Blick auf den Schaltplan des Gehirns

Göttingen – Es braucht viele Milliarden Nervenzellen und unzählige Verknüpfungen zwischen ihnen, damit das Gehirn seine beachtlichen Leistungen vollbringen kann. Forscher haben nun einen Algorithmus entwickelt, der neues Licht auf die Dynamik neuronaler Netze wirft. Ihre Analysen helfen, die Funktionsweise des Gehirns besser zu verstehen, schreiben die Wissenschaftler in der Zeitschrift „PLoS Computational Biology“.

Grün fluoreszierend zeichnen sich die Nervenzellen als Punkte vor dunklem Hintergrund ab, die durch filigrane  Verbindungen miteinander vernetzt sind. Das immitieren Wissenschaftler mit Netzwerkskizzen.
Kalzium-Fluoreszenz-Messungen von Nervenzellen

Neuronen bilden eng verknüpfte Netzwerke, über die die Nervenzellen miteinander kommunizieren. Die Struktur dieser Signalübertragung zu verstehen, stellt die Wissenschaftler vor Probleme: Bereits in einfachen Zellkulturen mit wenigen tausend Neuronen sind die filigranen Verästelungen zu komplex, um die Kommunikationsprozesse nachvollziehen zu können. Es bedarf einiger Tricks, um aus typischen Aktivitätsmustern von Nervenzellen, Rückschlüsse auf deren Wechselwirkungen zu schließen.

Ein Forscherteam rund um Olav Stetter vom Max-Planck-Institut für Dynamik und Selbstorganisation in Göttingen hat nun eine Methode entwickelt, um aus sogenannten Kalzium-Fluoreszenz-Messungen die neuronale Kommunikation zu rekonstruieren. Nervenzellen nutzen zur Interaktion Kalzium-Ionen, die leuchten, wenn man sie mit Licht einer bestimmten Wellenlänge bestrahlt. Dieses bildgebende Verfahren ist für die schnelle Signalübertragung der Neuronen allerdings zu langsam. Der entwickelte Algorithmus erlaubt dennoch den Aufbau des Netzwerkes mit Hilfe dieser Daten gut zu verstehen. Im Gegensatz zu bisherigen Methoden greift der Algorithmus auf keine zusätzlichen Annahmen über die neuronalen Schaltkreise zurück.

„Wir haben ein robustes Verfahren entwickelt, das zuverlässig zwischen wahren kausalen Zusammenhängen unterscheiden kann und solchen, die nur scheinbar bestehen und durch indirekte Verbindungen oder durch Messfehler entstanden sind“, erklärt Stetter die Vorteile seines Algorithmus, der an künstlichen Daten und echten Neuronen getestet wurde. Das Forscherteam hofft, dass in Zukunft neuronale Schaltpläne sowohl in gezüchteten als auch in natürlichen Netzwerken in größerem Umfang berechnet werden können, und damit einen tieferen Einblick in die Struktur des Gehirns ermöglichen.