Abteilung Konnektomik

Abteilung Konnektomik

Moritz Helmstaedter

Unser Ziel ist es zu entschlüsseln, wie die Großhirnrinde sensorische Erfahrungen speichert und nutzt, um Objekte in der aktuellen Umgebung zu erkennen.

Zu diesem Zweck entwickeln und verwenden wir Methoden zur Messung von Kommunikationskarten neuronaler Schaltkreise, Konnektome. Wir arbeiten daran, die Grenzen der methodischen Möglichkeiten der Connectomics zu verschieben, um die Kartierung neuronaler Schaltkreise zu einer Hochdurchsatztechnik zu machen.

Erstes Konnektom aus der Großhirnrinde von Säugetieren: Konnektivitätsmatrix zwischen Tausenden von Axonen und Dendriten in einem Stück der Schicht 4 aus dem somatosensorischen Kortex einer Maus. Obwohl etwa viermal so groß wie das Retina-Konnektom von 2013, erforderte die Rekonstruktion nur etwa 4.000 Arbeitsstunden von studentischen Annotatoren, der Rest der Arbeit wurde bereits von verbesserter künstlicher Intelligenz übernommen.

Wir wollen:

  • die Ähnlichkeit zwischen neuronalen Netzwerken in der Hirnrinde verschiedener Individuen und verschiedener Spezies auf der Suche nach den Algorithmen der Sinneswahrnehmung vermessen
  • nach Spuren sensorischer Erfahrungen in der Großhirnrinde suchen
  • die Veränderungen in der neuronalen Netzwerkstruktur bei psychiatrischen Erkrankungen verstehen.

Hierfür setzen wir 3-dimensionale Elektronenmikroskopie ein, um die kompletten neuronalen Schaltkreise in Hirngewebestücken zu scannen. Die wichtigsten methodischen Schritte sind: Gewebspräparation und Färbung, elektronenmikroskopische Bildgebung, und Datenanalyse der entstehenden riesigen Datensätze. Unser Labor trägt insbesondere methodische Entwicklungen für die Gewebspräparation und Datenanalyse bei.

Wie werden Algorithmen im Gehirn implementiert? Im Gegensatz zu den von Menschen gebauten Computern unterscheiden die von der Natur geschaffenen Gehirne nicht zwischen Hard- und Software. Der plausibelste Weg, sensorische Erwartungen zu speichern und Algorithmen in neuronalen Netzwerken zu implementieren, ist die Prägung ihrer extrem komplexen Konnektivitätsstruktur. Jedes der 17 Milliarden Neuronen in unseren Großhirnrinden verbindet sich direkt und spezifisch mit etwa 1000 anderen Neuronen. Stellen Sie sich vor! Haben Sie 1000 Freunde, mit denen Sie regelmäßig unter vier Augen sprechen? Oder auch nur 1000 Facebook-Freunde?

Die Komplexität dieser neuronalen Netzwerke ist höchstwahrscheinlich das strukturelle Korrelat der komplexen Rechenverfahren, die in Wirbeltiergehirnen implementiert sind. Bisher ist es aber nicht gelungen, diese Netzwerke in hoher Auflösung und Vollständigkeit in der Großhirnrinde zu messen. Wie können wir dann wissen, ob und wie die gesuchten Algorithmen implementiert sind?

Das erste Konnektom eines Säugetiers: Karte der Konnektivität zwischen etwa 1.000 Neuronen in der Netzhaut der Maus. Die Erstellung dieser Karte benötigte mehr als 20.000 Arbeitsstunden in der Analyse durch mehr als 200 Studenten. Die Aufgabe, auch nur ein kleines Stück der Großhirnrinde zu rekonstruieren, ist mindestens 100-mal größer.

Erst seit dem Beginn dieses Jahrtausends wurden Bildgebungs- und Analysemethoden entwickelt, die es uns erlauben, neuronale Netzwerke vollständig und mit steigendem Durchsatz zu kartieren. Da Neuronen sehr kleine Strukturen ausbilden, ist Elektronenmikroskopie erforderlich, allerdings in einer völlig neuen Größenordnung.
Die Analyse unserer Bilddaten ist so kompliziert, dass bisher nur Menschen die schwierigsten Probleme lösen konnten. Also haben wir damit begonnen, Computerleistung mit menschlicher Gehirnleistung zu kombinieren, um die neuronalen Netzwerke der Großhirnrinde zu rekonstruieren. Mit großen Verbesserungen in der automatisierten Datenanalyse kommen wir einer vollständigen Automatisierung der konnektomischen Datenanalyse immer näher. Einige konnektomische Ergebnisse sind bereits ohne jegliche menschliche Datenannotation erzielbar.

Zerebrale Kortex-Konnektomik: Hintergrund

Wie unterscheidet unser Gehirn, sagen wir, einen Apfel von einem Auto?
Eine gewisse Erwartung von Äpfeln und Autos muss mit neuem Input von unseren Sensoren (Augen, Ohren, Tastrezeptoren) kombiniert werden. Nach allem, was wir wissen, ist die sensorische Erwartung von Äpfeln und Autos (und sicherlich auch von Gesichtern von Freunden) nicht bereits in unserem Genom kodiert, sondern wird im Laufe unseres Lebens in unser Gehirn eingeprägt. Wir wollen verstehen, wie in der Großhirnrinde, dem Hauptteil des Gehirns von Wirbeltieren, eine solche Kombination von erworbener sensorischer Erwartung mit sensorischer Neuheit zur Erkennung und Klassifizierung von Objekten und Ereignissen umgesetzt wird.

Diese Frage beschreibe ein recht erhebliches wissenschaftliches Problem, das uns in mindestens zweierlei Hinsicht herausfordert: Nicht nur, dass die Neurobiologie in den letzten 100 Jahren nicht in der Lage war, die Art und Weise zu entschlüsseln, wie die Großhirnrinde sensorische Objekte klassifiziert; noch verblüffender ist, dass wir trotz jahrzehntelanger Forschung im Bereich der künstlichen Intelligenz (Kybernetik, maschinelles Lernen) keine Algorithmen entdeckt haben, die auch nur annähernd so allgemein lern- und leistungsfähig sind, und dabei so wenig Energie und Daten verbrauchen.

Unser Ziel ist es daher, die Algorithmen zu entschlüsseln, die in Wirbeltiergehirnen zur komplexen Mustererkennung implementiert sind.

Zur Redakteursansicht