Eingehende Sinnesreize werden in komplexen Netzwerken verarbeitet, um Wahrnehmung zu erzeugen. Diese Netzwerke geben ihre Eingaben nicht einfach nur wieder, sondern ihr Verhalten hängt stark vom Zusammenspiel zwischen eintreffenden Signalen (dem Input in das Netzwerk) und lateralen, also seitlichen, Verbindungen ab. Theoretische Arbeiten zeigen seit Langem, dass solche lateralen Verbindungen entscheidend bestimmen, wie Netzwerke Informationen verarbeiten. Dennoch ist es bis heute schwierig, ihre genaue Struktur und Funktion im lebenden Gehirn direkt zu untersuchen. Um die Rolle der lateralen Verbindungen besser zu verstehen, widmet sich das Projekt den folgenden zentralen Forschungsfragen: Wie verarbeiten die kortikalen Netzwerke ihre Eingangssignale (Input)? Welche Struktur der lateralen Verbindungen liegt dieser Verarbeitung zugrunde? Und ist diese Struktur ähnlich in verschiedenen Hirnarealen? Geleitet von diesen Fragen, wird im Projekt untersucht, wie lokale laterale Verbindungen in kortikalen Netzwerken während der frühen Entwicklung aufgebaut sind – also in jener Phase, in der großräumige Aktivitätsmuster erstmals entstehen und noch keine weitreichenden Verbindungen existieren. Anschließend soll analysiert werden, wie diese lokalen Schaltkreise großflächige Eingangssignale in spezifische Aktivitätsmuster umwandeln. Darauf basierende Computermodelle werden entwickelt, um beide Ebenen miteinander zu verknüpfen. Schließlich soll geprüft werden, ob diese Strukturen ein allgemeines Organisationsprinzip des Kortex darstellen, das in verschiedenen Hirnarealen wiederzufinden ist. Durch die Verbindung von Experiment und Modellierung sollen grundlegende Prinzipien aufgedeckt werden, wie kortikale Netzwerke Informationen verarbeiten und die Aktivitätsmuster erzeugen, die komplexen Gehirnfunktionen zugrunde liegen.

In einer hoch komplexen, sich dynamisch ändernden Umwelt, müssen wir unser Verhalten ständig überprüfen und an Veränderungen anpassen, um unsere Ziele zu erreichen. Diese flexible Anpassung von Entscheidungen und Handlungen an auftretende Hindernisse wird als kognitive Kontrolle bezeichnet. Kognitive Kontrolle stellt eine essenzielle Exekutivfunktion dar, deren Verständnis von fundamentaler Bedeutung ist, da Beeinträchtigungen gravierende Folgen für Individuen und Gesellschaft haben. Trotz intensiver Forschung gibt es noch kein übergreifendes Verständnis der Mechanismen der kognitiven Kontrolle. In diesem Projekt wird eine Theorie entwickelt, die beschreibt, wie kognitive Kontrolle latente Abstraktionen steuert, um die Informationsverarbeitung an aktuelle Ziele anzupassen. Diese Idee knüpft an neuere Arbeiten an, die zeigen, dass Recurrent Neural Networks (RNNs), die zwischen Lern- und Inferenzprozessen alternieren, latente Abstraktionen entdecken können, die verbesserte Generalisierung und Verhaltensflexibilität ermöglichen. Es wird die Hypothese getestet, dass Inferenz über diese latenten Abstraktionen als aufgabengenerelle Steuerinstanz fungiert, die Verhaltens- und neuronale Kennzeichen kognitiver Kontrolle beim Menschen erklärt. Das Projekt beinhaltet drei konkrete Ziele: Zunächst wird geprüft, ob und wie Inferenz in RNNs kognitive Kontrolle und dessen zugrunde liegende neuronale Dynamik in einem großen, bereits erhobenen Datensatz des Teams erklären kann. Anschließend werden neue Daten erhoben, um zu testen, ob Modellvorhersagen auf neuartige Kontrollanforderungen und Aufgaben generalisieren. Schließlich wird untersucht, ob Perturbationen des posterioren medialen Frontalkortex (pMFC) – einer für kognitive Kontrolle als kritisch geltenden Hirnregion – mittels transkranieller Ultraschallstimulation (TUS) Verhaltensänderungen hervorrufen, die mit Störungen der Inferenzprozesse in RNNs übereinstimmen.

Die quantitative Verknüpfung von synaptischer Konnektivität und neuronaler Aktivität ist von grundlegender Bedeutung für das Verständnis des Gehirns als neuronales Netzwerk. Jahrzehntelange theoretische Arbeiten legen nahe, dass viele Funktionen auf Netzwerkebene aus dem Verdrahtungsmuster einfacher Recheneinheiten hervorgehen, aber es ist unklar, ob solche einfachen Modelle Aufschluss darüber geben können, wie die Struktur eines realen neuronalen Netzwerks mit seiner Funktion zusammenhängt. Das multilaterale Forschungsvorhaben kombiniert mathematische Modellierung, funktionelle Bildgebung und Konnektomik, um biologisch realistische neuronale Netzwerkmodelle der optischen Flussverarbeitung im Pretectum des visuellen Systems von Zebrafischlarven zu erstellen und zu testen. Die drei Forschungsgruppen aus USA, Japan und Deutschland ergänzen sich in ihrer jeweiligen Expertise. Das Fitzgerald-Labor hat ein mathematisches Framework entwickelt, die sogenannte EnsembleModellierung, die es ermöglicht, alle synaptischen Gewichtungsmatrizen für eine bestimmte Berechnung zu analysieren. Aus diesem Ansatz gehen starke Vorhersagen für die Verschaltung hervor. Um diese zu testen, hat das Baier-Labor einen funktionell verknüpften (FuL) Konnektomik-Datensatz ermittelt, der funktionelle Bildgebung mit zellulärer Auflösung und Konnektomik mit Synapsenauflösung im gleichen Zebrafischgehirn kombiniert. Das Kubo-Labor steuert das FuGIMA-Tool (Function-Guided Inducible Morphological Analysis) bei, um die funktionellen Reaktionseigenschaften und Morphologien von exzitatorischen und inhibitorischen Neuronen im Pretectum zu charakterisieren. Anhand dieser Ergebnisse soll das Vorzeichen des Neurotransmittertyps jedes Neurons im FuL-Konnektomik-Datensatz ermittelt werden. Das Vorhaben nutzt also Rückkopplungsschleifen zwischen Theorie und Experiment, um zentrale ungelöste Probleme der Neurowissenschaften anzugehen.

