Precision fMRI reveals densely interdigitated network patches with conserved motifs in the lateral prefrontal cortex
该研究利用高精度 fMRI 数据揭示，个体层面的外侧前额叶皮层呈现出比传统群体平均模型更碎片化且高度交错的网络结构，其中包含跨个体保守的特定功能模块，这些精细的组织原则在群体数据中被掩盖，却对理解复杂认知至关重要。
🧠 Category
neuroscience
1151 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。
Humans use a dual policy to improve inferences during epistemic information seeking
该研究通过三项实验和计算建模发现，人类在纯粹的知识探索中采用一种包含“连续采样”（streaking）和不确定性引导探索的两阶段策略，这种策略虽未被仅优化推理精度的神经网络习得，却能有效提升人类在噪声信念更新下的推理准确性。
Cellular coding of ingestion in the caudal brainstem
该研究利用活体钙成像技术发现，延髓孤束核尾端（cNTS）神经元在进食过程中的活动并非主要由传统的胃肠反馈驱动，而是主要响应口腔接触食物时产生的快速机械、味觉及营养信号，其中下丘脑室旁核的下行投射对调节进食动态和终止进食至关重要。
Disentangling Brain-Psychopathology Associations: A Systematic Evaluation of Transdiagnostic Latent Factor Models
这项研究利用两个大型发育队列评估了跨诊断潜变量模型，发现与传统的症状总分相比，潜变量模型并未系统性地增强脑影像与精神病理学之间的关联强度或可靠性，表明仅靠表型建模可能不足以提升预测效用，而改善表型评估或许是突破这一瓶颈的关键。
Modeling behavior to disentangle motion-related effects in functional ultrasound imaging in awake, head-fixed mice
该研究提出了一种将连续运动行为数据纳入一般线性模型的框架，有效消除了清醒固定头部小鼠功能超声成像中的运动伪影，从而在自然化高运动行为条件下实现了可靠且可解释的全脑神经活动映射。
Quantifying the Emergence of Population-Level Activity in Neuronal Systems
本文提出了一种结合信息论与网络科学原理的计算框架，通过分析体内外数据揭示了神经元振荡与级联现象在不同时间尺度下的涌现特性，并证实网络层面的相互作用及内部时延是驱动大脑群体活动涌现的关键机制。
Distinct Neural Signatures of Auditory Processing in Contact versus Non-contact Sports Athletes
该研究通过脑电图发现，接触性运动运动员在重复性亚脑震荡冲击下表现出特定的听觉皮层功能损伤（N100 波幅降低），这为早期监测此类神经创伤提供了客观的生物标志物。
Satellite Glial Cells Control Sensory Neuron Excitability via the Release of Fibulin-2
该研究揭示了卫星胶质细胞通过分泌 Fibulin-2 调节 Kv4 介导的钾电流，从而抑制感觉神经元兴奋性并降低疼痛敏感性，为疼痛治疗提供了新的潜在靶点。
Application of Explainable AI in Neuroscience: Enhancing Autism Screening
该研究提出了一种结合 ResNet 与 BiLSTM 的混合深度学习模型，并辅以 SHAP 和 LIME 等可解释性人工智能技术，通过分析脑电波（EEG）和事件相关电位（ERP）特征，实现了对自闭症谱系障碍的高精度筛查与透明化决策解释。
Learning sculpts orthogonal task manifolds for continual skill learning in recurrent networks
该研究提出了一种基于局部预测误差的学习规则，使循环神经网络能够自动形成正交的任务流形，从而在保留先前任务动态的同时实现持续技能学习，有效解决了灾难性遗忘问题并建立了人工网络与生物神经回路之间的机制桥梁。