Neurostar GmbH Robot Stereotaxy HistoMatch Band 22 · Heft 3 · September 2016 Themenheft „Computational Connectomics“ Konnektomik mit zellulärer Präzision Das dynamische Konnektom Connectomics: die Notwendigkeit von vergleichenden Studien Konnektivität und kortikale Architektur Verknüpfung von Struktur und Aktivität im menschlichen Gehirn: Theorien helfen, aus komplexen Daten Wissen zu generieren www.springer-spektrum.de Neuro forum Organ der Neurowissenschaftlichen Gesellschaft Perspektiven der Hirnforschung
Transcript
Neurostar GmbH
Robot Stereotaxy
HistoMatch
Band 22 · Heft 3 · September 2016
Themenheft „Computational Connectomics“
Konnektomik mit zellulärer Präzision
Das dynamische Konnektom
Connectomics: die Notwendigkeit von vergleichenden Studien
Konnektivität und kortikale Architektur
Verknüpfung von Struktur und Aktivität im menschlichen Gehirn: Theorien helfen, aus komplexen Daten Wissen zu generieren
www.springer-spektrum.de
NeuroforumOrgan der Neurowissenschaftlichen Gesellschaft
Perspektiven der Hirnforschung
Registration, Abstract Submission, and Exhibition
The Deadline for submission of poster abstracts and early registration
is October 4, 2016. For Information on abstract submission and registration
please visit the meeting’s website: http://www.nwg-goettingen.de/2017
Neurowissenschaftliche Gesellschaft e.V.
Max Delbrück Center forMolecular Medicine
Stefanie Korthals / Meino GibsonRobert Roessle Str. 10
Roger Eckert LectureDavid Julius (San Francisco, USA)
Understanding pain sensation: from physiology to atomic structure
Ernst Florey LectureDetlev Arendt (Heidelberg, Germany)
Evolution of neurons and nervous systems: a cell type perspective
Otto Creutzfeldt LectureMonica Di Luca (Milan, Italy)
Encoding synaptic signals into gene expression:
a role in brain physiology and diseases Deadline: October 4, 2016
March 22 –25, 2017www.nwg-goettingen.de/2017
Neuroforum 3 · 2016
Themenheft „Computational Connectomics“Gastherausgeber: Jochen Triesch · Claus C. Hilgetag
Editorial
J. Triesch · C. C. Hilgetag 67 Computational Connectomics
Übersichtsartikel
M. Helmstaedter 69 Konnektomik mit zellulärer Präzision. Zum Stand der Erkenntnisse
Connectomics at cellular precision. An update
S. Rumpel · J. Triesch 73 Das dynamische Konnektom
The dynamic connectome
G. Laurent 80 Connectomics: die Notwendigkeit von vergleichenden Studien
Connectomics: a need for comparative studies
C. C. Hilgetag · K. Amunts 83 Konnektivität und kortikale Architektur
Connectivity and cortical architecture
L. Stefanovski · A. Ghani · A. Randal McIntosh · P. Ritter 91 Verknüpfung von Struktur und Aktivität im menschlichen Gehirn:
Theorien helfen, aus komplexen Daten Wissen zu generierenLinking connectomics and dynamics in the human brain: Big data need big theories!
Forschungsförderung
D. Chichung Lie 98 DFG-Graduiertenkolleg 2162. „Entwicklung und Vulnerabilität
des Zentralnervensystems“
Rezension 100 Evolution, Denken, Kultur
Nachrichten
102 Protokoll der MitgliederversammlungSonnabend, 03. Juli 2016
104 Jugend forscht – Sonderpreis der Neurowissenschaftlichen Gesellschaft 2016
105 Kursprogramm 2017 der Neurowissenschaftlichen Gesellschaft e. V.
106 Aufruf zu Kandidatenvorschlägen für Wahl des Vorstands 2017–2019
I n h a l t Neuroforum · Band 22 · Heft 3 · September 2016
Darstellung der Faserbahnarchitektur mit 3D-PLI im Gehirn der grünen Meerkatze (Schnittdicke: 60 μm) ( s. Artikel von Claus C. Hilgetag und Katrin Amunts)
Vorstand der Amtsperiode 2015/2017:
Präsident:Prof. Dr. Hans-Joachim Pfl üger (Berlin)
Vizepräsident:Prof. Dr. Eckhard Friauf (Kaiserslautern)
Generalsekretär:Prof. Dr. Christian Steinhäuser (Bonn)
Schatzmeister:Prof. Dr. Ansgar Büschges (Köln)
Sektionssprecher
Computational NeuroscienceProf. Dr. Stefan Rotter (Freiburg)
Entwicklungsneurobiologie/NeurogenetikProf. Dr. Gerd Kempermann (Dresden)
Klinische NeurowissenschaftenProf. Dr. Albert Ludolph (Ulm)
Kognitive NeurowissenschaftenProf. Dr. Herta Flor (Mannheim)
Molekulare NeurobiologieProf. Dr. Matthias Kneussel (Hamburg)
Neuropharmakologie/-toxikologieProf. Dr. Michael Koch (Bremen)
SystemneurobiologieProf. Dr. Tobias Moser (Göttingen)
VerhaltensneurowissenschaftenProf. Dr. Charlotte Förster (Würzburg)
Zelluläre NeurowissenschaftenProf. Dr. Christine R. Rose (Düsseldorf)
Neuroforum 3 · 2016
I m p re s s u m Neuroforum
Eigentümer und Herausgeber: Neurowissenschaftliche Gesellschaft e.V., http://nwg.glia.mdc-berlin.de
Springer Spektrum ist Teil der Fachverlagsgruppe Springer Science+Business Media
Geschäftsführung: Derk Haank, Martin Mos, Peter Hendriks
Editor in Chief: Prof. Dr. Heiko Luhmann, Johannes-Gutenberg Universität Mainz, Institut für Physiologie, Duesbergweg 6, 55099 Mainz, Tel.: +49 6131/39260-70, [email protected]
Redaktion: Meino Alexandra Gibson, Neurowissenschaftliche Gesellschaft e. V., Max-Delbrück-Centrum für Molekulare Medizin (MDC), Robert-Rössle-Str. 10, 13125 Berlin, Tel.: +49 30/9406-3336, [email protected]
Redaktionsgremium:
Prof. Dr. Mathias Bähr (Göttingen)Prof. Dr. Niels Birbaumer (Tübingen)Prof. Dr. Alexander Borst (Martinsried)Prof. Dr. Sebastian Brandner (London, Großbritannien)Prof. Dr. Katharina Braun (Magdeburg) Prof. Dr. Nils Brose (Göttingen)Prof. Dr. Ansgar Büschges (Köln)Prof. Dr. Thomas Deller (Frankfurt am Main)Prof. Dr. Ulrich Dirnagl (Berlin)Prof. Dr. Andreas Draguhn (Heidelberg)Prof. Dr. Jens Eilers (Leipzig)Prof. Dr. Herta Flor (Mannheim)Prof. Dr. Eckhard Friauf (Kaiserslautern)Prof. Dr. Giovanni Galizia (Konstanz)Prof. Dr. Magdalena Götz (München)Prof. Dr. Benedikt Grothe (München)Prof. Dr. Sonja Grün (Jülich)Prof. Dr. Onur Güntürkün (Bochum)Prof. Dr. Eckhart Gundelfi nger (Magdeburg)Prof. Dr. Ileana Hanganu-Opatz (Hamburg)Prof. Dr. Andreas Heinz (Berlin)Prof. Dr. Charlotte Helfrich-Förster (Würzburg) Dr. Moritz Helmstädter (Frankfurt am Main)Prof. Dr. Michael Heneka (Bonn)Prof. Dr. Anton Hermann (Salzburg, Österreich)Prof. Dr. Andreas Herz (München)Prof. Dr. Isabella Heuser (Berlin)Prof. Dr. Sigismund Huck (Wien, Österreich)Prof. Dr. Mark Hübener (Martinsried)Prof. Dr. Reinhard Jahn (Göttingen)Prof. Dr. Sabine Kastner (Princeton, USA)Prof. Dr. Helmut Kettenmann (Berlin)Prof. Dr. Frank Kirchhoff (Homburg)Prof. Dr. Christian Klämbt (Münster)Prof. Dr. Thomas Klockgether (Bonn)Prof. Dr. Matthias Kneussel (Hamburg)Prof. Dr. Michael Koch (Bremen)Prof. Dr. Arthur Konnerth (München)
Prof. Dr. Sigrun Korsching (Köln)Prof. Dr. Kerstin Krieglstein (Freiburg)Prof. Dr. Trese Leinders-Zufall (Homburg)Prof. Dr. Wolfgang Löscher (Hannover)Prof. Dr. Siegrid Löwel (Göttingen)Prof. Dr. Michael Madeja (Frankfurt am Main)Prof. Dr. Denise Manahan-Vaughan (Bochum)Prof. Dr. Thomas Möller (Paramus, USA)Prof. Dr. Ulrike Müller (Heidelberg)Prof. Dr. Thomas Münte (Lübeck)Prof. Dr. Roger Nitsch (Zürich, Schweiz)Prof. Dr. Christian Pape (Münster)Prof. Dr. Hans-Joachim Pfl üger (Berlin)Prof. Dr. Josef Rauschecker (Washington, USA)Prof. Dr. Christine Rose (Düsseldorf)Prof. Dr. Susanne Schoch-McGovern (Bonn)Prof. Dr. Rainer Schwarting (Marburg)Prof. Dr. Mikael Simons (Göttingen)Prof. Dr. Christian Steinhäuser (Bonn)Prof. Dr. Monika Stengl (Kassel)Prof. Dr. Christiane Thiel (Oldenburg)Prof. Dr. Stefan Treue (Göttingen)Prof. Dr. Bernd Weber (Bonn)Prof. Dr. Florentin Wörgötter (Göttingen)
Anzeigenpreise: Es gelten die Mediainformationen vom 1.11.2015
Satz: le-tex publishing services GmbH, Leipzig
Druck: Stürtz GmbH, Printed in Germany
Papierausgabe: ISSN 0947-0875
Bezugspreise: Preis für persönliches Abonnement: Euro 47,– (unverb. Preisempfehlung inkl. 7 % deutscher MwSt. und inkl. Versandkosten), Preis für Institute und Unternehmen: Euro 234,50 (unverb. Preisempfehlung inkl. 7 % deutscher MwSt. und zzgl. Versandkosten: Deutschland: Euro 25,68, Ausland Euro 29,96). Der Bezugspreis ist im Voraus zu zahlen. Das Abonnement kann bis 30 Tage vor Ende des Bezugszeitraumes gekündigt werden.
Mitglieder der Neurowissenschaftlichen Gesellschaft e.V. erhalten Neuroforum im Rahmen ihrer Mitgliedschaft kostenlos.
Bestellungen oder Rückfragen: Springer Customer Service Center GmbH, Tiergartenstraße 15, 69121 Heidelberg, Tel.: +49 6221/345-4303, Fax: +49 6221/345-4229, [email protected], Mo.–Fr. 8.00 Uhr bis 18.00 Uhr
Copyright & allgemeine Hinweise: Die Zeitschrift sowie alle in ihr enthaltenen einzel-nen Beiträge und Abbildungen sind urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen schriftlichen Zustimmung des Verlags bzw. der Autoren. Dies gilt insbesondere für Vervielfältigungen, Bearbeitungen, Übersetzungen, Mikroverfi lmungen und die Einspeicherung und Verarbei-tung in elektronischen Systemen.
AusblickFolgende Beiträge werden für die nächsten Ausgaben von Neuroforum vorbereitet:
Struktur und Funktion neuronaler DendritenCarsten Duch und Stefanie Ryglewski
Essen? Schlafen? Rennen? – Die Koordination angeborenen Verhaltens im lateralen HypothalamusAlexey Ponomarenko und Tatiana Korotkova
Musizieren als NeuroplastizitätsmotorEckart Altenmüller, Christos I. Ioannou und André Lee
1 Johanna Quandt Research Professor, Frankfurt Institute for Advanced Studies, Frankfurt am Main,Deutschland
2 Institut für Computational Neuroscience, UniversitätsklinikumHamburg-Eppendorf, Hamburg,Deutschland
Computational Connectomics
Das Gehirn ist ein komplexes Netzwerkvon Milliarden von Nervenzellen, wel-chesdieGrundlageunserersensorischen,motorischen und kognitiven Fähigkeitenbildet. Die Struktur dieses Netzwerks zuverstehen, ist ein wichtiger Schritt aufdem Weg, seine Funktion zu verstehen.In den Neurowissenschaften hat nun dasZeitalter der Connectomics begonnen.Ziel dieses Ansatzes ist eine umfassendeBeschreibung der physikalischen undfunktionellen Kopplungen zwischenallen Elementen des Gehirns. Großeinternationale Anstrengungen werdenunternommen,umdieNetzwerkstrukturdes Gehirns auf verschiedenen Skalen zuuntersuchen: von der detaillierten Kon-nektivität neuronaler Schaltkreise bis zumakroskopischen Verbindungsmusternzwischen ganzen Hirnarealen. Die Mul-tiskalen-Netzwerkstruktur wird sowohlauf der anatomischen oder strukturellenEbene als auch auf der funktionellenEbene studiert, welche durch die Aktivi-tätsmuster der neuronalen Elemente de-finiert wird. Da sich sowohl anatomischeals auch funktionelle Verbindungsmus-ter über verschiedene Zeitskalen hinwegverändern, ist auch die Dynamik derKonnektivität und ihr Bezug zu Ent-wicklung, Lernen, Altern und Krankheitvon großer Bedeutung.
Jüngste Verbesserungen der experi-mentellen Methoden sowie kontinuierli-cheFortschritte der Informationstechno-logie haben zu verbesserten Rekonstruk-tionen von lokalen Schaltkreisen auf derSkala vonMillimetern sowie vonmakro-skopischen Verbindungsstrukturen zwi-schen Hirnarealen in unterschiedlichenSpezies geführt. High-throughput An-sätze versprechen, Datensätze von bei-spielloser Größe in noch nie da gewe-sener Geschwindigkeit zu produzieren.
Aber genau wie das Entschlüsseln desGenoms nicht bedeutet hat, dass wir nungenetische Netzwerke umfassend verste-hen, so wird das Kartieren der Verschal-tungdesGehirnsnichtnotwendigerweiseeinVerständnis seinerFunktionimplizie-ren. Um aus den neuen technischen Ent-wicklungen zur Kartierung derVerschal-tung des Gehirns größtmöglichen Nut-zen zu ziehen, muss die Verfeinerung ex-perimenteller Techniken von korrespon-dierenden algorithmischenund theoreti-schen Fortschritten begleitet werden. IndemMaße,wiedieexperimentellenTech-niken reifen, entsteht hierbei ein wach-senderBedarf,neuerechnergestützteAn-sätze zu entwickeln, umdie automatisier-te Rekonstruktion der Konnektivität ausverschiedenenDatensätzenbildgebenderVerfahren zu vereinfachen, um die Kura-tierung und die freie (open-access) Ver-breitung solch großer Datensätze zu un-terstützen, um automatische Analysenkomplexer Netzwerkdaten durchzufüh-renundumComputermodelleundTheo-rien zu entwickeln, die uns helfen, dieVerdrahtung des Gehirns tiefgründig zuverstehen.
Die Deutsche Forschungsgemein-schaft (DFG) hat kürzlich ein neuesSchwerpunktprogramm „ComputationalConnectomics“ (SPP 2041) eingerichtet,um sich dieser Herausforderung zu stel-len. In diesem Sonderheft besprechenExperten auf demGebiet von Connecto-mics den aktuellen StanddesGebiets unddiskutieren zukünftige Herausforderun-gen und Chancen. Die Artikel deckenein breites Spektrum ab –vonMessungendes Mikrokonnektoms mittels Elektro-nenmikroskopie bis zur Kartierung desMakrokonnektoms des menschlichenGehirns. Zusammen geben sie einen ak-tuellen Überblick über dieses wachsende
Gebiet innerhalb der Neurowissenschaf-ten.
In „Konnektomik mit zellulärer Prä-zision“ erläutert Helmstaedter den Fort-schritt bei der Gewinnung von Schalt-plänen lokaler Netzwerke mittels Elek-tronenmikroskopie. Er beleuchtet dieEinsichten in Netzwerkfunktionen, diedurch solche Ansätze bereits gewonnenwurden und diskutiert zukünftige Chan-cen und Herausforderungen. Inwieferndie Verdrahtung kortikaler Schaltkreisein Säugetieren eher zufällig ist, oder obsie präzise strukturierte Muster enthält,wird als eine zentrale offene Frage desGebiets formuliert.