Die Aufdeckung der Schaltkreiskonnektivität, die der Entscheidungsfindung zugrunde liegt, ist für die Entwicklung von Berechnungsmodellen für die Entscheidungsfindung in der Großhirnrinde unerlässlich. Ziel des Projekts ist die Entwicklung von computergestützten neuronalen Netzwerkmodellen, die anhand der von der Harvard Medical School bereitgestellten empirischen Daten getestet werden sollen, um die neuronalen Schaltkreise zu bestimmen, die die räumlich-zeitliche Dynamik der neuronalen Aktivität während der Entscheidungsfindung erklären und kausal für die Entscheidungsfindung verantwortlich sind. Theoretische und rechnerische Ansätze zur Beschreibung und zum Verständnis der Strukturen und Funktionen neuronaler Schaltkreise und Netzwerke werden angewendet. Darüber hinaus werden Methoden zur Messung und Analyse von Konnektivität, Dynamik, Information und Kausalität in neuronalen Systemen entwickelt sowie Erklärungsmodelle für die räumlich-zeitliche Dynamik des Gehirns auf verschiedenen Ebenen generiert.

Die Struktur, Aktivität und Funktion des visuellen Systems wurden bereits ausgiebig untersucht. Es gibt jedoch kein integriertes Modell für das visuelle System der Säugetiere, das die vollständige Anzahl der Neurone und neuronalen Verbindungen (Synapsen) umfasst und gleichzeitig die Struktur, Aktivität und Funktion des Systems realistisch abbildet. Wegen der Verfügbarkeit großer anatomischer und physiologischer Datensätze ist das Mäusegehirn hierfür ein guter Startpunkt. Die visuelle Informationsverarbeitung beruht auf der Kommunikation zwischen mehreren Gebieten in der Großhirnrinde (Kortex) und im Thalamus. In diesem Projekt werden Partner des Allen-Instituts (USA) und des IAS-6, Forschungszentrum Jülich (Deutschland) Modelle multipler visueller kortikaler und thalamischer Areale des Mäusegehirns entwickeln. Es soll untersucht werden, wie verschiedene Eigenschaften der inter-arealen Verbindungen die Dynamik, die Antworten auf visuelle Reize und die inter-areale Kommunikation beeinflussen. Obwohl die anatomischen Daten ausführlich sind, müssen dennoch Lücken mittels statistischer Vorhersagen gefüllt werden. Dazu werden die Projektpartner Regelmäßigkeiten in der Hirnstruktur aufdecken und beschreiben. Ein spezifischer Aspekt, mit dem sich das IAS-6 befassen wird, sind Oszillationen um die 3-6 Hz zwischen Kortex und Thalamus, welche dem sogenannten Alpha-Rhythmus ähneln. Letzterer ist das prominenteste Merkmal des Elektroenzephalogramms des Menschen. Sowohl die 3-6 Hz Oszillationen als auch die menschlichen Alpha-Rhythmen hängen vom Erregungszustand ab. Diese Abhängigkeit und die unterliegenden Mechanismen werden untersucht. Die Modelle mit über einer Million Neurone und Milliarden von Synapsen werden in der Software NEST implementiert und auf einem Supercomputer simuliert. Für effiziente Simulationen wird das IAS-6 den Simulationscode NEST weiterentwickeln. Außerdem werden Arbeitsabläufe für die Modellkonstruktion und Validierung auf Großrechnern erstellt.

Neurotransmitterrezeptoren spielen eine entscheidende Rolle bei der Regulierung der neuronalen Erregbarkeit und der Kommunikation im neuronalen Netz. Die Beziehung zwischen Rezeptorarchitektur und Hirnfunktionen, insbesondere im Hinblick auf die evolutionäre Entwicklung des komplexen Zusammenspiels von Struktur und Funktion bei verschiedenen Arten ist noch weitgehend unerforscht. Übergreifende Ziel dieses Projekts ist es, diese Lücke durch die Integration von 3D-Neurotransmitterrezeptor-Autoradiographie mit multimodaler MRT bei Menschen, Makaken, Marmosetten und Ratten zu schließen. Um dieses Ziel zu erreichen, werden hochauflösende Rezeptorkarten bei Ratten und Marmosetten mit Hilfe eines neuronalen Netzwerks mit Transfer-Learning rekonstruiert. Im Rahmen von Ziel 1 wird der multimodale, speziesübergreifende Abgleich von Gehirnen erneuert, indem Graph-Matching- und Joint-Embedding-Algorithmen verwendet werden, um homologe multimodale Merkmale (d. h. Rezeptorarchitektur, funktionelle Konnektivität [FC] in der fMRI) zu extrahieren und den Abgleich zwischen den Spezies zu verbessern. Dieser Abgleich wird eine speziesübergreifende Transformation für künftige Übersetzungsstudien mit Tiermodellen ermöglichen. Ziel 2 wird sich auf die Struktur-Funktions-Kopplung konzentrieren, indem Rezeptor- und Funktionskonnektivitäts-Gradienten im Cortex sowie die regionale Ähnlichkeit zwischen Rezeptorlaminationskovarianz und FC innerhalb und zwischen den Arten verglichen werden. Dies wird die gemeinsame und artspezifische Beziehung zwischen mikroskaliger Rezeptorarchitektur und makroskaliger FC aufdecken. Bei Ziel 3 werden die raum-zeitlichen dynamischen Signaturen des Gehirns (d. h. Koaktivierungsmuster, Wanderwellen) mit der Rezeptorarchitektur innerhalb und zwischen den Arten verknüpft, um eine evolutionäre Perspektive der neurochemischen Grundlage für die Dynamik des Gehirns zu eröffnen.

Um anpassungsfähig zu bleiben, müssen Menschen ihre Entscheidungen flexibel an ihre momentanen Ziele und Möglichkeiten ausrichten. Die bisherige Forschung zu den neuronalen und kognitiven Mechanismen zielgerichteter Entscheidungen konzentriert sich jedoch ausschließlich auf eine eng umgrenzte Form von Entscheidungen, nämlich wie Menschen aus einer Menge von Optionen die beste auswählen. Wie sich Menschen flexibel auf verschiedene Ziele einstellen können, bleibt somit weitgehend ungeklärt. In diesem Projekt, welches Forscherinnen und Forscher aus drei verschiedenen Teams verbindet, wird ein mathematisches Modell entwickelt und getestet, das der Flexibilität zielgerichteter Entscheidungen Rechnung trägt, indem es annimmt, dass unterschiedliche Ziele die Transformation von Information in Evidenz und die Integration dieser Evidenz beim Entscheiden bestimmen. Das Modell wird auf Verhaltens- und Gehirnebene anhand von Verhaltens- und Blickbewegungsmessungen sowie in fMRT- und EEG-Studien validiert. Das Projekt verknüpft Erkenntnisse der Entscheidungsforschung und der Forschung zu kognitiver Kontrolle, und wird bestehende Wissenslücken in diesen Bereichen schließen. Es wird die Forschung an der Schnittstelle von Neurowissenschaften, Psychologie, Informatik und Wirtschaft vorantreiben und neue Einblicke in Entscheidungsmechanismen sowie neuartige Werkzeuge zur Untersuchung dieser Mechanismen bei Menschen und Tieren liefern. Indem verborgene Fehlerquellen bei flexiblen Entscheidungen aufgedeckt werden können, wird diese Arbeit auch Wege für gezielte Interventionen aufzeigen, um Entscheidungen besser auf langfristige Ziele abzustimmen.

