Aus dem Forschungszentrum
Jülicher Forscher Hirnsignalen auf der Spur
Von Redaktion [30.07.2015, 13.34 Uhr]
Wissenschaftler des Forschungszentrums Jülich und der Schweizer Hochschule EPFL in Lausanne haben eine neue Methode für die Analyse von Hirnsignalen vorgestellt. Mithilfe des Verfahrens können Forscher neue Erkenntnisse darüber gewinnen, wie sich Nervenzellen im Gehirn zu Netzwerken von hunderten bis tausenden Neuronen zusammenschalten. Die Verarbeitung von Reizen in neuronalen Netzwerken bildet die Grundlage für höhere Hirnfunktionen wie Sehen, Rechnen oder Sprechen und gilt als Schlüssel, um diese auf direkt beobachtbare biologische Abläufe im Gehirn zurückzuführen.
Mithilfe fein unterteilter Multielektrodenarrays ist es seit einigen Jahren möglich, tausende Nervenzellen zu „belauschen“ und die Hirnsignale aufzuzeichnen. Die Elektroden erfassen elektrische Impulse, die immer dann freigesetzt werden, wenn ein Neuron feuert. Doch die aufgezeichneten Hirnsignale lassen bislang kaum Rückschlüsse auf die zugrundeliegende anatomische Struktur zu: Welche Nervenzellen feuern koordiniert im Verbund, und welche werden nur zufällig gleichzeitig aktiviert? Diese Fragen lassen sich mit einfachen Analysemethoden, die lediglich nach Korrelationen fahnden, kaum beantworten. Die rekonstruierten Netzwerke werden daher häufig auch als „funktionale Netzwerke“ bezeichnet.
In den vergangenen Jahren ist es Forschern mit fortgeschrittenen
statistischen Auswertungsverfahren dennoch gelungen, die anatomisch korrekte Verschaltung der Nervenzellen aus den Signalen herauszulesen. Aber die Methode, die auf sogenannten Generalisierten Linearen Modellen aufbaut, ist sehr rechenintensiv. Deshalb lassen sich nur neuronale Schaltkreise aus wenigen Dutzend Neuronen auf diese Weise nachbilden, ohne dass der Rechenaufwand übermäßig steigt.
Das neue Schätzverfahren, das Forscherinnen und Forscher des Simulation Laboratory Neuroscience am Forschungszentrum Jülich entwickelt haben, ist dagegen deutlich weniger rechenintensiv. Damit lässt sich erstmals auch der Aufbau sehr komplexer neuronaler Netzwerke nachvollziehen, die aus tausend und mehr Zellen bestehen.
Der Ansatz beruht auf der sogenannten Maximum-Likelihood-Methode, die ein Ergebnis liefert, für das die Verteilung der beobachteten Daten am plausibelsten erscheint. Die Genauigkeit liegt bei Idealbedingungen bei über 99 Prozent, wie die Jülicher Forscher mittels Computersimulationen zeigen konnten. Für die Berechnungen werden Supercomputer benötigt, auf die Hirnforscher etwa über den europäischen Supercomputing-Verbund PRACE oder das Human Brain Project zugreifen können. Die detaillierten Ergebnisse sind im Fachmagazin Journal of Computational Neuroscience nachzulesen.
Dies ist mir was wert: | Artikel veschicken >> | Leserbrief zu diesem Artikel >>
NewsletterSchlagzeilen per RSS
© Copyright