Rumpel und Triesch betonen in ih-rem Beitrag „Das dynamische Konnek-tom“die sehrdynamischeNaturdesKon-nektoms sogar im adulten Gehirn. Dieüberraschend hohen Raten, mit denensynaptische Verbindungen erzeugt undwieder eingeschmolzen werden, werfenfundamentale Fragen über die Mecha-nismen des Lernens und die Stabilitätvon neuronalen Repräsentationen undLangzeitgedächtnisinhalten auf. Die Au-toren argumentieren, wie die dynami-sche Natur des Konnektoms mit stabilerFunktion und Langzeitspeicherung vonErinnerungen vereinbar ist und betonendieVorzüge einer engenVerzahnung vonexperimenteller und theoretischer For-schung.
Während substanzielle Anstrengun-gen im Gebiet der Konnektomik derUntersuchung von Säugergehirnen ge-widmet sind, kann durch das Studiumvon Hirnstrukturen anderer Phyla eben-falls viel gewonnen werden. In seinemBeitrag „Connectomics: die Notwendig-keit von vergleichenden Studien“ betontLaurent die Vorteile vergleichender For-schung. Er ermuntert uns, die durch
Neuroforum 3 · 2016 67
Editorial
die Evolution hervorgebrachte Vielfaltan Netzwerkmechanismen auszunutzen,wenn wir versuchen, die fundamenta-len Prinzipien der Netzwerkfunktion zuidentifizieren.
Hilgetag und Amunts geben in „Kon-nektivität und kortikale Architektur“einen Überblick über die Beziehun-gen von makroskopischer Hirnkon-nektivität zu anderen Aspekten vonHirnarchitektur, insbesondere der zy-toarchitektonischen Differenzierung derGroßhirnrinde von Säugetieren. Archi-tektonische Kriterien, wie die Dichteneuronaler Populationen in den un-terschiedlichen kortikalen Schichten,haben eine lange Tradition in der neuro-anatomischen Kartierung, aber erst diekürzliche Einführung von „big data“-Ansätzen hat die systematische quanti-tativeCharakterisierungundAnalyse derHirnarchitektur möglich gemacht. Diemultivariate Analyse von extensiven Ar-chitektur- und Konnektivitätsdaten hateine enge Beziehung zwischen der archi-tektonischen Ähnlichkeit von kortikalenArealen und Merkmalen der kortikalenVerbindungen ans Licht gebracht. DieseBefunde deuten auf allgemeine Prinzi-pien hin, welche intrinsische kortikaleSchaltkreise und extrinsische kortiko-kortikale Verbindungen miteinander inBeziehung setzen und eine generischeBasis für Computermodelle kortikalerKonnektivität darstellen.
Schließlich beleuchten Stefanovskiund Kollegen in „Verknüpfung vonStruktur und Aktivität im menschlichenGehirn: Theorien helfen, aus komple-xen Daten Wissen zu generieren“ dieAussichten für die Modellierung undSimulation des gesamten menschlichenGehirns. Die Autoren stellen eine open-source Plattform für diesen Ansatz vor:The Virtual Brain. Dieser Ansatz kombi-niert mikroskopische Netzwerkmodellemit makroskopischen Konnektivitäts-messungen mittels Diffusionstensor-Bildgebung. Die Autoren betonen dasPotenzial für die Unterstützung indi-vidualisierter Diagnose, Prognose undBehandlung vonneurologischenErkran-kungen und diskutieren die anstehendenHerausforderungen.
Korrespondenzadresse
Prof. Dr. J. TrieschJohanna Quandt ResearchProfessor, Frankfurt Institutefor Advanced StudiesRuth-Moufang-Str. 1,60438 Frankfurt am Main,[email protected]
Prof. Dr. C. C. HilgetagInstitut für ComputationalNeuroscience, Universi-tätsklinikum Hamburg-EppendorfMartinistr. 52, W36,20246 Hamburg, [email protected]
Jochen Triesch erhielt seinDiplom in Physik 1994ander Ruhr-Universität Bochumundpromovierte1999 ebenda. Nach zwei Jahren als PostdoktorandamComputer ScienceDepartment derUniversityof Rochester, NewYork, USA, trat er 2001 eine Stelleals Assistenzprofessor amCognitive ScienceDepart-ment derUniversity of California, SanDiego, USA an.2005wurde er FellowamFrankfurt Institute for Ad-vanced Studies (FIAS) in Frankfurt amMain. Seit 2007ist er der JohannaQuandt-Forschungsprofessor fürTheoretische Lebenswissenschaften amFIAS,woerzurzeit stellvertretender Vorstandsvorsitzender ist.Er hat zudemProfessuren ander Fakultät für Physikundder Fakultät fürMathematikund Informatik anderGoethe-Universität in Frankfurt amMain inne. 2006erhielt er denMarie Curie Excellence Center AwardderEuropäischenUnion. Von 2009bis 2011 koordinierteer zusammenmit Christoph vonderMalsburgdenBernstein FocusNeurotechnology Frankfurt, der sichauf biologisch inspirierte Sehsysteme konzentrierte.ZusammenmitClausHilgetaghaterdasSchwerpunkt-programm„Computational Connectomics“ ins Lebengerufen.
ClausC.HilgetagstudierteBiophysik inBerlinundNeu-rowissenschafteninEdinburgh,Oxford,NewcastleundBoston. Er gehörte zur Gründungsfakultät der JacobsUniversity Bremenund leitet seit 2011 das Institutfür Computational Neuroscience amUniversitäts-klinikumEppendorf derUniversitätHamburg. SeineArbeitsschwerpunkte liegen in derUntersuchungvonOrganisationsprinzipien kortikaler Konnektivi-tät sowie der computergestütztenModellierung vonkonnektivitätsbasierter Gehirnaktivität.
Interessenkonflikt. J. Triesch undC.C. Hilgetaggeben an, dass kein Interessenkonflikt besteht.
Moritz HelmstaedterDepartment of Connectomics, Max Planck Institute for Brain Research, Frankfurt amMain, Deutschland
Konnektomik mit zellulärerPräzisionZum Stand der Erkenntnisse
Einleitung
Während die Analyse langreichweitigerneuronaler Projektionen mittels nicht-invasiver Bildgebungsverfahren bereitsweit verbreitet und etabliert ist (sieheauch die Beiträge von Hilgetag und Rit-ter in dieser Ausgabe von Neuroforum),steht die Vermessung neuronaler Ver-schaltungen auf Ebene der einzelnenSynapsen und Nervenzellen noch amAnfang ihrer Entwicklung. In einemkubischen Millimeter Nervengewebe
THE ART OFCUSTOMER SERVICE
If, for any reason, you are not completelysatisfied with your purchase you may return it for a full refund. You deserve the best instruments, the most competitive prices, and you should always be satisfiedwith your purchase.
FINE SURGICAL INSTRUMENTS FOR RESEARCH TM
Visit us at finescience.de or call +49 (0) 6221 90 50 50
(also einem typischen Bilddatenpunktmakroskopischer nicht-invasiver Bild-gebungsverfahren) befinden sich rund100.000 Nervenzellen und rund 1 Mrd.chemische Synapsen, zum Beispiel inder grauen Substanz der Säugetierhirn-rinde. Auch nur ein einzelnes solchesGewebsvolumen mit der für die Schalt-kreisanalyse benötigten Auflösung vonungefähr (10 × 10 × 30) nm3 darzustel-len (was einem Bilddatensatz von einemDrittel Petabyte Größe entspräche), istnochnicht gelungen, und schongar nicht
eine routinemäßige Methode geworden.Damit ist klar, welchen technologischenHerausforderungen sich die zelluläreKonnektomik noch zu stellen hat [11].
Die in der zellulären Konnektomikverwendeten Bildgebungsmethoden undDatenanalyseansätze wurden hier bereitsdargestellt [12]. Im Folgenden sollen nundie seitdem neu gewonnenen neurowis-senschaftlichenErkenntnisse aus der zel-lulärenKonnektomikkurzumrissenwer-den, um die ausstehenden Forschungs-fragen zu motivieren.
Netzwerkstruktur undHirnfunktion
Während in anderen Forschungsfel-dern, namentlich der Proteinbiologie,die Relevanz struktureller Daten für eindetailliertes Verständnis unumstrittenund strukturelle Messungen der me-thodische Standard sind, stellt sich dieFrage, ob strukturelle Informationenüber Nervenzellnetzwerke Erkenntnissezur Funktion von Nervensystemen leis-ten können, noch immer und dringlich.Gerade weil erheblicher methodischerAufwand und substanzielle Ressourcenfür komplette Schaltkreiskartierungenbenötigt werden, wird der Sinn solcherForschungen gern angezweifelt und dis-kutiert, (siehe z. B. [2, 8]). Wir wollenhier zusammenfassen, welche wissen-schaftliche Evidenz bisher besteht, dassdie Analyse von Nervenzellschaltkreisenfunktionelle Erkenntnisse erlaubt, undwo diese Evidenz bisher fehlt.
Konnektomik in dersensorischen Peripherie
Der wesentliche bisherige Erfolg derzellulären Konnektomik ist die Aufklä-rung der Detektion gerichteter visuellerBewegungen im visuellen System derFliege und der Säugetier-Netzhaut. Be-reits vor mehr als fünfzig Jahren fandenBarlow und Levick [3], dass bestimmteGanglienzellen der Netzhaut selektivauf die vier Hauptrichtungen möglicherBewegungen im visuellen Feld reagieren(Richtungsselektivität). Seitdem wur-den zahlreiche theoretische und experi-mentelle Studien zur Entstehung dieserspezifischen funktionellen Selektivitätunternommen. Ist dieses funktionellePhänomen inder Säugetier-Retina durchspezifische Nervenzellverschaltung im-plementiert – oder durch subtilere Mo-difikation von Synapsenstärken, oderandere „dynamische“ Rechenprozesse?Die Antwort ist inzwischen weitgehendklar: In der Netzhaut der Maus wirddie Richtungsselektivität zunächst in be-stimmten Amakrinzellen kodiert, unddiese geben die Richtungsselektivitäthoch spezifisch über eine gezielte synap-tische Innervation der entsprechendenGanglienzellen weiter, die dadurch ihre
Richtungsselektivität erhalten [7]. DieseInnervation ist sogar für einzelne Den-dritenderAmakrinzellen spezifisch (alsohochselektiv), und wird durch eine un-gefähr 13-fache Innervationsimbalancerealisiert (das heißt, rund 13-mal mehrSynapsen werden in der für die Berech-nung „richtigen“ Richtung gebildet alsin der umgekehrten Richtung).
Auch für die Entstehung der Rich-tungsselektivität in den Amakrinzellengibt es inzwischen deutliche konnekto-mische Hinweise, dass diese durch ge-zielte Nervenzellverschaltung realisiertist [10, 16]. Eine kürzlich veröffentlich-te konnektomische Studie zeigt sogar,dass unterschiedliche Spezies je nachAugen- (und damit Retina-) größe dieVerschaltung anpassen, um optimal aufdie typischen Bewegungsgeschwindig-keiten visueller Signale in ihrer Netzhautreagieren zu können [10].
Damit ist zweifelfrei geklärt, dass inder sensorischen Peripherie im Säuge-tier-Nervensystem die Möglichkeiten,Signalanalysen über gezielte neurona-le Verschaltungen zu implementieren,spezifisch genutzt werden. Interessan-terweise ergeben Analysen des visuellenSystems der Fruchtfliege, dass hier wohlähnliche Verrechnungsprinzipien in denSchaltkreisen umgesetzt sind [22], auchwenn die genaue Identität der beteiligtenZellen noch kontrovers bleibt [19, 22],siehe [5] für eine ausführliche Diskussi-on.
Für die optischen Systeme von Insek-ten und die visuelle Peripherie des Säu-getiergehirns kann also als belegt gel-ten, dass im Verschaltungsplan der Ner-venzellnetzwerke relevante Algorithmenkodiert sind und dass mittels spezifi-scher Nervenzellverschaltungen Berech-nungen ermöglicht werden.
Zelluläre Konnektomik derGroßhirnrinde
Doch wie stehen die zellulär-konnekto-mischen Erkenntnisse für die Großhirn-rinde? Dieser Teil des Säugetiergehirnsmit seinen rund 16 Mrd. Nervenzellen[1] und rund 160 Billionen chemi-schen Synapsen beim Menschen (rund1000-fach weniger in der Maus) forderteine Netzwerkanalyse in substanziellen
Konnektomik mit zellulärerPräzision. Zum Stand derErkenntnisse
ZusammenfassungDas Ziel, synaptische Nervenzellnetzwerkezumindest in begrenzten Hirnteilen kom-plett zu vermessen, hat in den letzten Jahrenerhebliche Aufmerksamkeit gewonnen.Methodische Durchbrüche haben die3-dimensionale elektronenmikroskopischeDarstellung immer größerer Gewebsblöckerealistischwerden lassen. Die Effektivität derDatenanalysemethoden solcher Bilddatenbegrenzt aber noch immer die möglichenneurowissenschaftlichen Erkenntnisse.Wo steht das Feld, welche Einsichten sindgewonnen, welche absehbar? Dieser kurzeÜberblick berichtet vom Stand der Dinge inder zellulären Konnektomik.
AbstractThe complete mapping of neuronalcircuits in at least parts of brains hasreceived substantial attention recently.Methodological breakthroughs have madethe imaging of ever larger tissue blocksrealistic using 3-dimensional electronmicroscopy. Analysis of such data, however,is still limiting the neuroscientific insightsobtainable form cellular connectomics data.What is the state of this scientific field, whichinsights have been obtained, which are inreach? This brief overview summarizes thecurrent knowledge in cellular connectomics.
KeywordsConnectomics · Electron microscopy ·Cerebral cortex · Neuronal circuits
Gewebsvolumina, widersetzt sich mithochgradig nicht-lokaler Verschaltungund weit verzweigten Nervenzellen je-doch besonders der experimentellenAufklärung. Lohnt sich hier ebenso diekonnektomische Analyse? Ein Analogie-schluss auf Basis der Erkenntnisse ausder Retina verbietet sich – ebenso wie
70 Neuroforum 3 · 2016
der möglicherweise begrenzte Informa-tionsgehalt der Nervenzellnetzwerke imWurm C. elegans oder dem stomato-gastrischen Ganglion des Hummers [2]eben gerade keine Schlüsse zur Netz-werkrelevanz im visuellen System vonFliege und Maus erlaubten (siehe oben).
Ob und mit welcher Präzision Ner-venzellnetzwerke im zerebralen Kortexfür konkrete neuronale Berechnungengenutzt werden, ist noch offen. Bishe-rige konnektomische Studien wurden inGewebsblöcken durchgeführt, die ledig-lich 50–70 μm Dicke hatten [4, 17]. Da-mit waren Erkenntnisse über die prä-zise Netzwerkarchitektur von vornher-ein limitiert. Eine kürzlich publizierte,erstmals lokal dichte Rekonstruktion ausdem Mauskortex [15] beschränkte sichauf rund 10 × 10 × 30 kubische Mikro-meter an Gewebsvolumen. Hier konntenHinweise bestärkt werden, dass die Be-rührung von Nervenzellen nur geringeVorhersagekraft für die Etablierung che-mischer Synapsen hat (siehe auch [21]).Ob auf der Ebene ganzerAxone undNer-
venzellen paarweise zufällige Verschal-tungen dominieren (benannt als „Peters’rule“, [6]) oder hochspezifische Nerven-zellnetzwerkeausgebildetwerden, ist alsoweiter offen.Theoretische Studien habennahegelegt, dass auchmitweitgehend zu-fälliger Nervenzellverschaltung relevan-te Berechnungen durchgeführt werdenkönnen [18 und strukturierte Repräsen-tationen („sensorische Karten“) entste-hen können [14]. Ob der Säugetierkor-tex in diesem zufälligen Konnektivitäts-Regime operiert oder präzise Verschal-tungen nutzt, wie in der sensorischenPeripherie, ist eine große offene wissen-schaftliche Frage.
Dass die systematische und verglei-chende Kartierung auch lokaler Kon-nektome hier klärende Erkenntnisseliefern kann, ist der Antrieb substan-zieller Forschung (siehe [13] für eineZusammenfassung). Die Kartierung undAnalyse kortikaler Konnektome wird inden USA von der Forschungsinitiativeder Geheimdienste IARPA substanziellfinanziert [20] – auch angetrieben von
der Hoffnung, algorithmische Erkennt-nisse für bessere Datenanalysen aus derSchaltkreisstruktur der Großhirnrindezu gewinnen. Mit dem neuen DFG-Schwerpunktprogramm ComputationalConnectomics [9] hat die deutsche For-schungslandschaft zumindest für dietheoretische Bearbeitung konnektomi-scher Fragen eine geeignete Förderungerhalten, die es nun zu nutzen gilt.
