-
鸽副黏病毒1型(PPMV-1)HN蛋白单克隆抗体4H3的产生、表征及表位图谱分析
由鸽副黏病毒1型(Pigeon Paramyxovirus Type 1, PPMV-1)引起的鸽新城疫(Pigeon Newcastle Disease, PND)是一种急性、高度接触性传染病,可导致鸽子出现神经系统症状和胃肠道紊乱,对全球养鸽业构成重大经济
来源:Frontiers in Microbiology
时间:2026-04-24
-
综述:新生儿静息态脑功能连接的系统评价:出生后前100天的研究进展
出生后前100天内,人类大脑功能可能经历快速变化,可塑性达到顶峰。在此期间对静息态功能连接的研究,为观察早期大脑组织提供了一个窗口。尽管兴趣日益增长,但目前尚无系统评价专门整合此阶段的研究发现。
研究人员通过回顾103篇研究新生儿静息态脑功能连接的文献来弥补这
来源:Neuroscience & Biobehavioral Reviews
时间:2026-04-24
-
在投资组合优化中处理不确定性:一种基于中立主义逻辑的自适应神经网络求解器,用于二次规划问题
问题三:摘要翻译
众多领域,包括机器人技术和人工智能,都广泛利用了时变二次规划(Time-Varying Quadratic Programming, TVQP)。鉴于TVQP的重要性,本研究引入了一种新颖的自适应Neutrosophic逻辑/模糊神经网络TV
来源:Neural Networks
时间:2026-04-24
-
基于步态时空权衡量化人体行走多目标优先级:从生物力学模型到个体化策略解析
本研究针对行走中速度、足位、平衡与能耗等多目标(Movement Goals)难以量化排序的难题,通过地面行走实验解析时空步态(Spatiotemporal Gait)的权衡关系,构建回归模型反演优先级。结果显示视觉引导目标(如平衡)关联最强,个体特异性模型将排序误差降至11%,为实验室外神经康复评估提供了可穿戴传感新范式。
来源:Journal of NeuroEngineering and Rehabilitation
时间:2026-04-24
-
PC-SOD通过抑制ROS通路预防奥沙利铂诱导的周围神经病变:一项临床前研究
本研究针对奥沙利铂(Oxaliplatin)所致周围神经病变(OIPN)缺乏有效防治药物的临床痛点,探讨了高稳定性超氧化物歧化酶衍生物PC-SOD的预防潜力。结果表明,PC-SOD可显著减轻大鼠机械性痛觉超敏、冷超敏及神经纤维损伤,且不影响奥沙利铂的抗肿瘤活性,为OIPN的防治提供了新策略。
来源:BMC Neuroscience
时间:2026-04-24
-
早期反应及对舌下神经刺激疗法依从性的特征分析:来自单中心队列研究的真实世界证据
下颌下神经刺激早期响应与BMI、血氧模式及药物相关,AHI4%标准响应率高于AHI3%的31%与80%。
来源:Sleep and Breathing
时间:2026-04-24
-
药物抑制钙通道可调节NF-κB-NLRP3炎症小体轴,并改变中风后的先天免疫反应
本研究探讨钙通道抑制对缺血性中风后神经炎症及线粒体功能的影响。实验证实钙通道抑制剂可减少神经缺损评分和梗死面积,通过调节钙调磷酸酶及心磷脂水平改善线粒体功能,并抑制cGAS-STING通路相关炎症因子表达。这为中风辅助治疗提供了新靶点。
来源:Neuroscience Letters
时间:2026-04-24
-
ADP对大鼠背根神经节(DRG)神经元中TRPV1受体对辣椒素逐渐脱敏的影响
TRPV1通道在痛觉信号转导中的作用及其脱敏机制研究。通过钙成像技术发现,ADP可部分逆转重复激活诱导的TRPV1累积脱敏,揭示Ca²+依赖性快速脱敏与代谢调控的脱敏并存。
来源:Neuroscience Letters
时间:2026-04-24
-
综述:海马-内嗅皮层回路中的预测性网格细胞:未来的空间表征
本综述聚焦海马-内嗅皮层回路(HPC-EC),系统梳理了从经典“位置细胞(Place cells)”与“网格细胞(Grid cells)”的静态空间表征,到新兴的“预测性网格细胞(Predictive grid cells)”及“Theta相位进动(Theta phase precession)”等前瞻性编码机制。文章揭示了该回路如何通过“后继表征(Successor representation, SR)”框架支持未来路径预测与导航决策,为理解认知地图(Cognitive map)的动力学本质提供了新视角。
来源:Neuroscience Research
时间:2026-04-24
-
基于Vision Transformer与粗粒度网格框架的个体空间T1图像ADHD预测研究
本研究针对ADHD(注意缺陷多动障碍)脑结构异质性导致的诊断挑战,开发了一种基于Vision Transformer(ViT)的端到端深度学习框架。该研究直接从个体空间T1加权MRI中学习判别特征,通过引入11层代表性切片(R11)及3×3网格划分策略,在显著减少数据量的同时保持了高诊断性能(AUC=0.75),并利用SHAP可解释性分析识别出中央前回与枕叶等关键脑区,为ADHD提供了高效的影像学生物标志物。
来源:Neuroscience Research
时间:2026-04-24