Forschungsbericht 2016 - Max-Planck-Institut für Neurobiologie des Verhaltens - caesar

Der Tastsinn im Computergehirn

Tactile perception in the computer brain

Autoren
Oberlaender, Marcel
Abteilungen
Assoziierte Einrichtung - Forschungszentrum caesar (center of advanced european studies and research), Bonn
Zusammenfassung
Wie entstehen Entscheidungen in unserem Gehirn? Untersuchungen am Nervensystem der Ratte zeigen, dass sich die Grundlagen solch komplexer Prozesse an detailgetreuen Modellen neuronaler Netzwerke studieren lassen. Neue Methoden erlauben es, die Struktur von Nervenzellen zu rekonstruieren, nachdem zuvor deren Funktion am lebenden Tier untersucht wurde. Aus diesen Daten können Modelle ganzer Hirnareale erstellt werden. Mithilfe von Computersimulationen neuronaler Aktivität in diesen Netzwerkmodellen erhoffen sich die Forscher Erkenntnisse darüber, wie Informationen im Gehirn verarbeitet werden.
Summary
How are decisions formed in the brain? Investigations on the rat nervous system show that the basic principles of such complex processes can be studied on detailed models of neuronal networks. Novel techniques allow reconstructing the structure of neurons after having studied their function in living animals. By means of these data, models of entire brain areas can be created. By simulating neuronal activity patterns in these anatomically detailed network models, scientists hope to gain insight into how sensory information and behaviors that arise from it are encoded in the brain.

Entscheidungsfindung im Gehirn

Unser Gehirn verarbeitet ständig Informationen. Zum einen sensorische Informationen über unsere Umwelt: Wir nehmen visuelle Reize über unsere Augen wahr, Gerüche über die Nase, Geräusche über die Ohren, und taktile Signale über mechanische Tastsensoren unter unserer Haut. Zum anderen motorische Informationen über uns selbst: In welche Richtung bewegen wir uns beziehungsweise wo befinden sich unsere jeweiligen Sinnesorgane in Bezug auf diese Richtung? Die Integration solch sensorischer und motorischer Informationen im Gehirn gilt als Grundlage für die Planung und Umsetzung unseres Verhalten, wie zum Beispiel dem Treffen von Entscheidungen: Kann ich einen Bach durchwaten? Sollte ich ihn besser überspringen? Oder sollte ich doch lieber weitergehen und auf eine Brücke warten?

Wir sind weit davon entfernt zu verstehen, wie die Integration sensorischer und motorischer Informationen in unserem Gehirn im Detail abläuft. Noch weniger wissen wir, wie aus diesen Prozessen ein Verhalten entsteht oder gar Entscheidungen getroffen werden. Das grundlegende Problem bei der Erforschung all dieser Prozesse ist es, dass sich diese nur am lebenden, sich ‚verhaltenden‘ Gehirn studieren lassen. Des Weiteren läuft die Informationsverarbeitung in vielen Hirnregionen parallel ab. Diese Hirnregionen sind zudem miteinander verbunden, und in jeder einzelnen Region sind gleichzeitig Tausende von Nervenzellen aktiv, die ihrerseits wiederum in komplexen Netzwerken miteinander verbunden sind. Idealerweise müsste man daher all diese Nervenzellen gleichzeitig beobachten und wissen, wie sie miteinander verschaltet sind – innerhalb der Hirnregionen und über sie hinweg. Dies ist angesichts der großen Ausdehnung der Netzwerke, der gleichzeitig sehr kleinen Dimensionen der Nervenzellstrukturen und der hohen Geschwindigkeit, mit der Informationen zwischen den Zellen ausgetauscht werden, bis heute nur sehr eingeschränkt möglich.