Übersichtsartikel
Korrespondenzadresse
M. HelmstaedterDepartment of Connectomics,Max Planck Institute for BrainResearchMax-von-Laue-Str. 4,60438 Frankfurt am Main,[email protected]
Dr.med. Dipl. Phys.M. Helmstaedter, geboren 1978in Berlin, ab1998 StudiumderMedizin undPhysik ander Ruprecht-Karls-UniversitätHeidelberg, Promotionbei Prof. Dr. Bert Sakmann amMax-Planck-InstitutfürMedizinische Forschung, Heidelberg, 2006–2011ebendortwissenschaftlicherMitarbeiter bei Prof.Win-friedDenk, von 2011–2014 ForschungsgruppenleiteramMax-Planck-Institut für Neurobiologie,Martins-ried. Seit August 2014wissenschaftlichesMitgliedderMax-Planck-GesellschaftundDirektoramMax-Planck-Institut für Hirnforschung in Frankfurt amMain.
Literatur
1. Azevedo FA, Carvalho LR, Grinberg LT, Farfel JM,Ferretti RE, Leite RE, Filho JW, Lent R, Herculano-Houzel S (2009) Equal numbers of neuronal andnonneuronal cells make the human brain anisometrically scaled-up primate brain. J CompNeurol513(5):532–541
2. BargmannCI,Marder E (2013) From the connecto-metobrain function.NatMethods10(6):483–490
3. Barlow HB, Levick WR (1965) The mechanismof directionally selective units in rabbit’s retina.JPhysiol178(3):477–504
4. Bock DD, Lee WC, Kerlin AM, Andermann ML,Hood G, Wetzel AW, Yurgenson S, Soucy ER, KimHS, Reid RC (2011) Network anatomy and invivo physiology of visual cortical neurons. Nature471(7337):177–182
5. Borst A, Helmstaedter M (2015) Common circuitdesign in fly and mammalian motion vision. NatNeurosci18(8):1067–1076
6. Braitenberg V, Schütz A (1991) Anatomy of thecortex – Peter’s rule and white’s exceptions.Springer,Berlin, S109–112
7. Briggman KL, Helmstaedter M, Denk W (2011)Wiringspecificity in thedirection-selectivitycircuitof the retina.Nature471(7337):183–188
10. Ding H, Smith RG, Poleg-Polsky A, Diamond JS,Briggman KL (2016) Species-specific wiring fordirection selectivity in the mammalian retina.Nature535(7610):105–110
11. HelmstaedterM(2013)Cellular-resolutionconnec-tomics: challenges of dense neural circuit recon-struction.NatMethods10(6):501–507
12. Helmstaedter M (2013b) Connectomics: NeueMethoden zur dichten Rekonstruktion neuronalerSchaltkreise.Neuroforum1(13):22–25
13. Helmstaedter M (2015) The mutual inspirationsof machine learning and neuroscience. Neuron86(1):25–28
14. Kaschube M, Schnabel M, Lowel S, Coppola DM,WhiteLE,WolfF(2010)Universalityintheevolutionoforientationcolumns in thevisual cortex. Science330(6007):1113–1116
15. Kasthuri N, Hayworth KJ, Berger DR, Schalek RL,Conchello JA, Knowles-Barley S, Lee D, Vazquez-Reina A, Kaynig V, Jones TR, Roberts M, MorganJL, Tapia JC, Seung HS, Roncal WG, Vogelstein JT,BurnsR,SussmanDL,PriebeCE,PfisterH,LichtmanJW(2015)SaturatedReconstructionofaVolumeofNeocortex.Cell 162(3):648–661
16. Kim JS, Greene MJ, Zlateski A, Lee K, RichardsonM, Turaga SC, Purcaro M, Balkam M, RobinsonA, Behabadi BF, Campos M, Denk W, Seung HS,Eye Wirers (2014) Space-time wiring specificitysupports direction selectivity in the retina. Nature509(7500):331–336
17. Lee WC, Bonin V, Reed M, Graham BJ, Hood G,GlattfelderK,ReidRC(2016)Anatomyandfunctionofanexcitatorynetworkinthevisualcortex.Nature532(7599):370–374
18. Maass W, Natschlager T, Markram H (2002) Real-time computing without stable states: a newframework for neural computation based onperturbations.NeuralComput14(11):2531–2560
19. Mauss AS, Pankova K, Arenz A, Nern A, Rubin GM,BorstA (2015)NeuralCircuit to IntegrateOpposingMotions in theVisualField.Cell 162(2):351–362
21. MishchenkoY, Hu T, Spacek J,Mendenhall J, HarrisKM, Chklovskii DB (2010) Ultrastructural analysisof hippocampal neuropil from the connectomicsperspective.Neuron67(6):1009–1020
22. TakemuraSY,BhariokeA,LuZ,NernA,VitaladevuniS, Rivlin PK, Katz WT, Olbris DJ, Plaza SM, WinstonP, Zhao T, Horne JA, Fetter RD, Takemura S, BlazekK, Chang LA, Ogundeyi O, SaundersMA, Shapiro V,SigmundC,RubinGM,SchefferLK,MeinertzhagenIA, Chklovskii DB (2013) A visualmotiondetectioncircuit suggested by Drosophila connectomics.Nature500(7461):175–181
Neueintritte
Folgende Kolleginnen und Kollegen dür-fen wir als Mitglieder der Neurowissen-schaft lichen Gesellschaft begrüßen:
Aghvami, Sara (Regensburg)Becker, Katrin (Aachen)Gross, Isabel (Rostock)Heining, Katharina (Freiburg)Helmsauer, Konstantin (Berlin)Henninger, Dr. Jörg (Berlin)Hoff mann, Maximilian (Berlin)Horstmeyer, Roarke (Berlin)Kadobianskyi, Mykola (Berlin)Liu, Shengwen (Heidelberg)Michailidis, Konstantinos (Freiburg)Papadopoulos, Dr. Ioannis (Berlin)Picolin, Th omas B. (Essen)Pinkernell, Sarah (Aachen)Rapprich, Fabian (Köln)Sasi, Manju (Würzburg)Schackel, Th omas (Heidelberg)Schroeter, Dr. Friederike (Düsseldorf)Schulze, Lisanne (Berlin)Sebastian, Dr. Sven (Berlin)Seidenbecher, Sophie (Aarhus, Den-mark)Soares Faustino, PhD Ana Isabel (Ber-lin)Stroh, Prof. Dr. Albrecht (Mainz)Windmann, Prof. Dr. Sabine (Frank-furt/Main)
Der Mitgliedsstand zum 22. Juli 2016 be-trägt 2087 Mitglieder.
1 AG Systemische Neurophysiologie, Institut für Physiologie, Forschungszentrum TranslationaleNeurowissenschaften (FTN), Universitätsmedizin Mainz, Johannes Gutenberg-UniversitätMainz, Mainz,Deutschland
2 Johanna Quandt Research Professor, Frankfurt Institute for Advanced Studies, Frankfurt am Main,Deutschland
Das dynamische Konnektom
Das Konnektom ist dynamisch
Plastizität isteincharakteristischesMerk-mal neuronaler Verschaltungen. Klas-sische Ergebnisse aus der Grundlagen-forschung haben den starken Einflusssensorischer Erfahrungen auf die Struk-tur der neuronalen Netzwerke währendkritischer Perioden in der frühen Ent-wicklungsphase aufgezeigt. Dies hatzur Entwicklung humanmedizinischerTherapien geführt, die bereits wäh-rend der frühen Kindheit angewandtwerden, beispielsweise zur Behandlung
von Strabismus. Traditionell wurde da-von ausgegangen, dass die strukturellenund funktionellen Eigenschaften neu-ronaler Netzwerke nach einer Phaseerfahrungsabhängiger Selbstorganisa-tion im Wesentlichen stabil bleiben.Plastische Anpassung neuronaler Ver-bindungen kann demnach zwar auchim Erwachsenenalter beispielsweise imZusammenhang mit Lernprozessen undder Bildung von Gedächtnisinhaltenoder in Reaktion auf einen pathologi-schen Insult auftreten und dabei zurWiederherstellung der Funktionalität
beitragen. Die Ursache für das Auftretenvon Plastizität liegt nach diesem Ver-ständnis aber immer in der Umgebungdes Subjekts oder stellt eine Reaktionauf pathophysiologische Veränderun-gen dar. Neue experimentelle Befunde,größtenteils aus bildgebenden Untersu-chungen an Nagern, stellen diese Sichtinfrage und legen nahe, dass die intrinsi-schen Selbstorganisatonsmechanismenauch im Erwachsenenalter aktiv blei-ben. Diese erhalten die Plastizität derneuronalen Verschaltungen aufrecht,auch unter allgemeineren Bedingungen
Übersichtsartikel
Abb. 18 In-vivo-Bildgebung vonDendriten unddendritischenDornen. aOben, Zwei-Photonen-Mikroskopie-AufnahmeeinesDendriteneinerPyramidenzelle, derverschiedeneDornenaufweist, diemorphologischenKorrelatederexzitatorischenInputs diesesNeurons.Unten, der selbeDendrit, 4 Tage später aufgenommen.Dornen, die zubeidenZeitpunkten vorhandenwaren, sindmit blauen Pfeilspitzenmarkiert. (Nach [3]).b Plot über den Lebenszyklus 3688 aufgenommener dendritischerDornen. (Nach [4])
Abb. 28 Lernen bewirkt einen vorübergehendenAnstieg in der Bildung dendritischer Dornen imauditorischen Kortex derMaus. aDerselbe Dendrit vor undnach auditorischer Angstkonditionierung(Intervall: 2 h).b Raten der Dornbildung inDendriten inMäusen unter Konditionierung und in einerKontrollgruppe (Mittel±SEM,n=aufgenommeneDendriten).cZusammenfassungsskizze früherundspäter Effekte der Angstkonditionierung. Nach einemvorübergehendenUngleichgewicht zwischenBildungundAbbaudendritischerDornen istderenGesamtdichtewiedermitderSituationvorderKon-ditionierung vergleichbar. (Nach [6])
als nur in der Entwicklungsphase undauch nachdem deren Funktionalität vollausgebildet ist. Es ergeben sich Impli-kationen für die Frage, wie neuronaleBerechnungen in einem dynamischenKonnektom umgesetzt werden.
Die Entwicklung neuartiger gentech-nischer Methoden und hochauflösenderbildgebender Verfahren hat die chroni-sche Beobachtung einzelner, bestimmter
Synapsen in lebenden Tieren über Zeit-spannen von einigen Tagen bis hin zumehreren Monaten ermöglicht. Insbe-sondere bieten transgene Mäuse, die ineinigen wenigen Neuronen das grüneFluoreszenzprotein (GFP) exprimieren,Neurowissenschaftlern durch diese farb-lichen Markierungen die Möglichkeit,den zeitlichen Verlauf der neuronalenMorphologie zu analysieren [2]. Dendri-
tische Dornfortsätze („Dornen“), kleine,aus den Dendriten von Pyramidenzellendes Neocortex ragende Vorwölbungen,sind die morphologischen Entsprechun-genderpostsynaptischenTeileexzitatori-scher Synapsen. Es liegen überzeugendeIndizien dafür vor, dass die Übertra-gungsstärken von Synapsen durch dieGrößedesentsprechendendendritischenDorns abgeschätzt werden kann. Neu-ronale Strukturen in lebenden Tierenkönnen mittels Laser-Scanning-Zwei-Photonen-Mikroskopie aufgenommenwerden, was die Auflösung subzellulä-rer Strukturen in Geweben bis zu einerTiefe von einigen hundert Mikrometernmit minimaler phototoxischer Wirkungerlaubt. Untersuchungen mithilfe longi-tudinaler Laser-Scanning-Zwei-Photo-nen-Mikroskopie durch ein chronischimplantiertes Fenster oder einen kleinenBereich des Schädels reduzierter Di-cke über dem Neokortex haben gezeigt,dass dendritische Strukturen fortwäh-render Veränderung unterworfen sind.Zwischen zwei Aufnahmen wurde einsignifikanter Anteil der Dornen abge-baut, wohingegen eine vergleichbareAnzahl neu gebildet wurde (. Abb. 1).In . Abb. 1 ist das Vorhandensein einesDorns an einem bestimmten Tag durcheine dünne, horizontale schwarze Li-nie visualisiert. Beispielsweise sind dieDornen 1–1420 diejenigen, die währendder ersten Aufnahmesession beobachtetwurden; die Dornen 1–998 sind die-jenigen, die mindestens in der erstenund zweiten Aufnahmesession vorhan-
74 Neuroforum 3 · 2016
den waren; die Dornen 1421–1937 sinddiejenigen, die zum ersten Mal in derzweiten Aufnahmesession beobachtetwurden. Ungeachtet substanzieller Fluk-tuationenbleibt dieGesamtzahl über dengesamtenBeobachtungszeitraumbemer-kenswert konstant. Zu dem Auf- undAbbau dendritischer Dornen kommt,dass auch diejenigen Dornen, die übermehrere Aufnahmetage beobachtet wer-den konnten und in dieser Zeit nichtabgebaut wurden, signifikante Größen-änderungen aufwiesen, was auf eine per-manente Anpassung der entsprechendensynaptischen Übertragungsstärken hin-deutet.DieseBeobachtungenzeigen,dasskortikale Verschaltungen ihre Struktursowohl durch Neugewichtung bestehen-der Verbindungen als auch durch ihrenvollständigen Auf- und Abbau ändern.
Anpassungsmechanismen
Es stellt sich die Frage, warum kortikaleNetzwerke eine so verblüffend starkeVolatilität zeigen. Nach der ersten Be-schreibung der Langzeitpotenzierung
(long-term potentiation, LTP) [1], einemlang anhaltenden Anstieg der synapti-schen Übertragungsstärken, der von be-stimmten zeitlichenMustern neuronalerAktivität verursacht wird, wurde inten-siv untersucht, ob solche oder ähnlicheFormen der Langzeitänderung synapti-scher Gewichte ein zelluläres Korrelatvon Lernprozessen und Gedächtnisbil-dung auf zellulärer Ebene darstellen[11]. Im Laufe der Jahre wurde eineVielzahl von Belegen zusammengetra-gen, die dieWichtigkeit der synaptischenPlastizität im Zusammenhang mit demLernvorgang untermauern. Beispiels-weise haben elektrophysiologische invivo-Messungen synaptischer Verbin-dungen Änderungen der entsprechen-den Übertragungsstärken während desLernens gezeigt. Weiterhin wirkt sicheine pharmakologische Blockade derfür die Aktivierung der LTP wichtigensynaptischen NMDA-Rezeptoren stö-rend auf die Gedächtnisbildung aus.Auch die molekularen Prozesse, die dieAnpassung der synaptischen Gewichtebewirken, wie beispielsweise der Einbau
von AMPA-Rezeptoren in die Synapse,werdenwährenddesLernensbeobachtet.
Es konnte gezeigt werden, dass diegleichen Muster neuronaler Aktivität,die die LTP auslösen, auch die Bildungneuer sowie die Vergrößerung beste-hender synaptischer Dornen bewirken.Analoge Beobachtungen wurden fürdie Langzeitdepression (long-term de-pression, LTD) gemacht, die eine langanhaltende Schwächung der synapti-schenÜbertragungsstärke beschreibt. Esexistieren also strukturelle Korrelate vonLTPundLTD, die derUntersuchungmit-tels bildgebender Verfahren zugänglichsind. Wichtig ist in diesem Zusammen-hang, dass mit chronischer Bildgebungin transgenen Mäusen während einerVerhaltensaufgabe gezeigt werden konn-te, dass ein Zusammenhang zwischenvorübergehenden Ratenzuwächsen inder Bildung synaptischer Dornen undLernprozessen besteht [6, 12]. WichtigeBefunde einer Studie, in deren Rahmender Einfluss auditorischer Angstkon-ditionierung auf Veränderungen derdendritischen Dornen im auditorischen
Kortex der Maus untersucht wurde,sind in . Abb. 2 zusammengefasst. Diesynaptische Plastizität wurde daher alsCharakteristikum der neuronalen An-passung während des Lernens und derGedächtnisbildung interpretiert. Aller-dings wurde ein signifikanter Umbauvon Synapsen auch unter Bedingungenfestgestellt, in denen für die Versuchs-tiere keinerlei Veranlassung bestand, ihrVerhalten zu ändern. Interessanterweisebehalten synaptische Dornen in kulti-vierten Hirnschnitten sogar unter einerpharmakologischen Blockade sämtlicherneuronaler Aktivität ein beträchtlichesVolatilitätsniveau bei. Dies legt die Ver-mutung nahe, dass es eine intrinsischeUrsache der Plastizität gibt, die nichtdirekt mit der neuronalen Aktivität oderdem Lernvorgang zusammenhängt (Ya-sumatsu et al. 2008). Es scheint demnachzwei Beiträge zur in kortikalen Netzwer-ken beobachteten Volatilität zu geben:Zum einen den Anteil, der unter sehrallgemeinen Bedingungen vorhandenist und sich womöglich nicht direktmit der neuronalen Aktivität in Ver-bindung bringen lässt, zum andereneinen Anteil, der durch verhaltensrele-vante Erfahrungen ausgelöst wird undzu einer vorübergehenden Disbalancezwischen den Bildungs- und Abbauratender synaptischen Dornen führt.
