Studie avslöjar hjärnans tidssystem för kognition

Forskare vid Rutgers Health har identifierat hur hjärnan integrerar snabb och långsam bearbetning genom vita substansförbindelser, vilket påverkar kognitiva förmågor. Publicerad i Nature Communications analyserade studien data från nästan 1 000 personer för att kartlägga dessa neurala tidsskalor. Variationer i detta system kan förklara skillnader i tänkandeffektivitet och lovar för forskning om mental hälsa.

Den mänskliga hjärnan jonglerar med information som anländer i väldigt olika hastigheter, från omedelbara miljösignaler till medvetna reflektioner över kontext och avsikt. En ny undersökning från Rutgers Health, detaljerad i Nature Communications, avslöjar hur den uppnår denna balans via intrinsiska neurala tidsskalor – unika bearbetningsfönster för varje hjärnregion – och de vita substansnätverk som länkar dem.

Ledd av Linden Parkes, biträdande professor i psykiatri vid Rutgers Health, undersökte teamet hjärnavbildning från 960 individer för att konstruera detaljerade konektomer. De använde matematiska modeller för att spåra informationsflödet över dessa nätverk. „För att påverka vår miljö genom handling måste våra hjärnor kombinera information som bearbetats över olika tidsskalor“, förklarade Parkes. „Hjärnan åstadkommer detta genom att utnyttja sin vita substanskoppling för att dela information mellan regioner, och denna integration är avgörande för mänskligt beteende.“

Resultaten visar att arrangemanget av dessa tidsskalor över hjärnbarken bestämmer hur smidigt hjärnan övergår mellan aktivitetsmönster kopplade till beteende. Alla har inte samma uppsättning: „Vi fann att skillnader i hur hjärnan bearbetar information i olika hastigheter hjälper till att förklara varför människor varierar i sina kognitiva förmågor“, noterade Parkes. De med bättre justerad ledning för snabba och långsamma signaler tenderar att uppvisa högre kognitiv kapacitet.

Dessa mönster knyter också an till genetiska, molekylära och cellulära hjärnfunktioner, med paralleller observerade hos möss, vilket indikerar evolutionär bevarande. „Vårt arbete belyser en grundläggande länk mellan hjärnans vita substanskoppling och dess lokala beräkningsmässiga egenskaper“, tillade Parkes.

Framöver planerar forskarna att tillämpa detta ramverk på störningar som schizofreni, bipolär sjukdom och depression för att utforska störningar i temporär bearbetning. Samarbetspartners inkluderade Avram Holmes, Ahmad Beyh, Amber Howell och Jason Z. Kim från Cornell University. Studien publicerades i Nature Communications (2025; 16(1)), med DOI: 10.1038/s41467-025-66542-w.

Relaterade artiklar

Illustration of glowing whole-brain neural networks coordinating efficiently, representing a University of Notre Dame study on general intelligence.
Bild genererad av AI

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

Rapporterad av AI Bild genererad av AI Faktagranskad

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.

Rapporterad av 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.

Denna webbplats använder cookies

Vi använder cookies för analys för att förbättra vår webbplats. Läs vår integritetspolicy för mer information.
Avböj