In diesem Projekt sollen die molekularen und zellulären Mechanismen aufgeklärt werden, die zur Entwicklung einer Vielzahl von Zelltypen im Gehirn führen. Dieser Prozess wird anhand der Ganglienzellen in der Zebrafisch-Netzhaut untersucht. Es kommen molekularbiologische, genetische und rechnergestützte Methoden sowie mikroskopische Imaging-Verfahren im lebenden Tier zur Anwendung. Von den Erkenntnissen dieser Studien verspricht man sich tiefere Einblicke in die Entwicklung des Wirbeltiergehirns.

Die transkranielle Magnetstimulation (TMS) ist eine etablierte nichtinvasive Methode, um motorische und kognitive Funktionen im menschlichen Gehirn durch induzierte elektrische Felder zu modulieren. Allerdings ist der genaue kortikale Ort, an dem das induzierte elektrische Feld die Verhaltenseffekte auslöst, bis heute nicht eindeutig bestimmbar. Das Problem ist erheblich komplizierter, wenn mehrere neuronale Populationen an einer höheren kognitiven Funktion wie Aufmerksamkeit oder Sprache beteiligt sind. Die Lokalisierung motorischer und höherer kognitiver Funktionen von Gehirnnetzwerken ist entscheidend für eine bessere Behandlung neurologischer und psychiatrischer Erkrankungen. In diesem Projekt wird ein neues, hochauflösendes TMS-basiertes Lokalisierungsverfahren entwickelt, validiert und auf höher kognitive Prozesse angewendet. Es wird auf der Grundlage einer neuen mehrkanaligen TMS-Array-Hardware entwickelt und getestet, die eine nahezu unbegrenzte Flexibilität bei der Erzeugung elektrischer Felder im Gehirn bietet. Das Projekt wird einzigartige Einblicke in Struktur-Funktions-Beziehungen sowohl auf Gruppen- als auch auf individueller Ebene ermöglichen. Die Projektpartner bilden ein interdisziplinäres Team aus Experten der kognitiven Neurowissenschaften, transkraniellen Magnetstimulation, Elektromagnetik und biomedizinischen Bildgebung und gehören den Institutionen des Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital (Boston, Massachusetts, USA), dem Worcester Polytechnic Institute (Worcester, MA, USA) und dem Max-Planck-Institut für Kognitions- und Neurowissenschaften (Leipzig, Sachsen, Deutschland) an.

Kann ein Amputierter eine weiche, warme Hand berühren und sie kognitiv wahrnehmen? Kann eine humanoide Roboterhand ein heißes Küchengerät sicher greifen oder in einem menschenähnlichen Reflex reagieren? Das Projekt COMMI konzentriert sich auf die Erstellung von Computermodellen, die erklären wie mehrere sensorische Eingänge vom Menschen integriert werden, und so eine Funktionskontrolle einer Prothese an der Johns Hopkins University (JHU) und der Hand eines humanoiden Roboters an der Technischen Universität München (TUM) zu ermöglichen. Die wichtige Frage der Sinneswahrnehmung und des Embodiments durch Amputierte ist noch nicht erforscht, geschweige denn, dass sie für Unterarmamputierte und eingebettete Intelligenz in Humanoiden verfügbar wäre. COMMI nutzt die fortschrittliche Sensor- und Robotikforschung (TUM) und Prothesentechnologien (JHU), um Experimente durchzuführen und computergestützte Modelle der sensorischen Verarbeitung im Gehirn zu entwickeln. Es werden graphentheoretische Tools verwendet, um computergestützte Modelle der sensorischen Netzwerke im Gehirn zu erstellen und so wichtige Fragen zu beantworten, wie z. B.: Wie werden mehrere sensorische Ströme im Gehirn integriert und wie wird ein breites dynamisches Spektrum an sensorischen Eingaben, von leichten taktilen bis hin zu schädlichen, verarbeitet? Ziel des Projektes ist es, amputierten Menschen mit einer geschickten Handprothese und humanoide Robotersysteme mit einer verbesserten sensorischen Erfahrung auszustatten. Auf der einen Seite kann Wissen über menschliches Verhalten mit Prothesen auf humanoide Robotersysteme übertragen werden, um Roboter mit menschenähnlichen Interaktionsmechanismen auszustatten. Auf der anderen Seite bieten humanoide Roboter die Flexibilität, reflexive Verhaltensweisen zu quantifizieren und zu messen, die an robotischen Geräten getestet werden können, bevor sie an einer Prothese an einem menschlichen Körper getestet werden.

Das Ziel visueller Verarbeitung ist es, aus den Bildern auf der Netzhaut verhaltensrelevante Eigenschaften einer Szene zu extrahieren. Dies ist ein komplexes algorithmisches Problem. Eine seit langem bestehende Hypothese besagt, dass entlang der Hierarchiestufen des visuellen Systems immer komplexere, aber vom Menschen interpretierbare Eigenschaften aus einer Szene extrahiert werden. Darüber hinaus ist das Sehen bei Primaten ein aktiver Prozess, bei dem Informationen während freier Betrachtung einer Szene durch kurze sequenzielle Fixationen erworben werden. Trotz jahrzehntelanger Forschung sind wir noch weit von einer vollständigen Charakterisierung der Antworteigenschaften von Nervenzellen entlang der kortikalen Hierarchie und deren Dynamik bei freiem Betrachten einer Szene entfernt. Zwei Hauptgründe sind die nichtlineare Natur der Informationsverarbeitung und die hohe Dimensionalität des visuellen Inputs. Diese machen es schwer, neuronale Repräsentationen von natürlichen visuellen Reizen während natürlichem Verhalten wie freiem Betrachten zu charakterisieren. Das Projekt will diese Lücke mit Hilfe von Inception Loops schließen, einer innovativen Methode, die Aufnahmen vieler Nervenzellen und Deep Learning (DL) zu Modellen neuronaler Aktivität kombiniert, die eine systematische rechnergestützte Charakterisierung der Selektivität von Nervenzellen ermöglicht, die nachfolgend im biologischen Experiment verifiziert werden kann.

