Ein tiefer Einblick ins Gehirn

Mit ihrer unvergleichbar großen Zahl von Nervenzellen und einer extremen Dichte an Kommunikation sind die Gehirne von Säugetieren die komplexesten bekannten Netzwerke. Forschern vom Max-Planck-Institut für Hirnforschung ist es nun gelungen, Hirngewebe aus dem Säugetiergehirn zu kartieren, das lokale Konnektom aufzunehmen und auf Spuren von vorangegangenen Lernvorgängen zu analysieren.

Unser Gehirn enthält extrem dicht gepackte Netzwerke aus membranumhüllten Kabeln, mithilfe derer unsere rund 86 Milliarden Nervenzellen untereinander kommunizieren. Jede unserer Nervenzellen interagiert mit rund 1000 anderen, und die Verbindungskabel (Axone) erstrecken sich oft über das gesamte Gehirn. Tatsächlich schätzt man, dass rund fünf Millionen Kilometer Nervenzellkabel in unseren Schädeln verpackt sind – das ist zehnmal länger als alle Autobahnen auf der Erde, in jedem unserer Gehirne.

Ein Forscherteam um Max-Planck-Direktor Prof. Moritz Helmstaedter hat nun ein Stück bioptisch gewonnenen Hirngewebes aus der Großhirnrinde einer vier Wochen alten Maus analysiert. Das Gewebsstück stammt aus dem somatosensorischen Kortex, einem Teil des Großhirns, der mit der Verrechnung von Berührungsinformationen beschäftigt ist.

Mithilfe optimisierter KI-basierter Bildverarbeitung und effizienter Interaktion zwischen Datenanalyse durch Menschen und Maschinen schafften es die Forscher, alle der rund 400.000 Synapsen und ca. 2,7 Meter Axone in diesem Gewebsstück zu rekonstruieren. Daraus ergab sich ein Konnektom, also ein Schaltplan, zwischen rund 7000 Axonen und rund 3700 postsynaptischen Nervenzellfortsätzen. Dieser Schaltplan ist rund 26-mal größer als das in der Netzhaut der Maus vor sechs Jahren publizierte und bisher größte Säugetierkonnektom. Die Rekonstruktion ergab nicht nur eine substanziell größere Netzwerkkarte, sondern erfolgte auch mit rund 33-fach höherer Effizienz – ein neuer Standard in der dichten konnektomischen Rekonstruktion aus dem Säugetiergehirn.

Dieser methodische Durchbruch erlaubte den Forschern nun, das Konnektom auf darin enthaltene Verschaltungsmuster zu analysieren. Insbesondere untersuchten sie, welcher Anteil des Schaltkreises Anzeichen für vorangegangenes Lernen zeigte. Hierfür nutzen sie den Zusammenhang zwischen Wachstum und Verstärkung der Synapsen, das mit Lernvorgängen einhergeht. Alessandro Motta, Erstautor der Studie und Elektroingenieur, nutzte besondere Konstellationen, in denen jeweils mehrere Synapsen zwischen zwei Nervenzellen gefunden wurden, um mögliche Spuren von Langzeitpotenzierung (LTP) zu finden.

„Da einige Modelle synaptischer Plastizität genaue Vorhersagen über die Verstärkung von Synapsen beim Lernen machen – zum Beispiel, wenn die Maus eine Katze oder einen Baum zu erkennen lernt –, konnten wir Abschätzungen der Häufigkeit solcher Lernprozesse sogar aus der Momentaufnahme der kortikalen Schaltkreiskarte ableiten“, erklärt Motta. Da die Maus bis zur Gehirnbiopsie ein vierwöchiges normales Laborleben hatte, sehen die Wissenschaftler ihre Methode als eine Möglichkeit, den Anteil gelernter Schaltkreiseigenschaften aus einem ansonsten normal aufgewachsenen Gehirnstück auszulesen.

„Wir waren selbst überrascht, wie viele Informationen und wie viel Präzision selbst in solch einem immer noch relativ kleinen Gehirnstück aus der Großhirnrinde enthalten ist“, sagt Helmstaedter, und fügt hinzu: „Insbesondere die Auslesung der vermutlich gelernten Schaltkreisanteile hat uns wirklich die Augen geöffnet.“

Die entwickelten Methoden haben nach Ansicht der Forscher erhebliche Auswirkungen für die mögliche Übertragung von Einsichten aus der Hirnforschung auf die künstliche Intelligenz. „Das Ziel, neuronale Netzwerke in der Großhirnrinde zu vermessen, ist ein wesentliches wissenschaftliches Abenteuer, eben auch weil wir hoffen, hieraus wesentliche Netzwerkeigenschaften ableiten zu können, die das Gehirn zu einem solch effizienten Computer zu machen, viel effizienter als alle heutige KI“, erklärt Helmstaedter.

Die Forscher fassen zusammen „Wir glauben, dass unsere Methoden, angewendet auf viele Arten von Hirngewebe aus verschiedenen Hirnregionen, Hirnschichten, Entwicklungsschritten und Tierarten uns zeigen werden, wie die Evolution diese Netzwerke gestaltet hat, und welchen Einfluss Lernen und Erfahrung auf die genaue Netzwerkstruktur haben.“

Originalpublikation:
Berning M et al.: Dense connectomic  reconstruction in layer 4 of the somatosensory cortex. Science, 24. Oktober 2019.