Der Tastsinn der Ratte als Modellsystem

Ein Teil zur Lösung dieser Probleme liegt in der Reduzierung ihrer Komplexität. Es bietet sich deshalb an, die Integration sensorischer und motorischer Informationen – und das daraus entstehende Verhalten – an Modellsystemen zu untersuchen, die einfacher sind als das menschliche Gehirn. So können zum Beispiel Ratten die Entscheidung treffen, über einen etwa fünf Zentimeter breiten Graben zu springen (Abbildung 1), indem sie dessen andere Seite mit Tasthaaren erfühlen (Abbildung 2). Dabei bewegen die Tiere ihre Tasthaare aktiv vor und zurück. Erreicht keines der Tasthaare die andere Seite, verweigern die Ratten die Überquerung des Grabens. Daher ist die sensorische Information, die der Entscheidungsfindung – Springen oder Bleiben? – zugrunde liegt, auf den taktilen Reiz eines einzelnen Sinnesorgans reduziert, also der Berührung eines Tasthaars. Zugleich ist aber auch die interne motorische Information reduziert: Wo befindet sich das Tasthaar zum Zeitpunkt der Berührung? Die Integration dieser beiden Informationen im Gehirn sollte ausreichen, um die Breite des Grabens zu bestimmen und somit die entsprechende Verhaltensreaktion auszulösen.
 

Das Tasthaarsystem der Ratte im Computer

Ein Teil der Lösung ist also, die Komplexität von Verhalten und zugrundeliegender sensorischer und motorischer Information auf ein Minimum zu reduzieren. Ein zweiter Teil liegt darin, nicht darauf angewiesen zu sein, die Verknüpfungs- und Aktivitätsmuster aller Nervenzellen gleichzeitig beobachten zu müssen. Wissenschaftler in der Gruppe von Marcel Oberlaender am Max-Planck-Institut für biologische Kybernetik in Tübingen und am Forschungszentrum caesar in Bonn haben daher Methoden entwickelt, mit denen man die komplette dreidimensionale Struktur einzelner Nervenzellen rekonstruieren kann, nachdem deren Aktivitätsmuster – zum Beispiel nach Berührung eines Tasthaars – gemessen wurden. Die Messung dieser Kombination von Struktur und Funktion vieler Nervenzellen lässt es dann zu, wiederkehrende Muster in unterschiedlichen Experimenten und Tieren zu erkennen. Dieser Ansatz erlaubte die Identifizierung der zehn wesentlichen Typen von Nervenzellen (Abbildung 3a) in dem mit Tasthaaren assoziierten Bereich der Großhirnrinde – dem sogenannten somatosensorischen Kortex. Nervenzellen eines Typs glichen sich nicht nur in ihrer Position und Struktur, sondern auch darin, wie sie mit anderen Nervenzellen verknüpft sind und welche Aktivität sie nach sensorischer Reizung der Tasthaare zeigen.

Mithilfe dieser Erkenntnisse über wichtige Prinzipien der Zusammenhänge zwischen Struktur, Funktion und Verknüpfungen von Nervenzellen ist es den Wissenschaftlern gelungen, diese Messdaten zu digitalisieren und daraus ein detailgetreues Computermodell des somatosensorischen Kortex der Ratte zu erstellen (Abbildung 3b). Es besteht aus etwa 500.000 Nervenzellen, die wiederum durch ca. 5.000.000.000 sogenannte synaptische Kontakte miteinander verbunden sind. Dieses Modell reproduziert nicht nur die gekrümmte und unterschiedlich dicke Geometrie des Kortex sowie die Anzahl und Verteilung aller Nervenzellen in dieser Hirnregion, sondern auch vielfältigste Messungen bezüglich der Verschaltungsmuster zwischen den jeweiligen Nervenzelltypen.

Dieses anatomisch detaillierte Modell einer ganzen Region des Kortex eröffnet einzigartige Möglichkeiten, um die Zusammenhänge von Struktur und Funktion neuronaler Netzwerke zu erforschen. So können die Nervenzellen im Modell mit den zuvor gemessenen Aktivitätsmustern animiert werden. Der Traum, alle Nervenzellen gleichzeitig beobachten zu können und ihr Zusammenspiel in komplexen Netzwerken zu begreifen, rückt somit ein Stück näher. In ersten Studien konnten Aktivitätsmuster im Computermodell simuliert werden, wie sie zuvor nach Berührung einzelner Tasthaare gemessen wurden [1, 2]. Die Reproduktion dieser Aktivitätsmuster erlaubt es nun, mögliche Mechanismen zu erforschen, die der Informationsverarbeitung zugrunde liegen. So können im Modell bestimmte Mechanismen blockiert werden. Simulationen unter diesen geänderten Bedingungen ergeben dann Vorhersagen, wie sich Aktivitätsmuster im lebenden Tier verändern sollten, wenn dort dieselben Mechanismen blockiert werden. Die Überprüfung der Vorhersagen am lebenden Tier erlaubt dann Einblicke in Mechanismen der neuronalen Informationsverarbeitung, die mit konventionellen experimentellen Ansätzen nur schwer zu erreichen sind.