Wie kodiert das Gehirn unsere Bewegungen durch die Welt, so dass wir direkt dorthin zurückkehren können, wo wir gestartet sind? Diese Fähigkeit zur Wegintegration ist eine überlebenswichtige Fähigkeit für Tiere, die beim Auftreten einer Bedrohung schnell Schutz suchen müssen, oder eine wichtige Quelle der Effizienz bei der Suche nach Ressourcen. Die Identifizierung der mechanistischen Basis dieser Fähigkeit ist wichtig für das Verständnis der grundlegenden Mechanismen des Verhaltens und auch für das Verständnis der nachlassenden Fähigkeit zur Pfadintegration bei Beginn der Alzheimer-Krankheit (AD). Nervenzellen können präzise Variablen wie die Richtung und Lage des Kopfes eines Tieres oder die Nähe von Grenzen berechnen. Dieses Wissen befasst sich jedoch nicht mit der mechanistischen Basis, durch die diese Kodierung entsteht oder wie sie zur Steuerung des Verhaltens genutzt wird. Diese Lücke schließt das Scale Invariant Path Integration (SIPI) Framework, eine Erweiterung eines Frameworks, bei dem neuronale Schaltkreise eine einfache mathematische Transformation ihrer Eingänge durchführen, die effektiv eine skaleninvariante Aufzeichnung der Vergangenheit kodiert. Bei der Anwendung auf die Navigation führt diese Kodierung zu einer Kodierung von Kopfrichtung, Ort und Grenzen. Ziel dieses Projekts ist es, das SIPI-Modell durch die Erweiterung der Navigationskontexte, in denen es angewendet werden kann, und durch die empirische Prüfung von Vorhersagen bezüglich der Natur der räumlichen Kodierung und der Grundlage von Navigationsdefiziten bei der Alzheimer-Demenz zu entwickeln. Um dieses Ziel zu erreichen, soll das SIPI-Framework so angepasst werden, dass es in einem breiteren Spektrum von Situationen angewendet werden kann, neue Vorhersagen des Frameworks müssen durch neue empirische Arbeiten überprüft werden, und das Framework muss neue Einblicke in die neurophysiologischen Mechanismen der krankheitsbedingten Abnahme der Pfadintegrationsfähigkeit liefern.

Die Fähigkeit, Entscheidungen zu treffen, ist essentiell für das Überleben nahezu aller Tiere. Ziel des Projektes "CompMemDros" ist, die zellulären Grundlagen eines Zwei-Faktor-Entscheidungsprozesses durch eine Kombination von in vivo-Experimenten und Computersimulationen zu verstehen. Entscheidungsprozesse basieren auf der Integration von sensorischen Erfahrungen, die in Form von positiven und negativen Erinnerungen im Gehirn gespeichert werden können. Eines der bestverstandenen Modellsysteme für einen solchen Entscheidungsprozess ist das assoziative olfaktorische Gedächtnis der Fruchtfliege Drosophila melanogaster. Die Fruchtfliege ist in der Lage zwei, ursprünglich neutrale, Duftstoffe nach dem gezielten Paaren eines der beiden Düfte mit einem positiven oder negativen Stimulus über einen Zeitraum von mehreren Tagen zu unterscheiden. Die Information wird als zelluläres Gedächtnis innerhalb des Pilzkörpers (Mushroom body, MB) der Fliege gespeichert. Innerhalb des MBs bilden die Verbindungen zwischen Kenyon Zellen und Mushroom body output Neuronen (MBONs) ein Gedächtnismodul, das selektiv durch assoziatives Lernen verändert wird. Die neuronale und synaptische Architektur der Neurone ist kürzlich komplett beschrieben worden und bildet die strukturelle Basis des Projektes. In diesem Projekt werden die detaillierten neuronalen Anatomiedaten mit neurophysiologischen Ableitungen kombiniert, um so ein realistisches computerbasiertes Modell eines Gedächtnismoduls zu erstellen. Die enge Verzahnung zwischen experimentellen Analysen in der lebenden Fliege und Modellierung der Informationsprozesse im realistischen Simulationsmodell wird neue Erkenntnisse zur Gedächtnisspeicherung, Plastizität der Verbindungen und Informationsprozessierung liefern. Ausgehend von einem einzelnen Modul wird versucht die Prinzipien der Informationsverarbeitung im gesamten Gedächtnisschaltkreis zu verstehen.

Das Ziel dieses Verbundprojektes ist es, ein quantitatives Verständnis der Morphologie und des Wachstums serotonergischer Nervenfasern im Gehirn höherer Lebewesen zu erreichen. Die Arbeitsgruppe an der Universität Potsdam verfolgt das Ziel quantitative theoretische Modelle für die Axonenmorphologie aufzustellen, welche dem konzeptuellen Verständnis der gemessenen und simulierten Morphologien dienen. Die Arbeiten aller drei Gruppen des Verbundes sind stark miteinander verzahnt und basieren auf den komplementären Expertisen der Gruppen. Konkret geht es bei den Aufgaben in Potsdam um die Modellierung des Nervenfaserwachstums in höheren Dimensionen durch Polymermodelle basierend auf langreichweitig korrelierten stochastischen Prozessen, sogenannten fractional Brownian motion. Dabei steht in erster Linie die theoretische Formulierung der Wechselwirkung wachsender Fasern mit den harten Rändern der Umgebung (Hirnschale etc.) sowie des Verzweigens wachsender Fasern. Solche Formulierungen sind theoretisches Neuland. Weiterhin sollen sich örtlich und/oder zeitlich variierende Modellparameter eingebaut werden, welche z. B. Inhomogenitäten im Raum oder sich verändernde biochemische Umgebungen widerspiegeln sollen. Schließlich sollen Formulierungen entwickelt werden, um vom Wachstum einzelner Fasern zu einem Fasergewebe wechselwirkender Axonen zu kommen. Diese Formulierungen dienen als Input zu den Simulationen und zur Interpretation experimenteller Daten.

Ultraschall bietet einen neuen vielversprechenden Ansatz zur nicht-invasiven Neurostimulation. Bei derzeit klinisch etablierten Verfahren wie der Tiefen-Hirn-Stimulation (DBS – Deep Brain Stimulation), wird eine Elektrode ins Hirn implantiert, mit allen Risiken eines operativen Eingriffs. Ziel des Verbundvorhabens ist die Entwicklung einer Crossbeam-Ultraschall-Technologie zur transkranialen Tiefen-Hirn-Stimulation. Dieser Ansatz wird interdisziplinär, bilateral mit der University of Stanford erforscht. Der Fokus dieses Teilvorhabens ist die Entwicklung, Implementierung und Validierung von neuartigen Matrix-Ultraschall-Arrays, die für den Einsatz in Cross-Beam-Szenarien optimiert sind, und eine bisher nie dagewesene Präzision der Stimulation tief im Hirn ermöglichen.

