XiaoMi-AI文件搜索系统
World File Search System皮质
组合的统计生物物理建模将离子通道基因与皮质神经元类型的生理学联系英国兽医中心的一种抗菌耐药性健康监测的宏基因组方法
。cc-by-nd 4.0国际许可证。是在预印本下提供的（未经同行评审的认证）是作者/资助者，他已授予Biorxiv的许可证，以在2025年2月14日发布的此版本中显示在版权所有的此版本中。 https://doi.org/10.1101/2025.02.12.12.636430 doi：Biorxiv Preprint
大规模并行评估人类皮质结构相关变异的基因调控活性
。CC-BY 4.0 国际许可（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2025 年 2 月 13 日发布。；https://doi.org/10.1101/2025.02.08.635393 doi：bioRxiv 预印本
通过直接电刺激绘制临界皮质枢纽和白质途径：人脑的原始功能图集
神经外科，结构和功能连接实验室项目，Azienda Provinciale Per I Servizi Sanitari（APSS），9 Largo Medaglie D'Oro，38122，Trento，Trento，意大利BTRENALO B，ITALY B TRENTO B，NEUROSER GURIGY和NEURORGIGY和NEURELOGRY和NEURELOGY和NEURELOGY和NEURELOGY和NEURELOGY，NERURELOGY和NEURELOGY，NERTERINGER UNIVEMENT，NORTHWESTERN UNIXICY神经外科手术室，神经科学和神经康复部，BambinoGesù儿童医院IRCCS，4 Piazza Sant'Onofrio，00165，00165，意大利d Bruno Kessler Foundation（FBK）法国蒙彼利埃，国家健康与医学研究所（INSERM），U1051，“中枢神经系统的可塑性，人类干细胞和神经胶质肿瘤”，蒙彼利埃大学医学中心蒙彼利埃神经科学研究所，80 AV AVERTIN FLICHE，MONTPELLIER，MONTPELLIER，FRANCE，FRANCE
与年龄有关的“皮质” 1/f 动力学变化与心脏活动有关
图 1：使用 M/EEG 和 ECG 研究的非周期性活动的文献分析。A) 时域和频域中不同类型非周期性活动的说明。BC) 我们使用 LISC 21（一个用于收集和分析科学文献的软件包）分析了 PubMed 上索引的 489 篇摘要。B) 该分析表明，非周期性活动的变化与神经和心脏活动测量中的相似特征、状态和疾病有关。C) 我们进一步注意到，在摘要中提到心脏和皮质非周期性活动的研究（N=4）有微小的重叠。然而，这些研究都没有考虑心脏非周期性活动对皮质非周期性活动测量的混杂影响。D) 我们还发现，2020 年代与神经非周期性活动研究相关的研究急剧增加，凸显了神经科学界对该主题的当前兴趣。 EF) 我们进一步下载并分析了免费提供的 M/EEG 研究全文，这些研究调查非周期性活动，以了解心脏活动的处理程度和处理方式。该分析显示，只有 17.1% 的 EEG 研究消除了心脏活动，只有 16.5% 的研究测量了 ECG（对于 MEG，45.9% 消除了心脏活动；31.1% 提到测量了 ECG）。我们进一步希望确定哪些伪影抑制方法最常用于消除心脏活动，例如独立成分分析 (ICA 22 )、奇异值分解 (SVD 23 )、信号空间分离 (SSS 24 )、信号空间投影 (SSP 25 ) 和去噪源分离 (DSS 26 )。我们发现 EEG 和 MEG 记录中最常用的方法是独立成分分析 (ICA)。GH) 任意选择以前的研究（N = 60）表明，大量不同的频率范围用于研究非周期性活动。虽然大量研究调查了~0.1-50 Hz 之间的范围
皮质活动与聋哑成年人的计时相关：通过静态和动画刺激呈现获得 fNIRS 见解
摘要：耳聋对时间处理可能产生的影响这一问题仍未得到解答。基于行为测量的不同发现显示出相互矛盾的结果。本研究的目的是通过使用功能性近红外光谱 (fNIRS) 技术分析时间估计背后的大脑活动，该技术可以检查额叶、中央和枕叶皮质区域。共招募了 37 名参与者（19 名聋人）。实验任务包括处理道路场景以确定驾驶员是否有时间安全执行驾驶任务，例如超车。道路场景以动画形式呈现，或以 3 张静态图像序列呈现，显示情况的开始、中间点和结束。后一种呈现需要计时机制来估计样本之间的时间以评估车速。结果显示聋人的额叶区域活动更活跃，这表明需要更多的认知努力来处理这些场景。一些研究表明，中脑区域与计时有关，在聋哑人士估计时间流逝时，静态呈现尤其会激活中脑区域。对枕叶区域的探索没有得出任何结论性结论。我们对额叶和中脑区域的研究结果鼓励进一步研究时间处理的神经基础及其与听觉能力的联系。