Stabilität trotz ständigerVeränderung
Neuere technische Entwicklungen in derseriellenSektionselektronenmikroskopievon Hirnproben führten zur Entstehungdes Forschungsfeldes der Konnektomik.Das Konnektom, eine vollständige Be-schreibung der Verschaltung der neu-ronalen Elemente innerhalb eines Netz-werks, verspricht Einblicke in die funda-mentalen Prinzipien der Bildung funk-tionellerNetzwerkeauseinzelnenNeuro-nen.WeildieElektronenmikroskopienuran fixiertem Gewebe angewandt werdenkann, liefert sie immer eine Momentauf-nahme des Konnektoms zum Aufnah-mezeitpunkt. Vor dem Hintergrund desdurch die chronische Bildgebung ent-stehenden Bildes eines durch substanzi-elle Dynamiken charakterisierten Kon-nektoms, ist es wichtig festzustellen, ob
ZusammenfassungUm eine Vorstellung von den in neuronalenNetzwerken ablaufenden Prozessen zubekommen, werden häufig Vergleiche mitelektronischen Schaltkreisen angestellt. Einfundamentaler Unterschied zu solchen festverdrahteten Schaltkreisen besteht jedochdarin, dass sich die Struktur neuronalerVerbindungen ständig verändert. ImFolgenden diskutieren wir aktuelle Befunde,die diese dynamische Natur und diezugrunde liegenden Mechanismen deutlichmachen. Die Dynamik neuronaler Netzwerkeunterliegt bestimmten Regeln, die diestatistischen Charakteristika der synaptischenEigenschaften im stationären Zustand zueinem bestimmten Zeitpunkt erklären. DieseRegeln erlauben auch die Vorhersage der
zukünftigen Zustände des Netzwerks undergänzen Erkenntnisse, die mithilfe seriellerSektionselektronenmikroskopie an Hirn-schnitten gewonnen wurden, die methodischbedingt lediglich Informationen zu einemeinzigen Zeitpunkt liefert. Wir legen dar,wie die dynamische Natur des Konnektomsmit der stabilen Funktionsfähigkeit undLangzeitspeicherung von Gedächtnisinhaltenvereinbar ist und wie sie sogar Lernprozessebegünstigen könnte.
AbstractWhen trying to gain intuitions about thecomputations implemented in neural circuits,we often use comparisons with electroniccircuits. However, one fundamental differenceto hard-wired electronic circuits is thatthe structure of neural circuits undergoesconstant remodeling. Here, we discussrecent findings highlighting the dynamicnature of neural circuits and the underlyingmechanisms. The dynamics of neural circuitsfollows rules that explain steady statestatistics of synaptic properties observedat a single time point. Interestingly, theserules allow the prediction of future network
states and extend the insights gained fromserial sectioning electron microscopy ofbrain samples, which inherently providesinformation from only a single time point. Weargue how the connectome’s dynamic naturecan be reconciledwith stable functioning andlong-term memory storage and how it mayeven benefit learning.
es überhaupt stabile Aspekte und Eigen-schaften in einem volatilen Netzwerk ge-ben kann, falls ja, welche dies sind. Diezuverlässige Funktionsfähigkeit des Ner-vensystems und unsere Fähigkeit, uns anEreignisse und Erfahrungen zu erinnern,die Jahrzehnte zurückliegen, können da-bei als starke Indizien für deren Existenzgewertet werden.
Zunächst ist festzustellen, dass diestatistischen Eigenschaften von Neu-ronenpopulationen zu einem gewissenGrade stabil sind, auch wenn die Größeund Stärke individueller Synapsen starkfluktuieren kann. Die Verteilung dersynaptischen Stärken über den Pyrami-
denzellen des Neokortex und desHippo-campus sowie die entsprechenden Ver-teilungen der Größen der dendritischenDornen scheinen immer eine bestimmteForm beizubehalten (. Abb. 3a–c). DieseForm entspricht in etwa einer sogenann-ten logarithmischen Normalverteilung(Lognormal-Verteilung); die Verteilungder Logarithmen der Übertragungs-stärken folgt demnach ungefähr einerGaußverteilung. Das wiederum impli-ziert eine starke Schiefe der Verteilung,wonach eine kleine Gruppe von Synap-sen mit sehr großen Gewichten existiert.Neuere Experimente basierend auf derchronischen Beobachtung von dendri-
76 Neuroforum 3 · 2016
Abb. 38 LogarithmischeNormalverteilungexzitatorischersynaptischerÜbertragungsstärken.aBei-spiele vonDornen, die entlang der Dendriten eines einzelnenNeurons in einer Aufnahmesessiongemachtwurden. Die Zahlen bezeichnen dieGröße der Dornen in beliebigen Einheiten (arbitraryunits, AU). Die Spannemöglicher Größen übersteigt eine Größenordnung.bVerteilung des Loga-rithmus der Größe dendritischer Dornen. Die rote Linie zeigt eine Normalverteilung, die an dasHisto-grammangefittetwurde (nach [3]). cHistogrammgemessener EPSP-Größenaus PaaraufnahmenvonLayer-5-Pyramidenzellen im visuellen Kortexder Katze [8].dHistogrammder synaptischenGewich-te in einemNetzwerkmodell, das spike-timing-dependent plasticitymit struktureller Plastizität undverschiedenen Formenhomöostatischer Plastizität kombiniert. (Nach Zheng et al. (2013))
Abb. 48 Charakteristische Fluktuationsmuster der Größen dendritischer Dornen. a Relative Ände-rung der Volumina der Dornen über die Dauer eines Tages in CA1-Pyramidenzellen in kultiviertenSchnitten des Hippocampus der Ratte (Yasumatsu et al. 2008).b Relative Änderung der synaptischenGewichte ineinemNetzwerkmodell,das spike-timingdependentplasticitymit strukturellerPlastizitätund verschiedenen Formenhomöostatischer Plastizität kombiniert. (Nach Zheng et al. (2013))
tischen Dornen legen nahe, dass solcheVerteilungen durch stochastische Fluk-tuationen entstehen können, die einemultiplikative Komponente aufweisen[3]. Auch ist festgestellt worden, dass diegrößeren und stärkeren Synapsen stabi-ler als die kleineren und schwächerensind ([4, 9]; Yasumatsu et al. 2008). Dasmacht insbesondere starke Synapsen zuguten Kandidaten für das anatomische
Substrat des Langzeitgedächtnisses, daswir unser Leben lang behalten können.
InneuerenSimulationsmodellenwur-de versucht, diese experimentellen Be-funde – sowohl die lognormal-ähnlicheVerteilung der synaptischen Gewichteals auch die charakteristischen Fluktua-tionsmuster einschließlich der größerenStabilität starker Synapsen – mechanis-tisch zu erklären ([5]; Zheng et al. 2013).Die Autoren haben festgestellt, dass die
Kombination von spike-timing dependentplasticity (STDP) und einer einfachenForm der strukturellen Plastizität mitverschiedenenhomöostatischenPlastizi-tätsmechanismen in Netzwerkmodellenbereits die lognormal-ähnliche Statistikder synaptischen Gewichte reproduziert(. Abb. 3d). Weiterhin ergeben sich indiesem Modell ebenfalls die Mustersynaptischer Fluktuationen, die in Ex-perimenten mit bildgebenden Verfahrennachgewiesenwurden (. Abb. 4). Zudemsagt das Modell voraus, dass die Lebens-dauer neu gebildeter Synapsen einerPotenzverteilung folgen, was impliziert,dass diemeistenneugebildetenSynapsennur für eine sehr kurze Zeit existieren,einige wenige jedoch stark wachsen, sichstabilisieren und sehr lange Lebensdau-ern erreichen. Aktuelle Befunde sindmit diesem Ergebnis konsistent ([4];. Abb. 5), obwohl der abgeschätzte Ex-ponent des Potenzgesetzes nicht demursprünglich theoretisch vorhergesagtenentspricht (Zheng et al. 2013). Dies gabAnlass zuweiteren theoretischenÜberle-gungen, die auf ein besseres Verständnisder Abhängigkeit des Exponenten derPotenzverteilung von den verschiedenenModellparametern abzielten und erga-ben, dass ein breites Intervall möglicherWerte (einschließlich des experimentellabgeschätzten) von dem Modell produ-ziert werden kann, beispielsweise durchVariation der relativen Anteile von Po-tenzierung undDepression in der STDP-Regel [5].
In diesem Zusammenhang ist zudeminteressant, dass das Konnektom einigeEigenschaften aufweist, die nicht reinstochastischer Natur sind. Bei einemNetzwerk, in dem Verbindungen mitbestimmten Wahrscheinlichkeiten reinzufällig hinzugefügt oder entfernt wer-den und jeder einzelne Vorgang desHin-zufügens oder Entfernens unabhängigvon der Existenz anderer Verbindungenin diesem Netzwerk ist, handelt es sichum ein sogenanntes zufälliges Netzwerkrespektive einen Erdös-Rényi-Graphen.Die Netzwerke in Neokortex und Hip-pocampus weisen aber Eigenschaftenauf, die nicht rein stochastisch sind, wasgegen diese vollständig zufälligen Mo-dellansätze spricht und nahelegt, dassbestimmte Strukturen des Netzwerks
Neuroforum 3 · 2016 77
Übersichtsartikel
Abb. 58 Die Verteilung der Überlebenswahrscheinlichkeitender Dornen folgt einemPotenzgesetz.a Plot der Überlebenswahrscheinlichkeiten neu gebildeter Dornen. Die Punkte geben das VerhältnisderDornanzahlen an, diewährendeiner, zwei, drei undvierAufnahmesessionenbeobachtetwurden.Die gestrichelte Linie stellt den besten exponentiellen Fit dar (Zeitkonstante 5,2 Tage). Die rote Liniezeigt die Vorhersage dieses Plotsmithilfe einesModells, in demder einer Potenzverteilung folgendeDornabbau von der Dornbildung ausgeglichenwird, sodass sich eine stationäre Dichte vonDornenergibt.DerExponentdesPotenzgesetzes ist 1384.bDasgleichePotenzgesetzmodellmachtVorhersa-genüberdie LebensdauernderDornen, die zu Beginnder Bildgebungexistieren. Angenommenwird,dass das Alter dieser Dornen zumAufnahmebeginn demgleichenPotenzgesetz folgt. (Nach [4])
Abb. 68 Ein vereinfachtesModell der synaptischenZustandsübergänge, diemit Änderungen ihrerStabilität einhergehen. Detailliertere Beschreibung imText
stabilisiert werden. Diese beinhalteneine Fülle bidirektionaler Verbindun-gen, ein starkes Clustering und dieAnhäufung bestimmter sog. Graphmo-tive [7, 8]. Durch Simulationen konntegezeigt werden, dass diese Eigenschaftenin dem gleichen Netzwerkmodell ent-stehen können, das auch die lognormal-ähnliche synaptischeGewichtsverteilungund die spezifischen Fluktuationsmusterreproduziert [5].
Entstehung und Stabilisierungvon Funktionalität
Man könnte das große Ausmaß syn-aptischer Fluktuation hauptsächlich als
Beeinträchtigung der Funktionalität desNetzwerks betrachten, die die Stabilitätvon Repräsentationen und Gedächtnis-inhalten gefährdet. Es stellt sich daherdie Frage, ob aus dieser Dynamik auchVorteile erwachsen können. Bekannt ist,dass der Lernprozess mit strukturellenÄnderungen in kortikalen Netzwerkeneinhergeht [12]. Synaptische Verbindun-gen de novo zu erzeugen, ist allerdingsein sehr zeitaufwendiger Prozess. Hinzukommt, dass unklar ist, wie zwei Neu-ronen „wissen“ können, dass sie eineneue gegenseitige Verbindung aufbauensollen, wenn nicht dadurch, dass sie mit-einander kommunizieren, was jedochseinerseits wieder einer synaptischen
Verbindung bedarf – man stößt hierauf ein Henne-und-Ei-Problem. Wirvermuten dessen Lösung darin, dass imNeokortex durch fortwährende Neubil-dung ein Reservoir provisorischer Ver-bindungen und damit eine reichhaltige„Bibliothek“ potenzieller Funktionalitätvorgehalten wird. Plastizitätsmechanis-men, die in Lernprozesse involviert sind,wie die bereits erwähnte STDP, könnendann schnell nützlich erscheinende syn-aptische Verbindungen verstärken undstabilisieren. . Abb. 6 zeigt ein Schema,in dem Synapsen bidirektionaler Plasti-zität unterliegen, diemit physiologischenund morphologischen Änderungen ein-hergeht. Der größte Anteil der Synapsenwird effektiv nicht realisiert und bleibtim Zustand „potentieller Synapsen“;darunter werden ein Dendrit und einAxon verstanden, die sich in so geringerEntfernung zueinander befinden, dasssie potentziell von einem Dorn verbun-den werden könnten [10]. Anfänglichesynaptische Kontakte können zufälligals „stille Synapsen“ ohne AMPA-Re-zeptoren gebildet werden. Koinzidenteprä- und postsynaptische Aktivität kanndie Stabilisierung der Synapse bewirken,was zu einer Einbettung von AMPA-Re-zeptoren führt. Weitere Stimuli, die eineStärkung der Synapse bewirken, könnenzu einer weiteren Stabilisierung führen.Die Tatsache, dass die Lebensdauernder dendritischen Dornen gut durchein Potenzgesetz beschrieben werdenkönnen, legt die Existenz einer größerenZahl dieser Zustände oder gar einesKontinuums nahe.
Einmal verstärkt, müssen bestimm-te Verschaltungsmuster und die damitangelegten Gedächtnisinhalte davor be-wahrtwerden, direktwieder abgebaut re-spektive vergessen zuwerden. Sehr starkeVerbindungsmuster könnten in der Lagesein, sich durch Induktion genau jenerMuster im Netzwerk, die ihrerseits dieseVerbindungen festigen, selbst zu stabili-sieren – ein aus Netzwerksimulationenwohlbekannter Effekt der STDP undanderer Varianten Hebb’scher Plastizität.Die kombinatorischen Möglichkeitenverschiedener Netzwerkkonfigurationensind allerdings schon in sehr kleinenNetzwerken von nur wenigen Neuronenenorm. Es ist deshalb vorstellbar, dass ein
78 Neuroforum 3 · 2016
ganzer Unterraum an möglichen Kon-figurationen existiert, der zu gleichenAktivitätsmustern und Netzwerkfunk-tionalitäten führt, weshalb auch andereMechanismen zur Sicherung der stabilenFunktionsfähigkeit denkbar sind.
Die meisten Beobachtungen hin-sichtlich der Dynamik synaptischer Ver-bindungen wurden an exzitatorischenSynapsen gemacht. Neuere methodischeEntwicklungen haben auch die experi-mentelle Untersuchung inhibitorischerSynapsen ermöglicht, die darauf hin-deutet, dass auch im inhibitorischenKonnektom eine gewisse Volatilität vor-liegt. Lernprozesse scheinen währendverhaltensrelevanter Erfahrungen zu ei-nem vorübergehenden Ungleichgewichtzwischen Bildungs- und Abbauratenexzitatorischer und inhibitorischer Sy-napsen zu führen. Es wäre interessantzu sehen, wie diese Ungleichgewichts-phasen organisiert sind, um mit demLernprozess zusammenhängende Re-strukturierungen zu ermöglichen, ohnedass das Gesamtsystem dabei patholo-gische Zustände unkontrolliert starkerErregbarkeit annimmt.