Die funktionelle Magnetresonanztomographie (fMRI) ist heute das am weitesten verbreitete Werkzeug zur nicht-invasiven Messung der Aktivität im gesamten Gehirn. Die fMRI erfasst Veränderungen des Blutflusses, des Blutvolumens und der Blutsauerstoffsättigung, die mit der neuronalen Aktivität einhergehen. Diese Parameter sind Grundlage des BOLD-Signals (Blood Oxygenation Level Dependent), der am häufigsten verwendeten und robustesten fMRI-Methode. Trotz der vielen Erfolge besteht die grundlegende Einschränkung der fMRI-basierten Messungen der Hirnaktivität darin, dass diese hämodynamischen Antworten nur indirekt mit der neuronalen Aktivität zusammenhängen. Obwohl sich die fMRI als zuverlässiges Maß für die Hirnaktivierung erwiesen hat, ist nicht bekannt, ob die fMRI zur Messung detaillierter Muster der funktionellen Architektur verwendet werden kann. Klassische Studien haben gezeigt, dass die fMRI einige Merkmale zerebraler kortikaler Säulen erkennen kann, und neue Studien deuten auf die Fähigkeit der fMRI hin, die Aktivierung kortikaler Schichten darzustellen, aber die Frage bleibt: Wo liegen die Grenzen der fMRI und wie genau kann sie die neuronale Aktivität erfassen? Ziel des Projektes ist es, die Qualität zur Messung neuronaler Aktivität mittels fMRI durch detaillierte biophysikalische Modellierung der hämodynamischen Antwort zu verbessern. Prämisse des Projektes ist, dass diese hämodynamischen Antworten auf ausreichend feinen räumlichen Skalen reguliert zu sein scheinen, so dass eine schichtspezifische und räumlich hoch aufgelöste fMRI möglich sein könnte, sofern die komplexe Hämodynamik richtig interpretiert werden kann. Ein neuer Ansatz wird es dem Projekt ermöglichen, zu quantifizieren, wie die fMRI die neuronale Aktivität durch den "Filter" der Hämodynamik darstellt, und zu testen, ob die fMRI die Aktivierung innerhalb verschiedener kortikaler Schichten genau erfassen kann.

Zu verstehen, wie die Struktur von Hirnaktivität von den Eigenschaften der neuronalen Schaltkreise abhängt, ist ein Schlüsselproblem der Computational Neuroscience und der Systemneurowissenschaften. Die kortikale Aktivität bei Primaten und Karnivoren zeigt zwei grundlegende Eigenschaften: sie ist modular, d. h. sie setzt sich zusammen aus einer großen Anzahl aktiver Domänen (mit einer typischen Ausdehnung von ca. einem halben Millimeter) und sie ist räumlich kohärent, d. h. diese aktiven Domänen sind selbst noch über größere Distanzen (mehrere Millimeter) hinweg funktional miteinander verbunden. Das Ziel dieses Projektes besteht darin, mögliche Mechanismen für die Entstehung kohärenter, modularer Aktivität im Kortex anhand von Modellen zu untersuchen, experimentell überprüfbare Vorhersagen abzuleiten und diese dann in geeigneten Experimenten zu testen. Ein vielversprechender Weg zu diesem Ziel - den die hier vorgeschlagene Forschung beschreitet - besteht darin, die hochempfindliche Kalzium-Bildgebung der spontanen neuronalen Aktivität im frühen Gehirn mit adäquaten Computermodellen neuronaler Schaltkreise zu kombinieren und Vorhersagen dieser Modelle durch Manipulation spezifischer Schaltkreiskomponenten zu testen. Durch Erweiterung dieser Ansätze außerhalb des primären visuellen Kortex soll zudem ergründet werden, ob ähnliche Mechanismen auch in anderen kortikalen Arealen eine Rolle spielen. Es ist zu erwarten, dass sich die gewonnenen Einsichten zum Teil auch auf das Gehirn des Menschen übertragen lassen. Das Projekt ist zugeschnitten auf die Förderinitiative "Multilaterale Zusammenarbeit in Computational Neuroscience: Deutschland – USA – Israel – Frankreich" und basiert auf einer engen Zusammenarbeit mit dem amerikanischen Neurobiologen Dr. Gordon B. Smith an der University of Minnesota (UMN), der für alle Experimente, die Teil dieser interdisziplinären Zusammenarbeit sind, verantwortlich ist.

Entscheidungen führen nicht nur zu entsprechenden Handlungen, sondern verändern in der Folge auch das Denken des Entscheidungsträgers. Nämlich führen Entscheidungen zu einer Verzerrung der internen Verarbeitung neuer oder alter Information, so dass spätere Urteile in der Tendenz die früheren Entscheidungen bestätigen. Solche entscheidungsinduzierten Verzerrungen charakterisieren sowohl einfache also auch komplexe Entscheidungen, im Versuchslabor wie auch im Alltag – letzteres auch in Situationen, in denen Fehler kritisch sind (z. B. klinische Diagnosen oder unternehmerische Entscheidungen). Diese Verzerrungen werden als "Selbstbestätigungs-Tendenz" (Englisch: "confirmation bias") bezeichnet. Warum und wie das menschliche Gehirn zur Selbstbestätigung tendiert, ist unklar. Im Rahmen von DECINDBIAS sollen die der Selbstbestätigungs-Tendenz zugrundeliegenden Mechanismen im menschlichen Gehirn identifiziert werden. Ziel ist, eine allgemeine neurobiologische Theorie der Entscheidungsfindung zu entwickeln, welche die Selbstbestätigungstendenz erklärt. Dazu werden zwei Forscher-Teams einen hochgradig interdisziplinären und vernetzten Ansatz verfolgen: Umfangreiche psychophysische Messungen des Entscheidungsverhaltens werden mit der nichtinvasiven Aufzeichnung der zugrundeliegenden Hirnaktivität mittels Magnetoenzephalographie (MEG) kombiniert; diese Messungen werden iterativ mit mathematischer Theoriebildung und rechnergestützter Modellierung verzahnt. Auf diese Weise soll die Hypothese getestet werden, dass die Selbstbestätigungs-Tendenz durch Rückkopplungseffekte zwischen Regionen der Großhirnrinde erzeugt wird, was allgemein (aber nicht immer) hilft, die Entscheidungsfindung zu optimieren. Die in DECINDBIAS gewonnenen Einsichten werden das Verständnis der Grenzen menschlicher Rationalität entscheidend vertiefen und könnten der Optimierung von Entscheidungsprozessen in gesellschaftlich relevanten Bereichen (z.B. Medizin, Politik, Wirtschaft) dienen.

Ziel des Vorhabens ist es, die neuronalen Abläufe (Berechnungen) zu verstehen, die eine sensorische Steuerung in motorische Bewegungen umwandeln. Dies soll auf drei Analyseebenen durchgeführt werden: 1) Computational, um neuronale Abläufe der Informationsverarbeitung per Computer zu berechnen; 2) Algorithmisch, um die Transformationen von Input in Output zu beschreiben; 3) Implementierung, um die Umsetzung von festgelegten Strukturen und Prozessabläufen zu spezifizieren. Das Forschungsprojekt verfolgt zwei Teil-Ziele: 1) den genauen Verhaltensalgorithmus aufzudecken, der der Rheotaxis zugrunde liegt (dies ist die räumliche Orientierung von Lebewesen an der Strömung von Gewässern). Wie genau ist die Form und Art der sensorischen Eingabe und welche Berechnungen werden auf diese sensorischen Informationen angewendet, um eine geeignete motorische Ausgabe zu erzeugen? 2) ein realistisches und testbares neuronales Weiterleitungsmodell zu erzeugen, mit dem diese Berechnungen implementiert werden.

