压力下表现失常的神经基础——对灵长类大脑奖励信号与运动准备过程的互动解析 研究背景 “压力下表现失常”（choking under pressure）指在重要时刻因压力而未能达到预期表现的现象，典型的例子包括专业运动员在关键比赛中的失误。然而，这种现象不仅局限于体育竞技，在学术考试、视频游戏、解谜等日常情境中也普遍存在。之前的神经影像学研究暗示，压力下表现失常可能涉及到奖励和运动控制的神经结构，然而具体的神经机制尚不清楚。 为更好地理解该现象背后的神经机制，来自美国卡耐基梅隆大学（Carnegie Mellon University）和匹兹堡大学（University of Pittsburgh）等机构的Adam L. Smoulder和Aaron P. Batista等研究人员联合开展了一...

全脑1/f指数在帕金森病中的拓扑图谱 作者: Pascal Helson、Daniel Lundqvist、Per Svenningsson、Mikkel C. Vinding、Arvind Kumar 研究背景 帕金森病（Parkinson’s Disease，PD）是一种进行性和使人衰弱的大脑疾病，以运动障碍为主要特征，但也会对感知和认知处理产生影响。由于症状的广泛性和多种神经调节器（如多巴胺）的脑遍布投射，许多脑区在PD中被同时影响。为了表征与疾病相关的全脑神经元功能变化，本研究分析了PD患者和健康对照者的静息态磁脑图（Magnetoencephalogram，MEG）。 传统的光谱分析已表明，PD患者的神经活动频谱在低频（θ波和α波）增加，而在高频（α波和γ波）减少。动力学的分析也显...

一种可视化脑表面神经元活动的脑电图微显示器 背景介绍 当前脑外科手术的功能性映射主要依赖于神经外科医生与电生理学家之间的语言交流。这些过程耗时且存在有限的分辨率。此外，用于测量脑活动的电极网格分辨率较低，且难以与脑表面充分贴合。为了更有效地在手术过程中实时监测和显示脑表面神经元活动，本研究提出并开发了一种具有2048个氮化镓（GaN）发光二极管（LED）的脑内电生理学微型显示屏（iEEG microdisplay）。 研究概览 本文由Youngbin Tchoe等人所写，分别隶属于加利福尼亚大学圣地亚哥分校的电子与计算机工程系、生物医学工程系、麻醉学系、神经外科系以及其他科室。该论文发表于2024年4月24日的《Science Translational Medicine》。 研究工作流程 ...

同步记录高达百万个神经元的皮层动态揭示神经元数量与维度性无界缩放 文章简介 这篇题为《同步记录高达百万个神经元的皮层动态揭示神经元数量与维度性无界缩放》的科学报告发表于《Neuron》期刊（112卷，第1694–1709页），由Jason Manley, Sihao Lu, Kevin Barber, Jeffrey Demas, Hyewon Kim, David Meyer, Francisca Martínez Traub 和 Alipasha Vaziri撰写。文章发布于2024年5月15日，是由Rockefeller University和The Kavli Neural Systems Institute联合研究的成果。这项研究深入探讨了神经元动态的维度性与神经元数量的关系，以及...

亚细胞分辨率的空间多组学高通量原位成对测序 研究背景和目的 随着生物医学研究的不断发展，多组学技术在细胞功能和疾病机制方面的应用越来越受到关注。然而，目前，许多原位测序方法仅限于解读一种生物分子类型的空间信息，同时多种生物分子（如DNA、RNA、蛋白质和小分子）原位共检测仍然面临挑战。此外，由于4n（4代表四种荧光染料，n代表测序或杂交轮数）解码能力的限制，高通量空间组学在成本和检测效率方面仍需改进。为了解决这些问题，本文报道了一种新型的高通量靶向原位测序方法——多组学原位配对测序（MIP-Seq），该方法能够高效检测大脑组织中多种生物分子，在分子和功能图谱的多维分析上提供了新的可能性。 论文来源 该研究由来自华中农业大学的Xiaofeng Wu, Weize Xu, Lulu Deng等人...

学术新闻报告:基于脑内电生理记录揭示效应器独立的证据累积动力学 研究背景 在决定形成过程中的神经表现研究一直是神经科学界的重要课题。以往的研究表明，可以通过非侵入式电生理学技术在人类中识别出与感知决策形成相关的神经信号，这些信号能够抽象化处理，而不依赖于具体的运动要求。然而，这些信号在大脑中的具体起源仍未完全清晰。为了解这一问题，本文运用了高时空精度的颅内脑电图（intracranial electroencephalography, iEEG）技术，旨在定位这些抽象决策信号的来源。 论文来源 这篇题为 “intracranial electroencephalography reveals effector-independent evidence accumulation dynamic...

背景介绍: 大规模神经记录数据通常可以用神经元协同激活模式来描述。但是,将神经活动变异限制于固定的低维子空间的观点可能会忽略更高维的结构,例如固定的神经序列或缓慢演化的潜在空间。本研究认为,神经数据中与任务相关的可变性也可以在试次或时间上共同波动,定义不同的”协变量类”(covariability classes),这些类可能会在同一数据集中同时出现。 研究动机: 传统的降维方法(如主成分分析(PCA))通常只能捕捉单一的协变量类。为了区分混合在一起的多种协变量类,研究人员开发了一种新的无监督降维方法——切片张量分量分析(SliceTCA)。 研究方法: SliceTCA是一种新型张量分解方法,基于切片秩(slice rank)。它可以将神经数据张量分解为三种切片类型的分量:神经元切片、试次...