Schlussbemerkungen
WirhabeneinenÜberblicküberneueBe-lege dafür gegeben, dass das Konnektomdes Hirns auf der Ebene lokaler Netz-werke äußerst dynamisch ist und fort-während mit verblüffend hohen RatenVerbindungen auf- und abgebaut wer-den. Es gibt verschiedeneMechanismen,die vermutlich zu dieser Volatilität bei-tragen. Wir haben erörtert, dass der Zu-stand ständiger Adaption vereinbar istmit der Langzeitstabilität von Strukturund Funktion des Netzwerks. Experi-mentelle Befunde und theoretische Mo-delle deuten an, dass eine Lösung für dieAufrechterhaltung der stabilen Funktio-nalitäteinstabiles„Rückgrat“sehrstarkerSynapsen in einem dynamischen Reser-voir schwacher und vorläufiger „Testver-bindungen“ sein könnte. Letzteres könn-te für unsere Fähigkeit von Bedeutungsein, schnellAssoziationenzwischensen-sorischen Ereignissen zu bilden – odersogar in einem „Heureka“-Moment dieVerknüpfung zwischen einzelnen, schonlange bekannten, aber bislang separat er-
scheinendenElementenzumachen.Es istzudemdeutlichgeworden,dasseinbesse-res Verständnis dieses neu aufkommen-den Themas in den Neurowissenschaf-ten nur durch eine enge Verzahnung vonTheorie und Experiment erreicht werdenkann.
Korrespondenzadresse
Prof. Dr. S. RumpelAG SystemischeNeurophysio-logie, Institut für Physiologie,Forschungszentrum Transla-tionale Neurowissenschaften(FTN), UniversitätsmedizinMainz, Johannes Gutenberg-UniversitätMainzHanns-Dieter-Hüsch-Weg 19,55128Mainz, [email protected]
Prof. Dr. J. TrieschJohanna Quandt ResearchProfessor, Frankfurt Institutefor Advanced StudiesRuth-Moufang-Str. 1,60438 Frankfurt am Main,[email protected]
Prof. Dr. SimonRumpel untersucht, wie neokortikaleNetzwerke dieWahrnehmungvon Schall ermögli-chenundwie diese perzeptuellen Repräsentationenin Langzeiterinnerungenumgewandeltwerden. Erstudierte Biologie undpromovierte 2001 ander Ruhr-Universität in Bochumundkonzentrierte sich dabeiauf synaptische Plastizität, die er anHirnschnitten alsModellsystemuntersuchte.Während seiner Post-Doc-Studien von2001bis 2006 arbeitete er in den Labora-torien vonDr. AnthonyZador undDr. RobertMalinowamCold SpringHarbor Laboratory, USA. Von 2006bis2014 hatte SimonRumpel eine Stellung als Gruppen-leiter amForschungsinstitut fürMolekularpathologieinWien inne.Mit chronischer in vivo-BildgebungdesauditorischenKortex derMaus untersuchte er dieDynamik synaptischer Verbindungen imHirn unddiedurch KlangwahrnehmungerzeugtenAktivitätsmus-ter in neuronalen Ensembles. SeitOktober 2014 ist erProfessor am Institut für Physiologie ander JohannesGutenberg-Universität inMainz.
Prof. Dr. Jochen Triesch erhielt seinDiplom in Physik1994 ander Ruhr-Universität Bochumundpromovier-te 1999 ebenda. Nach zwei Jahren als PostdoktorandamComputer ScienceDepartment derUniversityof Rochester, NewYork, USA, trat er 2001 eine Stelleals Assistenzprofessor amCognitive ScienceDepart-ment derUniversity of California, SanDiego, USA an.2005wurde er FellowamFrankfurt Institute for Ad-vanced Studies (FIAS) in Frankfurt amMain. Seit 2007ist er der JohannaQuandt-Forschungsprofessor fürTheoretische Lebenswissenschaften amFIAS,woerzurzeit stellvertretender Vorstandsvorsitzender ist.Er hat zudemProfessuren ander Fakultät für Physikundder Fakultät fürMathematikund Informatik ander
Goethe-Universität in Frankfurt amMain inne. 2006erhielt er denMarie Curie Excellence Center AwardderEuropäischenUnion. Von 2009bis 2011 koordinierteer zusammenmit Christoph vonderMalsburgdenBernstein FocusNeurotechnology Frankfurt, der sichauf biologisch inspirierte Sehsysteme konzentrierte.ZusammenmitClausHilgetaghaterdasSchwerpunkt-programm„Computational Connectomics“ ins Lebengerufen.
Danksagung. JT wird von der Quandt-Stiftungunterstützt.
Einhaltung ethischer Richtlinien
Interessenkonflikt. S. Rumpel und J. Triesch gebenan, dass kein Interessenkonflikt besteht.
Dieser Beitragbeinhaltet keine vondenAutorendurchgeführten Studien anMenschenoder Tieren.
Literatur
1. Bliss TV, Lomo T (1973) Long-lasting potentiationof synaptic transmission in the dentate area of theanaesthetized rabbit following stimulation of theperforantpath. JPhysiol232(2):331–356
2. Feng G, Mellor RH, Bernstein M, Keller-Peck C,Nguyen QT, Wallace M, Nerbonne JM, LichtmanJW, Sanes JR (2000) Imaging neuronal subsetsin transgenic mice expressing multiple spectralvariantsofGFP.Neuron28:41–51
3. Loewenstein Y, Kuras A, Rumpel S (2011) Mul-tiplicative dynamics underlie the emergence ofthe log-normal distribution of spine sizes in theneocortex invivo. JNeurosci31(26):9481–9488
4. Loewenstein Y, Yanover U, Rumpel S (2015)Predicting the dynamics of network connectivityin theneocortex. JNeurosci35(36):12535–12544
5. MinerD,TrieschJ(2016)Plasticity-drivenself-orga-nizationundertopologicalconstraintsaccountsfornon-random features of cortical synaptic wiring.PLOSComputBiol12(2):e1004759
6. MoczulskaKE,Tinter-ThiedeJ,PeterM,UshakovaL,Wernle T, Bathellier B, Rumpel S (2013) Dynamicsof dendritic spines in the mouse auditory cortexduringmemoryformationandmemoryrecall.ProcNatlAcadSciUSA110(45):18315–18320
7. Perin R, Berger TK, Markram H (2011) A synapticorganizing principle for cortical neuronal groups.ProcNatlAcadSciUSA108(13):5419–5424
8. Song S, Sjöström PJ, Reigl M, Nelson S, ChklovskiiDB (2005) Highly nonrandom features of synapticconnectivity in local cortical circuits. PLOS Biol3(3):e68
9. Statman A, Kaufman M, Minerbi A, Ziv NE,Brenner N (2014) Synaptic size dynamics as aneffectively stochastic process. PLOS Comput Biol10(10):e1003846
10. Stepanyants A, Chklovskii DB (2005) Neurogeo-metry and potential synaptic connectivity. TrendsNeurosci28(7):387–394
11. Takeuchi T, Duszkiewicz AJ, Morris RG (2013)The synaptic plasticity and memory hypothesis:encoding, storage and persistence. Philos Trans RSocLondBBiolSci369(1633):20130288
12. Yang G, Pan F, Gan WB (2009) Stably maintaineddendritic spines are associated with lifelongmemories.Nature462(7275):920–924
Das Gehirn ist, wie jedes biologischeObjekt, ein Produkt der Evolution. Die-se Aussage trifft gleichermaßen auf dasGehirn des Menschen zu, wie auch aufdas von Fliegen oder von Rotaugen-laubfröschen. Eine evolutionäre odervergleichende Perspektive in Hinblickauf Gehirnfunktion kann auf mindes-tens zwei Ebenen informativ sein: dermechanistischen, bei der vererbte Ei-genschaften identifiziert werden (z. B.molekulare und biophysikalische Kom-ponenten) und der algorithmischen, beider ähnliche Arten von Lösungen fürgemeinsame Probleme aufgezeigt wer-den (z. B. Schaltkreisgraphen, zelluläreund Schaltkreisoperationen usw.). Vonbesonderem Interesse sind Fälle, beidenen ähnliche Algorithmen nicht voneinem gemeinsamen Vorfahren vererbtwerden, sondern vielmehr aus evolutio-närer Konvergenz entstehen (d. h., durcheigenständige Lösungswege als Antwortauf ähnliche physikalische Rahmenbe-dingungen) [11]. Solche Fälle, für dieklare Belege allerdings noch dürftig sind,sind sehr nützlich, weil sie das Wesentli-che der neuralen Schaltkreisoperationenzeigen und die algorithmischen Lösun-gen von den unwesentlichen Detailsder spezifischen Implementierung tren-nen. Ein vergleichender Ansatz, Gehirneals Informationsverarbeitungsysteme zuverstehen, stimmt folglich mit DavidMarrs’ klassischen Verständnisebenen,Berechnung, Algorithmus und Imple-mentierung [6], überein.
Eine evolutionäre Herangehensweise anGehirnfunktion erfordert Vergleiche.Eine große praktische Schwierigkeit beidiesemAnsatz liegt darin, dieVergleichs-objekte zu definieren. Sind es Gen- oderProtein-Sequenzen [8], raum-zeitlicheGenexpressionsmuster, Zellmorpholo-gien, Architektureigenschaften des Ge-hirns, Konnektivitätsdiagramme, Ver-schaltungsmotive, großskalige struktu-relle Eigenschaften, biophysikalischeundsynaptische Charakteristika, emergen-te Eigenschaften (z. B. Wanderwellen,Bewusstsein) oder resultierende funk-tionelle Eigenschaften (z. B. Skalierung,Erkennung, Selektion, Transformationetc.), um nur einige Beispiele zu nen-nen? Das heißt, was sind die relevantenParameter? Sollen wir zu einer Zeit, inder uns moderne Technologie von derhandwerklichen zur industriellen Ärader neurowissenschaftlichen Forschungführt, alle potentiell verfügbaren Datenerheben, in der Annahme, daß alle Da-ten nützlich sind? Falls ja, wie bringenwir Daten-Erhebung, -Archivierung und-Katalogisierung in Einklang? Könnenwir uns auf eine Taxonomie einigen,selbst für Vorgänge und Operationen,deren Beschaffenheit wir notwendiger-weise nicht kennen oder noch nichtvollständig verstehen? Oder treffen wireinige praxisorientierte, operationaleEntscheidungen? Falls ja, welche? DieseFragen sind sehr wichtig, wenn wir z. B.Datensätze sammeln und vergleichenmöchten. Die Antworten hängen sehrdavon ab, wie wir das „Verstehen des Ge-hirns“ begreifen. Verständnis bedeutetdas Reduzieren von Beschreibungen, das
heißt, auch dasWegwerfen von Informa-tionen.Aberwas könnenwirwegwerfen?Wie können wir dies a priori wissen?Eine vergleichende Vorgehensweise istfolglich nützlich, da sie uns zwingt, dieEigenschaften, die notwendig sind, umein Funktionsverständnis zu erreichen,zu identifizieren oder mindestens dieseEigenschaften genau zu benennen.
Beispiele für eine vergleichendeAnalyse
Unser Labor hat sich ausführlich mitdem Nervensystemen von Insekten be-schäftigt, und ein Teil dieser Arbeit hatzur Beschreibung von Signalverarbei-tungsphänomenen geführt, wie z. B. derneuronalen Multiplikation bei visuellerGefahren-Detektion [2, 3] die ein algo-rithmisches Äquivalent in thalamischenNeuronen von Vögeln besitzt [13]. Dergemeinsame Vorfahre von Insekten undChordatieren lebte vor ungefähr 530 bis580 Millionen Jahren und war, nach dengegenwärtig vorliegenden Erkenntnis-sen, eine Art Wurm, der weder einenvisuellen Thalamus noch optische Lap-pen besaß. Damit nähern wir uns soweit wie möglich einem Nachweis überdie konvergente Evolution von neuro-nalen Algorithmen. In ähnlicher Weiseführten unsere Arbeiten zum Geruchs-sinn zur Entdeckung einer spike-timing-dependent plasticity (STDP) Regel beiHeuschrecken [1], die in Form undzeitlicher Abhängigkeit den bereits imvertebraten Nervensystemen gefunde-nen Regeln bemerkenswert ähnlich war[5].WährendHebb’sche STDP imGehirnvon Wirbeltieren an den glutamatergenSynapsen vorkommt, kann die STDP,
80 Neuroforum 3 · 2016
die man an den Heuschreckensynapsenvorfindet, möglicherweise cholinerg sein(obwohl bei jedem bisher untersuchtenInsekt bislang frustrierend unklar blieb,welches tatsächlich der exzitatorischeNeurotransmitter an dieser Synapse ist).Andere jüngere Arbeiten an Insekten[12] enthüllen die Existenz von Neuro-nen, die den Kopforientierungs-Zellen(head direction cells) im Hippocam-pus von Nagetieren [14] ähneln undvon Beutefangverhalten sowie prädikti-ven internen Modellen der Bewegungvon Beutetieren [10], die denen desMenschen ähneln [9]. Diese Parallelenveranschaulichen auch die interessanteDichotomie zwischen Algorithmus undImplementierung. Es ist nicht so, daß einAspektmehr oder weniger interessant istals der andere: Details der Implementie-rung sind offensichtlich wichtig, wenndas Ziel Therapieentwicklung in derHumanmedizin ist. Aber diese Beispieleveranschaulichen den Wert von Diversi-tät in Modellsystemen und in Ansätzender modernen Neurowissenschaften,
Die Gemeinnützige Hertie-Stiftung ist tätig in den Bereichen Bildung, Gesellschaftliche Innovation und Neurowissen-schaften. Sie ist der größte private Förderer neurowissen-schaftlicher Forschung in Deutschland.
Zur Förderung der Forschung erfahrener Neurowissenschaftler und Neurowissenschaftlerinnen sowie als Auszeichnung für langjährige Spitzenleistung schreibt die Gemeinnützige Hertie-Stiftung die
aus. Die Stiftungsprofessur ist für Neurowissenschaftler gedacht, welche die abschließenden Jahre ihrer beruflichen Laufbahn ausschließlich der Forschung wid-men wollen, und hat einen Förderumfang von 1 Mio. Euro. Sie hat eine Laufzeit von max. acht Jahren und ist entsprechend den jetzigen Bezügen des Kandidaten dotiert (einschließlich der Leistungen für Pensionsansprüche, Krankenversicherung etc.). Dem Inhaber der Stiftungsprofessur werden Arbeitsmöglichkeiten (La-borräume, Forschungsbudget etc.) nach dessen Vorstellungen und in Absprache mit der Universität über die Laufzeit zur Verfügung gestellt. Der Standort für die Ansiedlung der Stiftungsprofessur ist frei wählbar.
Bedingungen für Bewerber sind neben dem Nachweis der neurowissenschaftlichen Exzellenz ein Lebensalter von mindestens 59 Jahren und die Verpflichtung, mit Antritt der Stiftungsprofessur alle Leitungs- und Verwaltungsfunktionen an der von ihm bisher geleiteten Institution abzugeben, sich bis zur Pensionierung an der Lehre mit mindestens 3 Semesterwochenstunden zu beteiligen und neurowissenschaftliche Forschung zu betreiben. Weitere Informationen sind unter www.ghst.de/seniorprofessur zu erhalten.
Der Kandidat für die Stiftungsprofessur wird zunächst in einem vertraulichen, personenbezogenen Verfahren durch eine Jury führender Neurowissenschaftler bestimmt. Danach werden in Absprache mit dem ausgewählten Kandidaten die Verhandlungen mit der Universität auf Realisierung der Stiftungsprofessur und ihre Ausstattung von der Hertie-Stiftung geführt. Die endgültige Entscheidung über die Vergabe der Professur trifft der Vorstand der Gemeinnützigen Hertie-Stif-tung. Die Verleihung erfolgt 2017 in Frankfurt.
Bewerbungen und Rückfragen sind bis zum 1. November 2016 an folgende Adresse zu richten:Gemeinnützige Hertie-StiftungDr. Alexander Grychtolik Grüneburgweg 10560323 Frankfurt am MainTel.: +49 (69) 660 756 156E-Mail: [email protected]
gerade weil sie uns ermöglichen, Imple-mentierungsdetails von Funktion undAlgorithmen zu trennen. Wenn es unserEndziel ist, eine Theorie des Gehirnsabzuleiten, ist unsere beste Strategie,algorithmische Prinzipien zu identifi-zieren, und wir sollten uns bemühen,zufällige evolutionäre Einzelheiten zuignorieren. Ich würde argumentieren,das eine solche Vielfalt von Ansätzen aufdem Gebiet der Connectomics ebensowichtig ist, d. h. bei der Suche nachstrukturellen Motiven und ihren mög-lichen Signalverarbeitungsfunktionen.Die Vielfalt der Architektur des visuel-len Systems der Säugetiere zum Beispiellegt nahe, dass einige makroskopischestrukturelle Merkmale, die in experi-mentellen Studien identifiziert wurden(z. B. Karten der Orientierungsselekti-vität im primären visuellen Kortex derKatze oder des Makakenaffens) mögli-cherweise nicht die allgemeinen Regeldarstellen [7].