Das Gesamtziel dieses Projektes mit US / deutscher Zusammenarbeit ist es besser zu verstehen, wie Sinneswahrnehmung, Entscheidungsfindung und Bewegungsgenerierung bei Primaten durch Netzwerkinteraktionen von Neuronen im Gehirn entstehen. Für ein tieferes Verständnis dieser Netzwerkprozesse ist es entscheidend zuerst zu untersuchen, wie: 1) das neuronale Netzwerk strukturiert ist, 2) wie verhaltensrelevante Informationen im neuronalen Netzwerk kodiert werden und 3) wie die Vielzahl an aufgenommenen Informationen dynamisch verarbeitet werden um Handlungen durchzuführen. Die danach mögliche Untersuchung des Zusammenspiels dieser Netzwerkaspekte ermöglicht tiefere Einblicke in die zugrunde liegenden neuronalen Netzwerk-Mechanismen, die der Wahrnehmung, Entscheidungsfindung und Bewegungskontrolle zugrundeliegenden. Die Untersuchung dieser Netzwerkaspekte und deren Zusammenspiel muss anhand der Aktivität vieler gleichzeitig aufgenommener Neurone durchgeführt wird, was nur mit invasiven Messverfahren möglich ist. Für dieses Projekt sollen bereits vorhandene Daten eines einfachen Entscheidungstasks zur Entwicklung von Analyse-Tools zur Untersuchung der genannten Netzwerkaspekte sowie deren Zusammenspiel dienen. Darüber hinaus sollen Rhesus-Affen auf einen allgemein relevanten Entscheidungstask trainiert werden und nachfolgend die Aktivität vieler Neurone in vier relevanten Gehirnarealen gleichzeitig aufgezeichnet werden. Mit diesem neu erhobenen zentralen Datensatz sollen dann die entwickelten Analysen-Tools auf ihre Allgemeingültigkeit überprüft und angepasst werden und damit der Datensatz ausgewertet werden. Darüber hinaus soll das dynamischen Zusammenspiels der drei Netzwerkaspekte untersucht und ein mechanistisches Model der neuronalen Netzwerkinteraktionen für die Sinneswahrnehmung, Entscheidungsfindung und Bewegungsgenerierung entwickelt werden.

Ziel diese Vorhabens ist die Erstellung eines hochauflösenden, multimodalen (Cytoarchitektonik und Architektonik multipler Rezeptortypen) und dreidimensionalen Atlas des Affenhirns, um datengesteuerte neuronale Netzwerkmodelle zu erstellen, die Erkenntnisse über den Zusammenhang zwischen regionalen Variationen der Rezeptordichten und kognitiven Prozessen liefern. Der Atlas wird erstmalig eine voxelweise Quantifizierung der regionalen und laminären Verteilung von 14 Rezeptortypen (Rezeptor-Fingerprints) sowie der Zelldichten über den gesamten Cortex des Affenhirns ermöglichen. Die zugrunde liegenden Daten werden dem "National Institute of Mental Health Macaque Template" zu Verfügung gestellt und dort registriert, um der Community eine Integration mit fMRI-Daten und Analysen auf der Basis eines multimodalen Atlas zu ermöglichen. Es werden Techniken zur Dimensionsreduktion eingesetzt, um die wichtigsten Rezeptorgradienten zu identifizieren, die der Verteilung der Rezeptoren im Cortex zugrunde liegen. Die resultierenden Gradienten werden mit funktionellen Hierarchien von sensorischen Systemen und kognitiven Netzwerken verglichen um die Rezeptorsignatur, die unterschiedlichen Netzwerken zugrunde liegt, aufzudecken. Es wird das Konzept von Bifurkationen genutzt, um zu erforschen wie Veränderungen der Rezeptordichten über den gesamten Cortex hinweg zur Entstehung von Arbeitsgedächtnis-Ähnliche persistente Aktivität in bestimmten Regionen führen können. Dazu wird ein neuronales Schaltungsmodell entwickeln, das kortikale Schichten überspannt. Entscheidend ist, dass es den experimentell gemessenen Rezeptordichten erlaubt wird, die Effekte jedes Rezeptors in jedem Areal und jeder Schicht zu skalieren. Vielversprechende Voruntersuchungen deuten an, dass die Muster der verteilten kognitiven, sensorischen und motorischen Aktivität, die über kortikale Areale und Schichten beobachtet werden, entscheidend von der regionalen Verteilung der Rezeptoren abhängen.

Im Hippocampus werden räumliche Information in Form von aktiven Neurongruppen repräsentiert. Der Gyrus Dentatus (DG) ist die Eingangsregion des Hippocampus und erhält Informationen über den Raum vom entorhinalen Kortex. Die räumliche Information wird im DG in der Aktivität von sogenannten 'Ortszellen' kodiert. Ihre Aktivitätsmuster repräsentieren einen bestimmten Bereich (Ort) des Raums. Interessanter Weise ist die Anzahl der Ortszellen im DG sehr gering im Vergleich zu anderen hippocampalen Regionen. Die Mechanismen die der Auswahl der Ortszellen und die enorm geringe Population aktiver Zellen im DG zu Grunde liegen, sind allerdings weitgehend unklar. Daher wird die Hypothese getestet, dass synaptische Plastizität und nichtlineare Summation exzitatorischer synaptischer Eingänge an den Dendriten von Körperzellen im DG der Kodierung räumlicher Information zu Grunde liegen und laterale Hemmung durch GABAerge Interneurone die geringe Anzahl aktiver Neurone zur Folge hat. Diese Hypothese soll in einem dualen - experimentellen und theoretischen - Ansatz getestet werden. 1) Es werden elektrophysiologische Ableitungen von Körnerzellen in akuten Schnitten des DG während der Anregung synaptischer Eingänge durch elektrische Stimulation oder Glutamate-uncaging durchgeführt. Die zeitliche und räumliche Dynamik der Erregungsmuster wird systematisch variiert, um die räumliche und zeitliche Integration der erzeugten Signale in den Zielzellen zu erfassen. 2) Es wird untersucht unter welchen Bedingungen synaptische Plastizität an exzitatorischen Eingängen auftritt, die die Aktivierung der Körnerzellen anhebt. 3) Basierend auf den erhobenen elektrophysiologischen Daten werden Einzelzellmodelle der Körnerzellen entwickelt, um zu bestimmen wie die synaptischen Integrationseigenschaften und Plastizität die Rekrutierung von Körnerzellen steuert und die Kodierung räumlicher Information kontrolliert.

Die menschliche zweibeinige Lokomotion beruht auf einen hoch-entwickelten neuronalen System der Motorik, das gleichzeitig viele Teilaufgaben löst. Dazu gehören die Propulsion des Körpers durch den Raum, die Stabilisierung des mechanisch inhärent instabilen Körpers im Schwerefeld und die gezielte Bewegung des Fusses in der Schwungphase auf unebenem Terrain unter Vermeidung von Hindernissen. Trotz umfangreicher Forschung sind die funktionalen Prinzipien der Integration dieser Teilfunktionen bisher nicht gut bekannt, was sich sichtbar auch in den dem Menschen deutlich unterlegenen technischen Lösungen für humanoide Roboter niederschlägt. Das Projekt verfolgt Grundlagenforschung, die das Verständnis dieser Integration voran bringen soll. Dazu werden Experimente zum Gleichgewichtsverhalten bei der Lokomotion und zur Hindernisvermeidung durch den bewegten Fuss vom amerikanischen Projektpartner durchgeführt. Zwei neuronale Prozessmodelle zum Gleichgewichtsverhalten bei der Lokomotion und zur Bewegungsplanung unter Hindernisvermeidung des Fusses beim Schreiten werden entwickelt und mit den experimentellen Daten verglichen. Die beiden Modelle werden in einem autonomen neuronalen Prozessmodel der Lokomotion integriert.

