机制平衡睡眠的稳定性与适应性。
该论文针对 fMRI 研究中因测量噪声导致激活模式相关性估计偏差的问题,推导了真实激活模式相关性的最大似然估计,并通过主体层面的自举法提出了在低信噪比条件下检验激活模式重叠程度及表征几何假设的最佳实践方法。
本文介绍了开源工具 ViSoND,它通过将多路神经与行为数据同步映射为视频和 MIDI 声音,利用增强的视听观察手段弥补了传统高维数据分析在生物学解释性和定性洞察方面的不足。
这项基于健康脑网络自然主义电影 fMRI 数据的预注册研究发现,自闭症儿童和青少年并未表现出初级感觉皮层的低水平编码增强,而是在后颞上回等社会/多感觉整合区域出现了高水平视觉表征减少及向低水平特征编码的相对偏移,且这种高 - 低特征权重失衡与社会反应量表评分密切相关,从而支持了弱中央统合理论而非早期感觉增强假说。
该研究结合脑电技术发现,亲社会行为中的努力付出对自我获益和他人获益的奖赏评估具有截然不同的神经后效:前者表现为努力增强奖赏反应,而后者则表现为努力折扣效应。