Zusammenfassung
Zum Schluß ist es angebracht, den Le-ser daran zu erinnern, dass sich dieNotwendigkeit für pragmatische Auf-geschlossenheit nicht auf biologischeund evolutionäre Fragen beschränkt.Yakov Frenkel, der berühmte russischeWissenschaftler des 20. Jahrhunderts,befürwortete Modellvielfalt in seinemeigenen Gebiet, der Physik der kon-densierten Materie, mit diesen Wor-ten: „ein gutes theoretisches Modell eineskomplexen Systems sollte wie eine guteKarikatur sein: es sollte jene Eigenschaf-ten hervorheben, die am wichtigsten sindund die unwesentlichen Details herun-terspielen. Der einzige Haken bei diesemRat ist jedoch, dass man nicht wirklichweiß, welches die unwesentlichen Detailssind, bis man die erforschten Phänome-ne verstanden hat. Infolgedessen sollteman ein breites Spektrum von Modellenerforschen und nicht sein Leben (oderseine theoretischen Erkenntnis) auf einbestimmtes Modell setzen“ [4]. Ich würde
argumentieren, dass wir die Vielfalt,welche durch die Evolution bereitgestelltwird, nutzen sollten, um unser Denkenüber neuronale Schaltkreise und dieSignalverarbeitungslogik ihrer Mikroar-chitektur zu befördern und die zugrundeliegenden Regeln ihrer Operationen zuidentifizieren.
Korrespondenzadresse
Prof. G. Laurent, Ph.D.Max-Planck-Institut fürHirnforschungMax-von-Laue-Str. 4,60438 Frankfurt am Main,[email protected]
Der FranzoseGilles Laurentwurde 1960 in Casablanca,Marokko, geboren. Nach seiner Promotion inNeuro-ethologie anderUniversität Paul Sabatier in Toulouse(Frankreich) undErhalt desDoktortitels in Tiermedi-zin im Jahr 1985 arbeitete er als Postdocund LockeResearch Fellowder Royal Society anderUniversityof Cambridge/UK. Im Jahre 1990 trat er der Biologi-schen Fakultät amCalifornia Institute of Technology(Pasadena, CA, USA) bei, woer 2002 zumLawrenceA.HansonProfessor der Biologie auf demGebiet „Com-putation andNeural Systems“ berufenwurde. SeineInteressen liegen imBereich der experimentellen undtheoretischenNeurowissenschaftenmit Schwerpunktauf Informationskodierungund -verarbeitung inNetz-werkmodellen in denolfaktorischenundvisuellenSystemen. Im Jahre 2008wurdeGilles Laurent zumDi-rektor der AbteilungNeurale SystemeundKodierungamMax-Planck-Institut für Hirnforschung in FrankfurtamMain ernannt.
Einhaltung ethischer Richtlinien
Interessenkonflikt. G. Laurent gibt an, dass keinInteressenkonflikt besteht.
Dieser Beitragbeinhaltet keine vondenAutorendurchgeführten Studien anMenschenoder Tieren.
Literatur
1. Cassenaer S, Laurent G (2007) Hebbian STDP inmushroom bodies facilitates the synchronousflow of olfactory information in locusts. Nature448:709–713
2. Gabbiani F, Krapp HG, Koch C, Laurent G (2002)Multiplicative computation in a visual neuronsensitive to looming.Nature420:320–324
3. Hatsopoulos N, Gabbiani F, Laurent G (1995)Elementary computation of object approach by awide-field visual neuron. Science 270:1000–1003.doi:10.1126/science.270.5238.1000
4. Herz AVM, Gollisch T, Machens CK, Jaeger D(2006) Modeling single-neuron dynamics andcomputations: a balance of detail and abstraction.Science314:80–85
5. MarkramH,LübkeJ,FrotscherM,SakmannB(1997)Regulation of synaptic efficacy by coincidence ofpostsynapticAPsandEPSPs. Science275:213–215
6. Marr D, Poggio T (1976) http://dspace.mit.edu/handle/1721.1/5782. Zugegriffen: 2. September2016
7. Kaschube M (2014) Neural maps versus salt-and-pepper organization in visual cortex. Curr OpinNeurobiol 24(1):95–102. doi:10.1016/j.conb.2013.08.017
8. Koonin EV, Galperin MY (2003) Evolutionaryconcept in genetics andgenomics. In: Sequence –evolution–function:computationalapproachesincomparativegenomics. KluwerAcademic, Boston.http://www.ncbi.nlm.nih.gov/books/NBK20255.Zugegriffen:2. September2016
14. Taube JS, Muller RU, Ranck JB Jr. (1990) Head-direction cells recorded fromthepostsubiculum infreelymoving rats. I. Description and quantitativeanalysis. JNeurosci1990(10):420–435
ZusammenfassungConnectomics, die systematischeUntersu-chung von neuronalen Schaltkreisen, hat dasPotential, die Konnektivität eines Gehirnsoder einer Hirnregion mit Einzelsynapsen-auflösung aufzudecken. Dies ist äußerstspannend, aber gleichzeitig auch ziemlicheinschüchternd. Der spannende Aspektist offensichtlich. Der einschüchterndeAspekt ist weniger klar und bezieht sich aufdie Herausforderung, Regelmäßigkeitenaus einer überwältigenden Masse vonhochauflösenden Daten zu extrahieren.Man könnte sagen, daß dies eigentlich einangenehmes Problem ist, und ich stimmezu. Ich argumentiere hier, daß wir jetzt mehrdenn je vergleichende Vorgehensweisenbenutzen müssen, wenn es unser Ziel ist,aus solchen Daten ein allgemeines undtheoretisches Verständnis des Gehirnsabzuleiten.
AbstractConnectomics, the study of circuitarchitecture, has the potential to reveal theconnectivity of any brain or brain area withsingle-synapse resolution. This is extremelyexciting but at the same time quite daunting.The exciting part is obvious. The dauntingpart is less so, and relates to the challengeof extracting principles from overwhelmingmasses of high-resolution data. You mightsay that it is a nice problem to have, and Iwill agree. What I will argue here is that, ifour goal is to derive from such data a generaland theoretical understanding of the brain,wemust nowmore than ever take advantageof comparative approaches.
1 Institut für Computational Neuroscience, UniversitätsklinikumHamburg-Eppendorf, Hamburg,Deutschland
2 Institut für Neurowissenschaften und Medizin (INM-1), Forschungszentrum Jülich, Jülich, Deutschland3 C. und O. Vogt-Institut für Hirnforschung, UniversitätsklinikumDüsseldorf, Heinrich-HeineUniversitätDüsseldorf, Düsseldorf, Deutschland
Konnektivität und kortikaleArchitektur
Makroskopische kortikaleKonnektivität
Anatomische kortiko-kortikale Verbin-dungen liegen der Kommunikation vonverschiedenen Hirnregionen zu Grundeundsinddie strukturelleBasisderverteil-ten sensorischen, motorischen und kog-nitiven Fähigkeiten desGehirns. Sie kön-nen durch eine Reihe von invasiven odernicht-invasiven experimentellen Ansät-zen charakterisiert werden.
Im Tiermodell (z. B. im Gehirn derMaus, der Katze oder bei nicht-mensch-lichen Primaten) lassen sich Verbin-dungen zwischen Gehirnregionen durchinvasive, tracer-basierte Konnektivitäts-studien identifizieren. Dabei werdenTracer wie HRP-WGA („horseradishperoxidase-wheat germagglutinin“)oderBDA („biotinylated dextran amine“) ineine Target-Region injiziert und durchzelluläre biologische Transportprozes-se entweder zu den Zellkörpern derProjektionsneurone (retrograder Trans-port) oder zu den axonalen Terminalen(anterograder Transport) geführt. Vor-teile dieses Ansatzes sind die detaillierteVisualisierung und Charakterisierungvon Projektionen auf Einzelzellebene,welche auch eine Abschätzung von ana-tomischer Projektionsstärken, d. h. derrelativen Anzahl von Axonen in einerVerbindung, erlauben. Außerdem las-sen sich die Richtung von Projektionen(vom Injektionsort oder zum Injekti-onsort) und die laminare Verteilungvon Projektionsursprüngen und -end-punkten in den kortikalen Schichtenbestimmen (. Abb. 1a–c). Schließlich
erlauben elektronenmikroskopische Un-tersuchungen den Nachweis von syn-aptischer Konnektivität. Allerdings sinddiese histologischen Ansätze nur in we-nigen Ausnahmefällen im menschlichenGehirn anwendbar (Galuske et al. 2000).
ImUnterschieddazuwirddie (makro-skopische) Konnektivität des menschli-chen Gehirns häufig auf der Grundlagevon Diffusionsbildgebung und com-putergestützter Modellierung durchtraktographische Modelle abgeschätzt(. Abb. 1d). Mit Hilfe dieser Modellekönnen Verbindungen auf der Grund-lage von heuristischen Annahmen ge-schlussfolgert werden. Dabei könnenjedoch sowohl falsch negative als auchfalsch positive Verbindungen berech-net werden, welche die Verlässlichkeitdieser Methode einschränken. Den-noch hat sich dieser Ansatz in denletzten Jahren weit verbreitet, denn eingroßer Vorzug liegt in der Anwendbar-keit in vivo, und damit der Möglichkeit,Konnektivität in Zusammenhang mitkognitiven Prozessen, Verhalten, Al-terung, genetischen Prädiktoren undUmweltfaktoren und anderen Fakto-ren zu untersuchen. So ist Diffusions-bildgebung Teil vieler Kohortenstudien(z. B. dem Human Connectome Pro-ject: www.humanconnectomeproject.org, der UK Biobank: www.ukbiobank.ac.uk/imaging-scanning-study/ undder 1000Brains Study: www.fz-juelich.de/inm/inm-1/EN/Forschung/1000_Gehirne_Studie/1000_Gehirne_Studie_node.html).
Diese empirischen Ansätze sind auchdie Grundlage von Netzwerkbeschrei-
bungen des Gehirns. Durch die intensiveErforschung der Organisation kortikalerKonnektivität des menschlichen undnicht-menschlichen Gehirns wurden ei-nige allgemein auftretende topologischeMerkmale identifiziert und mathema-tisch beschrieben (z. B. Sporns et al.2004; Sporns 2010). So weisen korti-kale Netzwerke eine spezifische, nicht-zufällige Organisation auf und sind indichte Module von miteinander verbun-denen Regionen gegliedert. Außerdemzeigen die Netzwerke eine heterogeneVerbindungsverteilung, bei der einigeZentralknoten („hubs“) deutlich mehrVerbindungen als andere Knoten besit-zen. Module und Zentralknoten sindin Hub-Modulen, sogenannten „richclubs“, kombiniert (Heuvel und Sporns2011; Zamora-López et al. 2010). Trotzdes bereits existierenden Wissens zudiesen komplexen topologischen Eigen-schaften ist die Beziehung von grundle-genden Konnektivitätsparametern, z. B.dem Vorhandensein oder Fehlen vonspezifischen Verbindungen zwischenkortikalen Regionen, zu den verschiede-nen architektonischen Parametern nochwenig verstanden.
Mathematische Modelle oder Ergeb-nisse der Diffusionsbildgebung für Kon-nektivität müssen anatomisch verifiziertwerden, um Fehlinterpretationen zu ver-meiden. Das ist, wie oben erwähnt, gera-de fürdasmenschlicheGehirn schwierig.Jedoch gibt es mit dem dreidimensiona-len „Polarized Light Imaging“ (3D-PLI)ein Verfahren ([3]; Reckfort et al. 2015),welches Korrelationen zwischen den Er-gebnissen von in vivo Bildgebung und
Neuroforum 3 · 2016 83
Übersichtsartikel
Abb. 18 Kortiko-kortikale Verbindungen im nicht-menschlichen Primatengehirn, identifiziert durch histologische Tracer-StudienunddiffusionsbasierteBildgebung.a–cVerteilungeinesretrogradenTracers (HRP-WGA) impräfrontalenKortexeinesRhesusaffens nach Injektion in Area 9 („injection site“, „is“ in Panel a). Der Ansatz identifiziert unterschiedliche PopulationenvonNeuronen (markiert durchweiße Pfeile), welche zu Area 9 projizieren. DieMethode erlaubt die quantitative Erfassungder Anzahl und laminaren Verteilung von Projektionsneuronen durch zelluläre Auflösung beimikroskopischer Darstellung(Panele b, c). Koronaler Schnitt (aus Hilgetag undBarbas 2006).d Traktografie von Verbindungen imMakaken-Gehirn (Koro-nalschnitt) basierend auf Diffusionsbildgebung („diffusion spectrum imaging“, „DSI“). Jede Faser istmit einer Farbe gekenn-zeichnet, welche demOrientierungsvektor zwischen ihren Endpunkten entspricht. (Aus Schmahmann et al. 2007)
Abb. 28 Darstellung der Faserbahnarchitekturmit 3D-PLI imGehirn dergrünenMeerkatze. Die Farbkugel kodiert die Richtung der Nervenfasern;schwarz bedeutet einen steilen Kippungswinkel der Faserverläufe. Die Ver-größerung zeigt Fasern aus demBereich des steil zur Schnittrichtung ver-laufenden Fasciculus longitudinalis superior unddes Corpus callosum.DieSchnittdicke beträgt 60 μm, die Auflösung in der Schnittebene 1,3 μm ([3];Reckfort et al. 2015).Mit 3D-PLI könnenFaserverläufe anatomischdetailliertuntersucht und zwischen Spezies verglichenwerden. (Zeineh et al. 2016)
post mortem Befunden herzustellen er-laubt [12]. 3D-PLI nutzt die doppelbre-chenden Eigenschaften der Markschei-den und ist in der Lage, verschiedeneGrößenskalen, von der Mikrometerebe-ne einzelner Axone bis hin zu makro-skopischen Verbindungen, darzustellen(. Abb. 2).
Kortikale Architektur
DieCharakterisierung verschiedenerBe-reiche der Hirnrinde durch ihre regionalunterschiedliche Zyto- oder Myeloar-chitektur ist ein klassischer Ansatz derNeuronatomie ([1]; Nieuwenhuys et al.2015; Zilles und Amunts 2010). Dabeisind dieDichte vonNeuronen inden ver-schiedenen kortikalen Schichten sowiedasAuftretenbestimmterSchichten(z. B.einer Schicht IV mit granulären Neuro-nen in sensorischen Arealen) wichtigeKriterien der Unterscheidung von Area-len [11]. In den letzten Jahrzehntenwurden diese Ansätze ergänzt durcheine systematische Charakterisierung
84 Neuroforum 3 · 2016
Abb. 39 Zytoarchitekto-nische Analyse des Gehirnsmit klassischenundmoder-nenAnsätzen. a Kartogra-fierung kortikalen Arealeauf der Grundlage ihrer re-gional charakteristischenZytoarchitektur. DorsaleAnsicht dermenschlichenGroßhirnrinde (Von Econo-mo1927).b BigBrain-Pro-jekt (bigbrain.loris.ca). Zell-körper-gefärbte Serien-schnitte einesmensch-lichenGehirnsmit einerisotropenAuflösung von20 μmwurden dreidimen-sional rekonstruiert underlauben eine umfassen-de Analyse von Zellvertei-lungsmustern und kortika-len Schichten [2]
der Neurotransmitter-Rezeptorarchitek-tur (Zilles und Amunts 2009). Trotz derlangen Tradition der architektonischenCharakterisierung des Kortex gab es bis-her nur wenige Bemühungen, kortikaleArchitektonik systematisch und quan-titativ für das menschliche Gehirn zuerfassen (Von Economo 1927; . Abb. 3).Diese Herausforderung wird nun ineiner Verbindung von klassischen his-tologischen Ansätzen mit Bildanalyse,statistischen Verfahren, MaschinellemLernen oder supercomputer-gestützten
Ansätzen angenommen. Einige Beispielesind nachfolgend aufgeführt.
Das BigBrain [2] ist ein 3D-rekon-struierter Datensatz histologischer, zell-körper-gefärbter Serienschnitte einesmenschlichen Gehirns. Die Auflösungist 20 μm in jeder Richtung des Raumes.Somit sind Merkmale zellulärer Archi-tektur bis zur Ebene großerNervenzellensichtbar. Das BigBrain ist der mikrosko-pische Referenzraum des Human BrainAtlas im Europäischen „Human BrainProject“ (www.humanbrainproject.eu/)
und ergänzt dort andere Referenzsyste-me, wie das T1-gewichtete individuelleReferenzgehirnodergemittelteReferenz-gehirne des MNI (Evans et al. 2012). DerDatensatz erlaubt eine systematische,quantitative Charakterisierung korti-kaler Architektur, unabhängig von deroriginalen histologischen Schnittebene.