Die Tiefe Hirnstimulation (Deep Brain Stimulation - DBS) zur Behandlung des idiopathischen Parkinson Syndroms stellt einen der großen klinischen Durchbrüche des Zeitalters der translationalen Neurowissenschaften dar. Medikamentöse Wirkfluktuationen und individuelle Schwankungen in der Symptomschwere im Alltag haben einen relevanten Einfluss auf die Lebensqualität der Patienten. Eine einzige chronische Stimulationseinstellung, wie aktuell üblich, wird diesen individuellen Anforderungen an die Therapie nicht gerecht. Eine bedarfsgerechte Stimulation könnte einen enormen Vorteil in der individualisierten Behandlung von patientenspezifischen Symptomen erbringen. Erste Ergebnisse einer adaptiven Stimulation scheinen dies zu bestätigen und ermutigen zur weiteren Untersuchung der Methode. Bisherige Studien verwendeten nur einzelne Biosignale, welche direkt über die Stimulationselektroden abgeleitet wurden. Dieses Projekt erweitert diesen Ansatz auf invasiv gewonnene kortikal sensomotorische Hirnaktivität, welche über eine subdurale Elektrokortikographie (ECoG) Elektrode aufgezeichnet werden soll. Das konkrete Ziel ist die Entwicklung dedizierter Algorithmen auf Basis der Prinzipien des maschinellen Lernens, um in der Zukunft das therapeutische Potenzial der DBS weiter ausbauen zu können. Die Echtzeit - Decodierung von physiologischen und pathologischen Biomarkersignalen, aus kortikalen und subkortikalen Neuronenpopulationen, soll in klinischen Folgestudien eine bedarfsgerechte intelligente adaptive Stimulation möglich machen, welche die Stimulationsparameter der subthalamischen DBS bei Patienten mit idiopathischen Parkinson an den individuellen therapeutischen Bedarf angleicht. Die Nutzung von ECoG Elektroden parallel zur Ableitung lokaler Feldpotenziale aus dem DBS Zielgebiet erweitert dabei zusätzlich das Grundlagenverständnis zur Physiologie der dynamischen Kommunikation im Kortex-Basalganglien-Netzwerk.

Jüngste Entwicklungen in der Alzheimer- und Alternsforschung deuten darauf hin, dass die Häufigkeit von Demenzerkrankungen nur durch eine frühzeitige Behandlung von Hochrisikopatienten vor Eintritt verstärkter Neurodegeneration reduziert werden kann. Die Identifizierung solcher Individuen erfordert allerdings die Charakterisierung frühester asymptomatischer Stadien der Demenz, in denen die subtilen Krankheitseffekte noch sehr schwach sind. Die dafür nötige Stichprobengrößen und statistische Aussagekraft können einzelne Studien allerdings kaum erreichen. Von diesem kritischen Bedarf motiviert, werden statistische und geometrische Methoden entwickelt, mit denen die Datensätze verschiedener Studien und Kohorten harmonisiert und zusammengeführt werden können.

Der Kontext, in dem sich ein Tier gerade befindet, beeinflusst die zustandsabhängige neuronale Kodierung durch Neuromodulatoren und –hormone. In diesem Projekt wird die Beziehung zwischen zustandsabhängiger neuronal Kodierung und Plastizität untersucht, und zwar unter Zuhilfenahme gut etablierter Modellsysteme. Im Vordergrund steht hierbei ein Neurohormon. Das untersuchte Neurohormon Oxytozin wird in bestimmten Verhaltenssituationen ausgeschüttet und beeinflusst neuronale Plastizität und Lernen. Andere Modulatoren wie Azetylcholin, Noradrenalin oder Serotonin werden in verschiedensten Kontexten wie Aufmerksamkeit, Stress oder Hunger freigesetzt und beeinflussen darüber neuronale Computationen, um die Verhaltensantwort in dem Kontext zu optimieren. Somit ist die Ausschüttung jedes dieser Modulatoren eher unspezifisch in verschiedenen Kontexten zu finden. Hier bietet die Modulation des olfaktorischen Systems durch Oxytozin eine einzigartige Gelegenheit, um zu untersuchen 1) wie ein für ein Verhalten relativ spezifischer Modulator die neuronale Kodierung verändert und so Erinnerungen im Netzwerk stabilisiert, und 2) inwiefern kortikales Feedback und dessen zustandsabhängige Rekrutierung kritisch für die Ausbildung und Aufrechterhaltung von neuronaler Repräsentation von Erinnerungen sind. Im Rahmen dieses Vorhabens wird untersucht, wie und durch welche 1) Netzwerk- und 2) synaptischen Mechanismen Oxytozin das Signal-zu-Rauschen-Verhalten der neuronalen Geruchrepräsentation im Riechkolben beeinflusst, und (3) schließlich wie die Feedbackschleife zwischen Riechkolben und Kortex stabile Netzwerkpräsentationen generiert.

Das Tourette Syndrom ist eine neuropsychiatrische Krankheit. Charakteristisch für das Tourette-Syndrom (TS) ist das Auftreten von Tics – plötzlichen, schnellen und wiederkehrenden nicht-rhythmischen Bewegungen oder Lautäußerungen. Die Entstehung von Tics wird mit abnormer Aktivität in Kortex-Basalganglien-Schleifen (KBG) in Verbindung gebracht, insbesondere im Kerngebiet an deren Eingang, dem Striatum. Jedoch sind die genauen zugrundeliegenden neuronalen Mechanismen weitgehend unerforscht. Bisherige Erkenntnisse lassen darauf schließen, dass die lokale Injektion von GABAA-Antagonisten repetitive Tics und veränderte neuronale Aktivität im gesamten KBG-Schaltkreis hervorruft. Dieses Vorhaben untersucht hierzu - die intrastriatalen Mechanismen, die zu koordinierter Verstärkung und Unterdrückung der Aktivität von Fast Spiking-Interneuronen (FSI) und Medium Spiny-Neuronen (MSN) beitragen. - die Rolle striataler cholinerger Interneurone (CIN) bei der Entstehung von Tics - das zeitliche Verhalten und die unterliegenden Mechanismen der Aktivitätsmuster in verschiedenen neuronalen Populationen der Basalganglien während der Entstehung von Tics. - die Dynamik in den Basalganglien, die dem An- und Abschwellen von Tics unterliegt. - die Rolle von Dopamin bei der Entstehung und bei der Behandlung von Tics. Die Ergebnisse dieser grundlegenden Forschung können mittelfristig Ideen für neue therapeutische Ansätze für die Behandlung von Tourette-Patienten liefern.

