Studi mengungkap sistem penjadwalan otak untuk kognisi

Peneliti di Rutgers Health telah mengidentifikasi bagaimana otak mengintegrasikan pemrosesan cepat dan lambat melalui koneksi materi putih, yang memengaruhi kemampuan kognitif. Diterbitkan di Nature Communications, studi ini menganalisis data dari hampir 1.000 orang untuk memetakan skala waktu saraf ini. Variasi dalam sistem ini dapat menjelaskan perbedaan efisiensi berpikir dan menjanjikan untuk penelitian kesehatan mental.

Otak manusia mengelola informasi yang datang dengan kecepatan sangat berbeda, dari isyarat lingkungan langsung hingga refleksi sadar tentang konteks dan niat. Penyelidikan baru dari Rutgers Health, yang dirinci dalam Nature Communications, mengungkapkan bagaimana otak mencapai keseimbangan ini melalui skala waktu saraf intrinsik—jendela pemrosesan unik untuk setiap wilayah otak—dan jaringan materi putih yang menghubungkannya.

Dipimpin oleh Linden Parkes, dosen ahli psikiater di Rutgers Health, tim memeriksa pencitraan otak dari 960 individu untuk membangun konektom terperinci. Mereka menggunakan model matematika untuk melacak aliran informasi melintasi jaringan ini. "Untuk memengaruhi lingkungan kita melalui tindakan, otak kita harus menggabungkan informasi yang diproses dalam skala waktu berbeda," jelas Parkes. "Otak mencapai ini dengan memanfaatkan konektivitas materi putihnya untuk berbagi informasi antar wilayah, dan integrasi ini krusial untuk perilaku manusia."

Temuan menunjukkan bahwa pengaturan skala waktu ini di seluruh korteks serebral menentukan seberapa lancar otak beralih antara pola aktivitas yang terkait dengan perilaku. Tidak semua orang memiliki pengaturan yang sama: "Kami menemukan bahwa perbedaan dalam cara otak memproses informasi pada kecepatan berbeda membantu menjelaskan mengapa orang berbeda dalam kemampuan kognitif mereka," catat Parkes. Mereka yang memiliki perwatan lebih baik untuk sinyal cepat dan lambat cenderung menunjukkan kapasitas kognitif lebih tinggi.

Pola ini juga terkait dengan fitur genetik, molekuler, dan seluler otak, dengan kemiripan yang diamati pada tikus, menunjukkan konservasi evolusioner. "Pekerjaan kami menyoroti hubungan mendasar antara konektivitas materi putih otak dan sifat komputasional lokalnya," tambah Parkes.

Ke depan, para peneliti berencana menerapkan kerangka ini pada gangguan seperti skizofrenia, gangguan bipolar, dan depresi untuk mengeksplorasi gangguan dalam pemrosesan temporal. Kolaborator termasuk Avram Holmes, Ahmad Beyh, Amber Howell, dan Jason Z. Kim dari Cornell University. Studi ini muncul di Nature Communications (2025; 16(1)), dengan DOI: 10.1038/s41467-025-66542-w.

Artikel Terkait

Illustration of glowing whole-brain neural networks coordinating efficiently, representing a University of Notre Dame study on general intelligence.
Gambar dihasilkan oleh AI

Study points to whole-brain network coordination as a key feature of general intelligence

Dilaporkan oleh AI Gambar dihasilkan oleh AI Fakta terverifikasi

University of Notre Dame researchers report evidence that general intelligence is associated with how efficiently and flexibly brain networks coordinate across the whole connectome, rather than being localized to a single “smart” region. The findings, published in Nature Communications, are based on neuroimaging and cognitive data from 831 Human Connectome Project participants and an additional 145 adults from the INSIGHT Study.

A common belief that the frontal lobe fully develops by age 25 has been challenged by recent neuroscience findings. New brain-imaging studies reveal that key neural wiring and network efficiency evolve well into the early 30s. This extended timeline highlights ongoing maturation processes in the brain.

Dilaporkan oleh AI

Researchers have identified brain connectivity patterns tied to autism symptom severity in children diagnosed with either autism or ADHD. The findings, from a study led by the Child Mind Institute, suggest shared biological mechanisms across these conditions regardless of formal diagnosis. These patterns align with genetic activity involved in neural development.

Researchers at the University of California, Irvine report that a machine-learning system called SIGNET can infer cause-and-effect links between genes in human brain tissue, revealing extensive rewiring of gene regulation—especially in excitatory neurons—in Alzheimer’s disease.

Situs web ini menggunakan cookie

Kami menggunakan cookie untuk analisis guna meningkatkan situs kami. Baca kebijakan privasi kami untuk informasi lebih lanjut.
Tolak