Der JuBrain Atlas basiert auf zy-toarchitektonischen Analysen kortikalerAreale und subkortikaler Kerngebiete[1]. Der Atlas enthält probabilistischeKarten von Strukturen, die in histologi-
ZusammenfassungDie zelluläre Architektur (Zytoarchitektur)der kortikalen Areale der Großhirnrindeunterscheidet sich regional, ebenso wie dieVerschaltungen innerhalb eines Areals unddie Verbindungen zwischen den Arealen.Weitgehend unbekannt sind jedoch diegenauen Regeln, nach denen die zelluläreund Faserbahnarchitektur zueinander inBeziehung stehen und es fehlen Befunde,welche die charakteristischeOrganisation vonkortikaler Mikro- und Makrokonnektivitätumfassend erklären. Um Organisationsprinzi-pien kortikaler Konnektivität zu identifizieren,untersuchen wir systematisch unterschied-liche Parameter kortikaler Architekturund ihre Beziehung zur Organisation vonanatomischen Verbindungen zwischen kor-tikalen Arealen. Charakteristische Parameterkortikaler Architektur sind zum Beispiel dieunterschiedliche Dichte und Verteilung vonNeuronen und Neuronentypen in den ver-schiedenen Schichten kortikaler Areale sowie
die regionale Verteilung unterschiedlicherRezeptoren von Neurotransmittersystemen.Die zytoarchitektonische Charakterisierungdes Gehirns ist ein klassischer Ansatz derNeuroanatomie, der in den letzten Jahrendurch neue Markierungstechniken sowieoptische und analytische Verfahren ergänztwurde. Dennoch steht die systematische,quantitative Erfassung von architektonischenund morphologischen Parametern fürdas menschliche Gehirn noch am Anfang.Es ist eine große Herausforderung, dieextrem umfangreichen und detailliertenhistologischen Daten („big data“) mittelsneuartiger bildverarbeitender Technikenzu erfassen und zu quantifizieren. DieseAufgabe wird beispielsweise im BigBrain-Projekt in Angriff genommen. Umfangreicheanatomische Daten existieren dagegenbereits für die Gehirne von nichtmenschlichenPrimaten, der Katze oder der Maus, jedochstellt sich für jeden einzelnen Parameter die
Frage der Übertragbarkeit von Erkenntnissenzwischen den Spezies. Bereits vorliegendeAnalysen legen nahe, dass die regionalspezifische Zytoarchitektur der Großhirnrindeeng mit der Existenz und den laminarenProjektionsmustern kortikaler Verbindungenverbunden ist. Diese Ergebnisse implizierensystematische Beziehungen zwischen denMustern makroskopischer Verbindungenzwischen verschiedenen kortikalen Arealenund den regional spezifischen intrinsischenSchaltkreisen innerhalb von kortikalen Area-len. Solche Regelmäßigkeiten sind die Basisfür generische Modelle globaler kortikalerKonnektivität, welche essenzielle anatomischeund funktionelle Eigenschaften der kortikalenOrganisation des Säugetiergehirns abbilden.
AbstractBrain regions of the cerebral cortex differin their cytoarchitecture, as well as in theintrinsic connectivity within an area, and theorganization of macroscopic connectionsbetween different cortical areas. Nonetheless,it is not clear which rules underlie therelationship of cellular and fiber architecture,and how the characteristic cortical microand macroconnectivity are related to eachother. In order to identify principles of corticalconnectivity, we systematically investigatevarious parameters of cortical architectureand their relation to the organization ofanatomical connections among corticalareas. Characteristic parameters of corticalarchitecture include the differential densityand distribution of neurons and neurontypes across the layers of cortical areas, aswell as the regional distribution of differentreceptors of neurotransmitter systems. The
cytoarchitectonic characterization of thebrain is a classical approach of neuroanatomywhich recently has been supplementedby new techniques for labeling specificneural components as well as new opticaland analytical approaches. However, thesystematic quantitative acquisition ofarchitectonic and morphological parametersof the human brain has only just begun.It is a fundamental challenge to gatherand quantify the extremely extensive anddetailed histological data (“big data”) bynovel image processing techniques. Thischallenge is taken up in the BigBrain project.Extensive anatomical material also exists fora number of animal models, for example thebrains of nonhuman primates, the cat or themouse. However, for each single parameterit has to be demonstrated, in how far thesedata can be generalized across species.
Previous analyses support the notion thatthe regionally specific cytoarchitecture ofthe cerebral cortex is closely linked to theexistence and the laminar projection patternsof cortico-cortical connections. These resultsimply systematic relationships between thepatterns of macroscopic connections amongcortical areas and the regionally specificintrinsic circuitry within cortical areas. Suchrelations are the basis of generic models ofmultiscale cortical connectivity which reflectessential anatomical and functional propertiesof mammalian cortical organization.
schen Serienschnitten von jeweils 10 postmortem Gehirnen kartiert und in MNI-Raum übereinander gelagert wurden.Die Daten können verwendet werden,umbeispielsweise die Topografie vonBe-funden aus der in vivoNeurobildgebungzu interpretieren.
Kortikale Faserbahnarchitektur undVerbindungen von Arealen könnendurch PLI untersucht werden [3]. DieMethode basiert auf den doppelbre-chenden Eigenschaften der Markschei-den. Mithilfe eines Polarimeters werdendie Raumrichtungen der Fasern in un-
gefärbten Schnitten formalin-fixierterGehirne gemessen und anschließendüber die Schnittserien dreidimensionalrekonstruiert. Durch die Anwendungvon Traktografie-Verfahren lassen sichdann Faserverläufe dreidimensional re-konstruieren. Die räumliche Auflösung
86 Neuroforum 3 · 2016
Abb. 48 StrukturellesModell des kortiko-kortikalen Konnektomsder Katze. In der Abbildung sindmakroskopische Verbindungen des Katzenkortex in Bezug zuunterschiedlich differenzierten Typenkortikaler Architektur aufgetragen. Dabei sind die strukturellen Typen inRingen angeordnet, von äu-ßeren „höheren“ zytoarchitektonischen Typen (mit großer Neuronendichte und klarem Schichten-aufbau) zu inneren, „niedrigen“ Typenmit geringer Dichte undweniger deutlichemSchichtenaufbau(„höher“ und „niedriger“ bezieht sich hier auf die erkennbare laminareDifferenzierung von kortika-len Arealen). Diese ringförmige Anordnung vonArealenweist auchÜbereinstimmungenmit Gradi-enten vonArealen der sensorisch-motorischen Peripherie (außen) zu limbischenArealen (innen) auf.DieDicke der Linien entspricht der ordinalen Stärke der kortiko-kortikalenVerbindungen unddie Li-nienfarbe den Typenunterschieden zwischenArealen. DieDominanz von hellen (blauen bisgelben)Verbindungsfarben demonstriert, dass diemeistenVerbindungen zwischenArealen ähnlichenTypsexistieren. Außerdemwerden sogenannte „rich club“-Areale (mitweißerUmrandung) vor allemvonniedrigen Typen gebildet. Generell habenAreale niedrigerer Typenmehr Verbindungen. (Aus [9])
erreicht gegenwärtig etwa 1,3 × 1,3 ×60 μm.
Multimodale Magnetresonanztomo-grafie in Kombination mit semi-automa-tischen anatomischen Ansätzen erlaubtdie Kartierung des Gehirns auf derGrundlage von Bildgebungsdaten desHuman Connectome Project (Glasseret al. 2016). Diese Karte beinhaltet etwa180 Areale, die reproduzierbar erzeugtwerden können. Schwieriger ist die In-terpretation der Areale, da neben demMyelingehalt in der Rinde auch der inder weißen Substanz und andere Para-meter in dem gewählten multimodalenAnsatz zur Parzellierung beitragen.
Die Myelindichten der Hirnrindewurden basierend auf früheren mye-loarchitektonischen Untersuchungen
erfasst und dargestellt (Nieuwenhuysund Broere 2016). Grundlage für einemyeloarchitektonische Karte des gesam-ten Neokortex waren die historischenArbeiten von Oskar und Cecile Vogt.Die zweidimensionalen Karte wurde an-schließend auf den drei-dimensionalenMNI305-Referenzraum angepasst unddie Dichte myelinisierter Fasern wurdeaufgrund einer Metaanalyse der Datenvon Hopf abgeschätzt.
Sowohl die kortikale Zytoarchitektur alsauch die kortikale Konnektivität zeigensehrkomplexeMuster. Beide zusammen-
zufügen, erscheint zunächst als fast un-überwindliche Aufgabe. Ein Lösungsan-satz geht von der Annahme aus, dasses Regeln geben muss, die beide Aspek-te kortikaler Organisation generisch ver-binden.
In systematischen Studien habenwir die Beziehung von verschiedenenstrukturellen Parametern der Gehirnar-chitektur (z. B. die räumliche Separationvon Arealen oder ihre Ähnlichkeit inneuronaler Dichte, kortikaler Laminie-rung oder Dicke) zu Merkmalen vonVerbindungen untersucht. Dabei erwiessich, dass die architektonische Ähnlich-keit von kortikalen Arealen in Bezugauf die Dichte von Neuronen in denkortikalen Schichten konsistent mit demVorhandensein oder dem Fehlen vonVerbindungen und mit dem laminarenUrsprungs- oder Terminationsort vonVerbindungen korreliert ist. Solche Be-funde ergaben sich für Verbindungendes präfrontalen Makaken-Kortex [4,7], für ipsi-und kontralaterale kortika-le Projektionen [6] sowie subkortikaleProjektionen im Makakengehirn (Ghas-hghaei et al. 2007), für den visuellenKortex der Katze (Hilgetag und Grant2010)unddesMakakengehirns (Hilgetaget al. 2016) sowie die globalen kortikalenKonnektome von Katze ([9]; . Abb. 4),Makake [9] und der Maus (Goulaset al. 2016a). Erste Ergebnisse auf derGrundlage von Diffusionsbildgebunglassen vermuten, dass das menschlichekortiko-kortikale Konnektom ähnlichorganisiert ist (Goulas et al. 2016b).
Andere Faktoren, z. B. die räumlicheSeparation (d. h. der Abstand) der Area-le oder die Ähnlichkeit der Areale inBezug auf ihre Dicke waren nicht glei-chermaßen konsistent mit den Eigen-schaftenvonkortikalenProjektionenver-knüpft,wiediearchitektonischeÄhnlich-keit der Areale. Das heißt, dass die Ähn-lichkeit von kortikalen Arealen einemgenerellen „wiring principle“ (Verdrah-tungsprinzip)vonkortikalenVerbindun-gen im Säugetiergehirn zugrunde zu lie-gen scheint. Dieses Prinzip hat wichtigeImplikationen für die Organisation vonkortikaler Struktur und Funktion.
Neuroforum 3 · 2016 87
Übersichtsartikel
Abb. 58 IntegrationvonmikroskopischerundmakroskopischerkortikalerKonnektivität.aBeziehun-gen zwischen den architektonischenUnterschieden kortikaler Areale unddenMustern ihrermakro-skopischer Verbindungen. Verbindungen zwischen architektonisch sehr unterschiedlichenArealen(d. h.mit sehr verschiedener Neuronendichte in den kortikalen Schichten) haben ihrenUrsprung inden tiefen Schichten eines agranulärenAreals („Agranulär“) undenden indenoberen SchichteneinesArealsmit deutlicher Ausprägung aller sechs Schichten („Eulaminat II“). Solche Projektionen, in roterLinienfarbe, können als „feedback“-Verbindungen bezeichnetwerden. Projektionen in der entgegen-gesetzten Richtung („feedforward“, in blau) haben dazu komplementäre Ursprungs- und Terminati-onsmuster. Verbindungen zwischen architektonisch ähnlichenArealen („Dysgranulär“ und „Eulami-nat I“)hingegenzeigenVerbindungsmuster,dieals „lateral“bezeichnetwerdenkönnen(grüne Linien).Dieses Schema von Verbindungsregeln erlaubt eine Integration vonmakroskopischer undmikrosko-pischer kortikaler Konnektivität, da die zytoarchitektonischeDifferenzierung der verschiedenen kor-tikalen Areale nicht nur ihre extrinsische (makroskopische) Vernetzung, sondern auch die intrinsischezelluläreVerschaltungwiderspiegelt.Agranulär–einHirnarealohneSchichtIV (z.B.Area24 imanterio-ren zingulären Kortex) dysgranulär –Hirnareal, in demdie Schicht IV als eigenständige Schicht nichtdurchgängig sichtbar ist (z. B. Area 44 im posterioren Bereich desGyrus frontalis inferior). Die Typen„Eulaminat I“ und „Eulaminat II“ unterscheiden sich durch die klarere Schichtendifferenzierung unddeutlich höhere Dichte vonNeuronen vor allem in den oberen Schichten von „Eulaminat II“-Arealen(z. B. Area 17).b Integration vonmikro- undmakroskopischer Konnektivität der Großhirnrinde in ei-nem supercomputer-gestütztenMultiskalenmodell. Lokale, areal-intrinsische Schaltkreise beruhendauf einer großenAnzahl (ca. 105) von „integrate & fire“-NeuronenwerdenmittelsmakroskopischerVerbindungen zwischen denArealen vernetzt (Kunkel et al. 2009; Schmidt et al. 2016)
Implikationen des Zusam-menhanges von kortikalerArchitektur und Konnektivität
Die oben beschriebenen systematischenBeobachtungen von engen Beziehungenzwischen kortikaler Konnektivität undkortikaler Architektur in einer Reihe vonumfangreichen anatomischen Datensät-zenvonunterschiedlichenSpezies(Maus,Katze,MakakeundMensch)zeigenallge-meine Organisationsprinzipien des Säu-getiergehirns auf. Diese Ergebnisse le-gen nahe, dass die Konnektivität zwi-schen verschiedenen kortikalen Arealenund die Zytoarchitektur der Areale, ins-besondere die charakteristische Dichtevon Neuronen in den kortikalen Schich-ten, eng miteinander verbunden sind.DerZusammenhangkönntewährendderEntwicklung der Großhirnrinde entste-hen, da die Entwicklung der kortikalenSchichtenarchitektur und dasWachstumkortikaler Projektionen in den gleichenZeitfenstern ablaufen (z.B. [5]).
Die Beziehung zwischen kortikalerArchitektur und der Organisation vonVerbindungen hat funktionelle Impli-kationen. Die Anordnung von Arealenim strukturellen Modell (. Abb. 4) decktsich mit Sequenzen von Arealen, dieaus den spektralen (d. h. frequenzspe-zifischen) funktionellen Interaktionender Areale abgeleitet werden können.Solche funktionellen Kopplungen sindbeispielsweise „feedforward“-Interak-tionen, die im Gamma-Band ablaufenoder „feedback“-Interaktionen, die vorallem im Beta-Band stattfinden. VisuelleAreale können nach ihren paarwei-sen Interaktionen in den Gamma- undBeta-Bändern angeordnet werden. In-teressanterweise ist die Stärke dieserfrequenzspezifischen Interaktionen imMakakengehirn mit der quantitativenVerteilung von Projektionsneuronen inden oberen und tiefen kortikalen Schich-ten korreliert [8]. Der Zusammenhangvon kortikaler Architektur und korti-kaler Konnektivität impliziert, dass dielaminaren anatomischen Projektions-muster aus den architektonischen Un-terschieden kortikaler Areale resultieren(. Abb. 5a). Das heißt, es existiert einmechanistischer Zusammenhang zwi-schen der charakteristischen Anatomie
88 Neuroforum 3 · 2016
kortikaler Areale und ihrer Kommuni-kation in spezifischen Frequenzkanälen.Dem entsprechend könnte eine architek-tonische Charakterisierung von Arealenim menschlichen Gehirn dabei helfen,ihre funktionellen Interaktionen vorher-zusagen (Michalareas et al. 2016).
Kortikale Areale mit unterschied-licher zellulärer Architektur besitzenauch spezifische intrinsische Schalt-kreise [10]. Deshalb erlauben die be-schriebenen Regeln eine Integrationvon kortikaler Makro- und Mikrokon-nektivität (. Abb. 5). Dabei reflektiertdie Architektur einer kortikalen Regionsowohl die intrinsische Mikrokonnek-tivität als auch die Regeln makrosko-pischer Konnektivität, nach denen dieRegion mit anderen Arealen (von ähn-licher oder unterschiedlicher Architek-tur) verbunden ist. Diese Verbindungvon mikroskopischen mit makrosko-pischen Konnektivitätsmustern erlaubtdie Ableitung von generischen Regelnkortikaler Multiskalenverschaltung, aufderen Grundlage neue Computermo-delle entwickelt werden können, welchedie allgemeinen Prinzipien kortikalerKonnektivität berücksichtigen. Ein ers-tes Beispiel für ein solches Modell gebenSchmidt et al. (2016). Dieses Modelsimuliert die gesamten neuronalen Po-pulationen von kortikalen Kolumnenin den verschiedenen Arealen des vi-suellen Makaken-Kortex mit all ihrenmikroskopischen und makroskopischenVerbindungen (. Abb. 5b). Der Vorteildieses detaillierten Ansatzes gegenübervorherigen Modellen, welche die lokalenAktivitäten der Areale nur approximiert,jedoch nicht vollständig simuliert haben,liegt darin, die Aktivität der neuronalenPopulationen auch in Statistiken zweiterOrdnung korrekt zu repräsentieren (Al-bada et al. 2015). Das erzeugte Modellist sehr rechenintensiv und muss mit-hilfe eines Supercomputers berechnetwerden.