Ziel dieses Projekts ist es, ein besseres Verständnis dafür zu entwickeln, wie exogene Stimulationen die Reaktivierung des Gedächtnisses fördern. Das Ziel des Projekts wird durch vergleichbare und zugleich komplementäre Human- und Tierversuche verwirklicht. Dabei werden sensorische (auditorisch) und schwach elektrische exogene Stimulationsverfahren (transkranielle elektrische Stimulation) angewandt, um schlaf-abhängige deklarative Gedächtnisfunktionen zu modulieren. Speziell im Tierversuch wird der Beitrag von spezifischen neuronalen Bahnen im thalamo-cortico-hippocampalen Netzwerk ermittelt. Es werden makroskopische Neural mass-Modelle der kortikalen langsamen Oszillation, thalamische Spindle-Oszillationen und hippocampale Sharp-wave-ripple-Ereignisse entwickelt und/oder mit Hilfe der experimentellen Ergebnisse verfeinert.

Das Gesamtziel des Projektes ist die experimentelle Untersuchung und die Entwicklung mathematischer Modelle für die hierarchische Organisation komplexer koordinierter motorischer Bewegungen. Dazu sollen Komplexe Bewegungen, insbesondere Lokomotion unter schwierigen Bedingungen, experimentell untersucht werden und die gewonnenen Daten durch hierarchische Modelle, die durch Kombination mehrerer theoretischer Ansätze entwickelt werden, approximiert werden. Die Modelle sollen mechanische Impedanzkontrolle, Bewegungsprimitive, und neuronale Netzmodelle auf der Basis tiefer Architekturen kombinieren. In diesem Rahmen soll auch eine neuartige Datenbasis mit komplexen Bewegungen und verschiedenen assoziierten Messdaten generiert werden, die allgemein zugänglich gemacht werden soll.

Die Verbindung von funktionalen, mikroskopischen und makroskopischen Charakteristiken des Gehirns ist eine der wichtigsten Herausforderungen und offenen Fragen der Neurowissenschaft. Die Untersuchung der Übereinstimmung von Form und Funktion ist nur mithilfe eines Modellsystems möglich, mit dem man vollen Zugang zu Datengruppen auf der mikro-, meso- und makroskopischen Ebene hat. In diesem Projekt werden bei gehörlosen Tieren, die Cochlea-Implantate tragen, Stimulationen durchgeführt. Mithilfe von Mikorelektrodensystemen werden funktionale Daten gesammelt. Außerdem werden die Gehirne histologisch analysiert.Somit können funktionelle Eigenschaften und morphologische Daten aufeinander bezogen werden. Die entwickelten Methoden können dann auf den Bereich der nicht-invasiven Hirndarstellung des Menschen übertragen werden. Die neuartigen Berechnungsmethoden werden ein morphometrisches Modell der kortikalen Mikrokolumnen und der interarealen Kopplung in den primären und höheren Kortizes aufbauen. Biologisch sinnvolle Merkmale wie Form, Breite und Schichtung des Kortex werden beschrieben und deren Zusammenhang mit funktioneller Aktivität und effektiven Konnektivität der entsprechenden neuronalen Strukturen analysiert. Letztendlich könnten diese Studien gehörlosen Menschen, die Cochlea-Implantaten tragen, helfen. Die komplexe Form der primären und höheren kortikalen Areale bei diesen Patienten könnte mit nichtinvasiven bildgebenden Methoden untersucht werden, um ihre Fortschritte nach der Implantation zu beurteilen und Rehabilitationsverfahren zu optimieren.

Die dynamischen Signale des Gehirns liefern Schlüsselinformationen, die für ein besseres Verständnis der Gehirnfunktion genutzt werden können. Mithilfe der funktionellen Magnetresonanz-tomographie (fMRI) können solche dynamischen Signale detektiert werden. Auf diese Weise können Aktivitätsmuster und funktionelle Verbindungen des gesamten Gehirns kartiert werden. In dem vorliegenden Projekt werden neuartige fMRI-Methoden mit hochmodernen Methoden der molekularen Bildgebung, wie der GCaMP-basierten Kalzium faseroptischen Aufzeichnung, kombiniert werden, um die Gehirndynamiken in verschiedenen Schichten des Großhirns zu untersuchen. Durch die Verwendung von zeilenabtastendem Gradienten-Echo mit Kleinwinkelanregung (Fast Low-Angle Shot, FLASH) und stationärer freier Präzession (steady-state free precession, bSSFP) soll das ruhende und stimulierte Rattenhirn bildlich erfasst werden, um bisher einzigartige und hoch raum-zeilich fMRI Daten aus den spezifischen Gehirn-Schichten zu erhalten. Diese multidimensionalen Signale der Gehirndynamik zusammen mit der 3D-Rekonstruktion der Blutgefäße im Gehirn werden neuartige Daten liefern, die verwendet werden können, um Computermodelle von den Zellen zum Netzwerk zu erstellen. Dadurch können die physiologischen Grundlagen der Gehirnverschaltung wesentlich genauer ermittelt werden als dies bisher möglich war. Insbesondere sollen die vaskulären und neuronalen Korrelate von weitreichenden Verbindungsmustern des globalen Netzwerkes entschlüsselt werden, welche repräsentativ für bestimmte kognitive Gehirnzustände (Grundzustand, Aufmerksamkeit, Erkenntnisvermögen) sind.

Ziel des Projekts ist es, ein ultraleichtes (unter 2 Gramm) Elektroden-Array zu entwickeln, das Messungen der Nervenzellen-Aktivität parallel an verschiedenen (bis 16) Punkten im Gehirn frei-beweglicher Kleintiere, insbesondere kleinen Vögeln, ermöglicht. Damit lassen sich detailliert Gehirn-Verhaltenskorrelationen erfassen, die bei kleinen Vögeln (Zebrafinken) und Säugern (Mäusen) derzeit nicht möglich sind.

Das Projektziel ist es, die Informationskodierung im visuellen Kortex anhand von Computer-Modellen des peripheren Sehens und korrespondierenden psychophysischen Experimenten zu erforschen. Dazu werden 1) verschiedene computationale Modellvarianten des peripheren Sehens entwickelt, um so Hypothesen über die codierten Features im visuellen Kortex zu prüfen; 2) werden in Verhaltensexperimenten Daten gesammelt, die bei visuellen Stimuli und Aufgaben über die typische Bandbreite von Experimenten in der visuellen Peripherie hinaus gehen, wodurch eine bessere Baseline und eine bessere Vergleichbarkeit zwischen den einzelnen Modellen etabliert werden soll; und wird 3) die Realitätsnähe und die Leistungsfähigkeit der Modelle auf Basis von klassischen Crowding-Experimenten und mit Hilfe von neu entwickelten Natural-Scene-Experimenten geprüft.