Ausblick

Die beschriebenen Methoden, Modelle und Ergebnisse sind weit davon entfernt, endgültige Antworten auf die oben aufgeworfenen Fragen zu geben. Nichtsdestotrotz eröffnet dieser Ansatz neue Möglichkeiten, das Zusammenspiel vieler Parameter zu studieren, welche gleichzeitig die Aktivität einer Nervenzelle bestimmen und beeinflussen – angefangen von zellulären Eigenschaften bis hin zu synaptischen Verschaltungsmustern. Dies ermöglicht es den Forschern, überprüfbare Vorhersagen zu machen. So haben es sich die Wissenschaftler um Marcel Oberlaender für die nächsten Jahre zum Ziel gesetzt, alle Hirnregionen, die mit der Bewegung und Berührung eines Tasthaares assoziiert sind, zu identifizieren und das bereits bestehende Computermodell des somatosensorischen Kortex um diese Hirnregionen zu erweitern. Dieses Projekt wird vom European Research Council unterstützt. Langfristig sollte dieses Vorgehen Simulationen erlauben, die der Situation einer Ratte am Graben sehr nahe kommen. Darüber hinaus wird die beschriebene Kombination von Experiment, Netzwerkrekonstruktion und Simulation helfen Gesetzmäßigkeiten zu beschreiben, die über die Grenzen des Modellsystems hinaus Gültigkeit haben und so zum Verständnis des menschlichen Gehirns beitragen.


Literaturhinweise

Landau, I.D.; Egger, R.; Dercksen, V.J.; Oberlaender, M.; Sompolinsky, H.
Impact of structural heterogeneity on excitation-inhibition balance in cortical networks.
Neuron 92, 1106-1121 (2016)

Egger, R.; Schmitt, A.C.; Wallace, D.J.; Sakmann, B.; Oberlaender, M.; Kerr, J.D.

Robustness of sensory-evoked excitation is increased by inhibitory inputs to distal apical tuft dendrites.
Proceedings of the National Academy of Sciences USA 112, 14072 - 14077 (2015)

Narayanan, R.T.; Egger, R.; Johnson, A.S.; Mansvelder, H.D.; Sakmann, B.; De Kock, C.P.J.; Oberlaender, M.

Beyond columnar organization: cell type- and target layer-specific principles of horizontal axon projection patterns in rat vibrissal cortex.
Cerebral Cortex 25, 4450 - 4468 (2015)
Egger, R.; Dercksen, V.J.; Udvary, D.; Hege, H.-C.; Oberlaender, M.
Generation of dense statistical connectomes from sparse morphological data.
Frontiers in Neuroanatomy 8, 1 - 18 (2014)
Meyer, H.S.; Egger, R.; Guest, J.M.; Foerster, R.; Reissl, S.; Oberlaender, M.
Cellular organization of cortical barrel columns is whisker-specific.
Proceedings of the National Academy of Sciences USA 110, 19113 - 19118 (2013)
Egger, R.; Narayanan, R.T.; De Kock, C.P.J.; Oberlaender, M.
3D reconstruction and standardization of the rat vibrissal cortex for precise registration of single neuron morphology.
PLoS Computational Biology 8, 1 - 18 (2012)
Oberlaender, M.; Ramirez, A.; Bruno, R.M.
Sensory experience restructures thalamocortical axons during adulthood.
Neuron 74, 648 - 655 (2012)
Zur Redakteursansicht