目前的肾上腺皮质癌模型对于新药研发有多好？
在过去十年中，肾上腺皮质癌 (ACC) 发病和进展的分子机制定义取得了重大进展。通过对 ACC 肿瘤进行广泛的分析，确定了这种恶性肿瘤的几种遗传和分子驱动因素，从而更好地了解了 ACC 肿瘤的发生。不幸的是，由于缺乏能够概括 ACC 异质性、分子特征、肿瘤微环境和对现有治疗的敏感性的体外和体内临床前模型，新的治疗方案的开发受到了阻碍。最近建立和实施了新的 ACC 细胞系、基因工程小鼠模型、小鼠患者来源的 ACC 异种移植 (PDX) 和新兴的临床前体内模型，为药物发现提供了新的实验可能性。
LSD和MDMA对健康受试者中纹状体皮质连通性的可分离影响
。cc-by-nc-nd 4.0国际许可证。根据作者/资助者提供了预印本（未经同行评审的认证）提供的，他已授予Biorxiv的许可证，以在2025年2月8日发布的此版本中在版权所有者中显示预印本。 https://doi.org/10.1101/2025.02.07.637042 doi：Biorxiv Preprint
标题：人类动作准备需要皮质脊髓神经计算
图 1：在目标导向动作准备过程中对人类 CS 输入输出的评估。a、皮质脊髓 (CS) 输入输出 104 可以表现出从基线静息到准备状态的加法和/或乘法调节。b、目标导向动作准备 105 通过需要左 (L) 或右 (R) 反应的指示延迟双选反应时间任务进行评估。大多数试验都是 go 试验 106，在此期间命令性刺激出现直到记录反应时间 (RT) 或 0.8 秒过去。包括一组 catch 试验 (~8%) 107，以防止参与者预测命令性刺激的开始。 c ，实验分为手间任务和 108 手内任务，当目标运动表征处于基线状态以及被选中、未被选中或与动作准备无关时，可使用单脉冲经颅磁刺激 109 (TMS) 评估左手食指的 CS 输出。此处，输入是相对于参与者的静息运动阈值 (%RMT) 的 TMS 强度，输出是随后的运动诱发电位 (MEP) 的幅度 111。d ，CS 输入输出曲线来自任务前的静息状态 MEP 数据 (n = 39)，并使用三参数玻尔兹曼函数与基于人群的非线性混合效应模型进行拟合 112。绿点和误差线表示 113 每个 TMS 强度下的平均 MEP 幅度 ± 标准差。虚线灰色线表示参数估计值。114
人类和猕猴皮质各层级和深度的髓鞘形成
图 1. 猕猴和人类皮质层级和深度的 T1w/T2w 比率。（A、B）用于评估猕猴（A）和人类（B）皮质区域和深度的 T1w/T2w 比率的分析方法示意图。左侧面板显示猕猴的 CHARM 6 级 27,28 和人类的 Schaefer 400 29 的离散块。中间面板根据猕猴的测地线距离或人类的感觉运动关联轴标记块，颜色从黄色（感觉运动）过渡到紫色（关联）。右侧面板可视化层状组织，颜色从深蓝色（深层）过渡到浅绿色（浅层）。 (C、D) 猕猴 T1w/T2w 比值沿测地距离的分布（C，R 2 = 0.096，P < 0.001）和人类感觉运动联想 (SA) 轴的分布（D，R 2 = 0.354，P < 0.001）。 (E、F) 猕猴 (E) 和人类 (F) 感觉运动、中部和联想区域内皮质深度方向的 T1w/T2w 比值；方差分析 *** P < 0.001。
定量建模将人类和猕猴岛叶皮质的体内微观结构和宏观功能组织联系起来，并预测认知控制能力
1 斯坦福大学医学院精神病学和行为科学系，斯坦福，CA 94305。2 斯坦福大学医学院神经病学和神经科学系，斯坦福，CA 94305。3 斯坦福大学医学院斯坦福神经科学研究所，斯坦福，CA 94305。4 Athena，Inria Sophia Antipolis，法国蔚蓝海岸大学，2004 route des Lucioles 06902 Sophia Antipolis CEDEX，法国。 5 普林斯顿大学普林斯顿神经科学研究所，新泽西州普林斯顿 08544 6 斯德哥尔摩皇家理工学院计算科学与技术系，新泽西州斯德哥尔摩 08544。7 Defi，Inria Saclay 法兰西岛，巴黎南大学综合理工学院 1 Rue Honoré d'Estienne d'Orves 91120 Palaiseau，法国。 8 Parietal，Inria Saclay Île-de-France，CEA University Paris Sud 1 Rue Honoré d'Estienne d'Orves 91120 Palaiseau，法国。通讯作者：Vinod Menon 博士和 Demian Wassermann 博士。电子邮件：menon@stanford.edu； demian.wassermann@inria.fr