Solche detaillierten Modelle stelleneinewichtigeGrundlage dar, umkortika-le Organisationsprinzipien zu explorie-ren und die Eigenschaften von Konnek-tivität und kortikalen Aktivitätsmusternvorherzusagen und zu überprüfen. Esbleibt jedoch eine dringendeAufgabe derkommenden Jahre, kortikale Architektur
– vor allem für dasmenschlicheGehirn –sowie kortikale Konnektivität in hoherräumlicher Auflösung systematisch undquantitativ zu erfassen, um daraus Or-ganisationsprinzipien abzuleiten, welcheals Grundlage für die nächste Generationvon Modellen kortikaler Struktur undFunktion dienen können.
Korrespondenzadresse
Prof. Dr. C. C. HilgetagInstitut für ComputationalNeuroscience, Universi-tätsklinikum Hamburg-EppendorfMartinistr. 52, W36,20246 Hamburg, [email protected]
Prof. Dr. K. AmuntsInstitut für Neurowissenschaf-ten und Medizin (INM-1),Forschungszentrum Jülich52425 Jülich, [email protected]@uni-duesseldorf.de
ClausC.HilgetagstudierteBiophysik inBerlinundNeu-rowissenschafteninEdinburgh,Oxford,NewcastleundBoston. Er gehörte zur Gründungsfakultät der JacobsUniversity Bremenund leitet seit 2011 das Institutfür Computational Neuroscience amUniversitäts-klinikumEppendorf derUniversitätHamburg. SeineArbeitsschwerpunkte liegen in derUntersuchungvonOrganisationsprinzipien kortikaler Konnektivi-tät sowie der computergestütztenModellierung vonkonnektivitätsbasierter Gehirnaktivität.
Katrin Amunts hatMedizin undBiophysik studiert.Sie leitet das C. undO. Vogt-Institut für HirnforschungamUniversitätsklinikumDüsseldorf unddas Insti-tut für Neurowissenschaften undMedizin, INM-1 amForschungszentrum Jülich. Katrin Amunts ist Spre-cherin des Programms „Decoding theHumanBrain“derHelmholtz-Gemeinschaft. Sie ist stellvertretendeVorsitzendedesDeutschen Ethikrats. Seit 2016 ist sieScientificDirector desHumanBrain Project. Ihr For-schungsinteresse ist die Entwicklung eines skalen-undmodalitätsübergreifendenAtlas desmenschli-chenGehirns.
Danksagung. Die Forschung von CCH wirdunterstützt durch die DFG (SFB 936/A1, Z3 und TRR169/A2). Weitere Unterstützung von KA durchEuropean Union Seventh Framework Programme(FP7/2007–2013) under grant agreement no. 604102(Human Brain Project) sowie bzgl. der Arbeiten amGehirn der grünenMeerkatze vom National Institutesof Health (R01 MH092311).
Einhaltung ethischer Richtlinien
Interessenkonflikt. C.C. HilgetagundK. Amuntsgeben an, dass kein Interessenkonflikt besteht.
Dieser Beitragbeinhaltet keine vondenAutorendurchgeführten Studien anMenschenoder Tieren.
Literatur
1. Amunts K, Zilles K (2015) Architectonic mappingof the human brain beyond Brodmann. Neuron88:1086–1107
2. Amunts K, Lepage C, Borgeat L, Mohlberg H,Dickscheid T, RousseauM, Bludau S, Bazin P, LewisL, Oros-Peusquens A, Shah N, Lippert T, Zilles K,Evans A (2013) BigBrain – an ultra-high resolution3Dhumanbrainmodel. Science340:1472–1475
3. AxerM,GrässelD,KleinerM,DammersJ,DickscheidT, Reckfort J, Hütz T, Eiben B, Pietrzyk U, ZillesK, Amunts K (2011) High-resolution fiber tractreconstruction in the human brain by means ofthree-dimensional polarized light imaging. FrontNeuroinform5:34
4. Barbas H (1986) Pattern in the laminar originof cortico-cortical connections. J Comp Neurol252:415–422
5. Barbas H (2015) General cortical and specialprefrontal connections: principles from structureto function.AnnuRevNeurosci38:269–289
6. Barbas H, Hilgetag CC, Saha S, Dermon CR, SuskiJL (2005) Parallel organization of contralateral andipsilateral prefrontal cortical projections in therhesusmonkey.BMCNeurosci6:32
7. Barbas H, Rempel-Clower N (1997) Corticalstructure predicts the pattern of cortico-corticalconnections.CerebCortex7:635–646
8. Bastos AM, Vezoli J, Bosman CA, Schoffelen JM,Oostenveld R, Dowdall JR, DeWeerdP, KennedyH,Fries P (2015) Visual are a sexert feed forward andfeedback influences through distinct frequencychannels.Neuron85:390–401
9. Beul SF, Grant S, Hilgetag CC (2015a) A predictivemodel of the catcortical connectome based oncytoarchitecture and distance. Brain Struct Funct220:3167–3184
10. Beul SF,HilgetagCC (2015b)Towards a „canonical“agranular cortical microcircuit. Front Neuroanat8:165
11. Brodmann K (1909) Vergleichende Lokalisati-onslehre der Grosshirnrinde in ihren Prinzipiendargestellt auf Grund des Zellenbaues. J. A. Barth,Leipzig
12. Caspers S, Axer M, Caspers J, Jockwitz C, JüttenK, Reckfort J, Grässel D, Amunts K, Zilles K (2015)Target sites for transcallosal fibers in human visualcortex – a combined diffusion and polarized lightimagingstudy.Cortex72:40–53
5., aktualisierte u. erw. Aufl. 2014. XIII, 326 S. Brosch.978-3-662-43664-6€ (D) 19,99 | € (A) 20,55 |* sFr 25,00
5., korr. Aufl. 2014.X, 192 S. 36 Abb. in Farbe. Brosch.978-3-642-41676-7€ (D) 19,99 | € (A) 20,55 |* sFr 25,00
€ (D) sind gebundene Ladenpreise in Deutschland und enthalten 7% MwSt. € (A) sind gebundene Ladenpreise in Österreich und enthalten 10% MwSt. Die mit * gekennzeichneten Preise sind unverbindliche Preisempfehlungen und enthalten die landesübliche MwSt. Preisänderungen und Irrtümer vorbehalten.
Leon Stefanovski1 · Amna Ghani1,2,3 · Anthony Randal McIntosh4 · Petra Ritter1,2,5
1 Klinik für Neurologie, Charité – Universitätsmedizin Berlin, Berlin, Deutschland2 Berlin School of Mind and Brain & Mind and Brain Institute, Humboldt Universität, Berlin, Deutschland3Machine Learning Group, Technische Universität Berlin, Berlin, Deutschland4 Rotman Research Institute of Baycrest Centre, University of Toronto, Toronto, Kanada5 Bernstein Focus State Dependencies of Learning & Bernstein Center for Computational Neuroscience,Berlin, Deutschland
Verknüpfung von Struktur undAktivität immenschlichenGehirn: Theorien helfen, auskomplexen Daten Wissen zugenerieren
Hintergrund
Das Gehirn ist ein komplexes Netzwerkaus Milliarden interagierender Zellen,deren Funktionsweise von Proteinenreguliert wird, die ihrerseits in Genenkodiert sind. Man glaubt, dass kognitiveFunktionen durch solche komplexenNetzwerke aus individuellen Elemen-ten entstehen. Eintreffende Informa-tionen werden über eine Änderungdes Netzwerkverhaltens prozessiert. DasForschungsfeld der Konnektomik (imFolgenden benutzen wir den englischenBegriff Connectomics) (Sporns et al.2005; [5]) hat sich zum Ziel gesetzt, eineumfassende Beschreibung der struk-turellen und funktionellen Kopplungzwischen den neuralen Elementen desGehirns aufzudecken. Zurzeit fließenimmense wissenschaftliche Ressourcenin die Untersuchung der Struktur desneuronalen Netzes auf verschiedenenSkalen (Ebenen) (. Abb. 1): Von derdetaillierten Konnektivität lokaler neu-ronaler Schaltkreise bis zu makrosko-pischen Verbindungsmustern zwischenganzen Hirnregionen. Die skalenüber-
Eine vollständige Liste aller aufgeführtenReferenzenistbeie-Neuroforum,derenglischenOnline-VersiondesArtikelsbei Springer-Link, zufinden.
geifende Netzwerkstruktur kann aufstruktureller/anatomischer wie auch auffunktioneller Ebene erforscht werden.Sowohl anatomische als auch funktionel-le Konnektivitätsmuster verändern sichüber unterschiedliche Zeitskalen. DieseVeränderungen bilden die Grundlagefür Entwicklung, Lernen, Alterung undKrankheiten.
Obwohl wir Fortschritte beim Ver-ständnis und der Beschreibung vonKartierungen der strukturellen Kopp-lungzwischenneuronalenElementendesGehirns machen, liegt unser Verständnisder funktionellen Kopplung vergleichs-weise weit dahinter zurück. Die Kenntnisdes anatomischen Konnektoms mitsamtjedes einzelnen strukturellen Details wä-re vergleichbar mit unserer Kenntnis desGenoms. Es wäre zweifellos ein großerund wichtiger Meilenstein. Nichtsdesto-trotz stellt das Wissen um die Strukturdes Genoms nur einen einzelnen – wennauch sehr wichtigen – Aspekt dar, derzu den komplexen regulatorischen Pro-zessen der Proteinexpression beiträgt.Um die Funktion zu verstehen, müssenweitere Informationen über die zeitlicheund lokale Expression von bestimm-ten Genen integriert werden. Analogdazu ist das Verständnis der Strukturdes neuronalen Netzwerks zweifelsoh-ne ein wichtiger Schritt in Richtung
des Verständnisses der Funktionsweisedes Gehirns. Weitere Schritte sind not-wendig, um zu verstehen, wie einzelnekonkrete Verknüpfungen an der Aus-formung von Kognition beteiligt sind(Swanson et al. 2016).
Bis heute ist es mit keiner einzelnenexperimentellen Methode möglich, dieneuronale Aktivität gleichzeitig auf denmultiplen räumlichen-zeitlichen Skalender Informationsverarbeitung des Ge-hirns zu messen. Die hohe Zahl derinteragierenden Elemente und ihrerFeedbackschleifen führt zu komple-xen funktionellen Abhängigkeiten. Eineverbale, graphische oder statistische Be-schreibung der empirischen Beobach-tungen, wie sie traditionell in der Biolo-gie vorgenommen werden, wäre für einquantitatives Verständnis der Hirnfunk-tion nicht ausreichend. Daher benötigenwir mathematische, computergestützteMethoden, um eine Beschreibung derProzesse möglich zu machen, die sichentlang des strukturellen Konnektomsabspielen. Solche Modelle bilden eintheoretisches Fundament der Informati-onsverarbeitung im Gehirn – das Com-putational Connectome. Es beschreibtdie Beziehung zwischen Struktur undFunktion des Gehirns mit mathemati-schen Gleichungen. Es ist mehr als dieSumme von strukturellem und funk-
Neuroforum 3 · 2016 91
Übersichtsartikel
Abb. 18 NeuronaleNetzwerkeerstreckensichübervieleGrößenordnungen:DiemakroskopischeAk-tivität resultiert ausProzessenderSchaltkreise aufmesoskopischerEbene,diewiederumdasErgebnismikroskopischer Vorgänge individueller Neurone und Synapsen ist
tionellem Konnektom. ComputationalConnectomics macht die Erforschungvon skalenübergreifendem Verhalten aufeiner völlig neuen Ebene möglich.
Netzwerkmodelle des Gehirns– die Suche nach einemKompromiss zwischenKomplexität und Einfachheit
Zweifellos ist die Kenntnis von De-tails der physiologischen Funktionenauf der mikroskopischen Ebene sehrwichtig. Jedoch findet die Integrationvon vielen Informationen und damitdie Entstehung von Kognition auf dermakroskopischen Skala des Gehirnsstatt, also auf der Ebene großer, teilwei-se weit über das Gehirn ausgedehnterNeuronenpopulationen. Nichtinvasivefunktionelle Bildgebungsverfahren wiedie Elektroenzephalographie (EEG), diefunktionelle Magnetresonanztomogra-phie (fMRI) und die Positronenemissi-onstomographie (PET) stellen globale
makroskopische Abbildungen der neu-ronalen Dynamik zur Verfügung. Diemakroskopischen Signaleigenschaftenentstehen aus lokalen und globalen neu-ronalen Interaktionen.
Ein neuer und hochentwickelter An-satzzurSimulationdesgesamtenGehirnswird von der Informatikplattform TheVirtual Brain (TVB) geboten (www.thevirtualbrain.org; Ritter et al. 2013;Roy et al. 2014; Kringelbach 2015)(. Abb. 2). Diese frei verfügbare open-source Plattform integriert den makro-strukturellen Aspekt der neuronalenKonnektivität zwischen Hirnarealen.Einzelne Hirnareale werden jeweils voneinem regionalen Neuronenmodell re-präsentiert, das die Fähigkeit besitzt, re-levante Eigenschaften der Hirnaktivitätim mesoskopischen Bereich abzubilden,d. h. von vereinzelten Zellpopulationenbis zu Gruppen aus mehreren hundertNeuronen. Die regionale Dynamik kannihrerseits im Kontext von globalen –also weit über das Gehirn ausgedehn-
ten – Interaktionen untersucht werden.Das ermöglicht die Modellierung vonwichtigen funktionellen Prinzipien wieIntegration und Segregation [9]. Damitkönnen wir besser verstehen, wie sichändernde Netzwerkparameter bei Lern-prozessen, Alterung und Krankheit zuveränderter Funktion führen ([10, 11];Jirsa et al. 2014).
Es gibt heutzutage eine Vielzahl vonnichtinvasivenMethodenzurfunktionel-len und strukturellen Bildgebung des ge-samten Gehirns, wobei die makroskopi-sche Ebene erfasst wird. Mit TVB in-tegrieren wir solche Informationen inNetzwerkmodelle des Gehirns und kön-nen sie so mit lokal – also meist inva-siv – gemessenen Mikroeigenschaften inVerbindung setzen. Dabei können sichdie mikro- und makroskopische Ebe-ne gegenseitig beeinflussen (Roy et al.2014; Ritter et al. 2015). Mikroskopischeneuronale Modelle können so letztlichin einen größeren funktionellen Kon-text gesetzt werden. Das umfangreichetheoretische Portfolio der traditionellenComputational Neuroscience, das größ-tenteils auf eben diesen Mikroverschal-tungen basiert, kann nun im Kontextdes gesamten Gehirns betrachtet wer-den. Erst vor Kurzem wurde eine voll-automatisierte open-source Pipeline fürdie standardisierte Prozessierung mul-timodaler menschlicher Bildgebungsda-ten veröffentlicht. Sie verarbeitet Bildge-bungsdaten verschiedenster Methoden,sodass am Ende alle Modalitäten für dieNutzung in TVB in geeigneter Form zurVerfügung stehen (Schirner et al. 2015).Außerdem können weitere bekannte In-formationen aus den Gehirnen andererSpezies, wie beispielsweise denMakaken,in das Modell integriert werden [4]. Eswerden neue Algorithmen, die Plastizi-tät und Lernen im gesamten Gehirn be-schreiben, entwickelt (Roy et al. 2014)und für die Integration von verschiede-nenEbeneneingesetzt (Ritter et al. 2015).
Ein besonderer Fokus in den erstenAnwendungen lag auf einem prominen-ten Rhythmus im menschlichen EEG –dem Alpharhythmus. Er ist ein Para-debeispiel für ein Signal, das in einemkomplexen nichtlinearen System – demGehirn – generiert wird [12]. MöglicheMechanismen, welche die Rolle dieses
92 Neuroforum 3 · 2016
besonderen Frequenzbandes für Plastizi-tät und Lernen erklären, konnten bereitsidentifiziert werden (Sigala et al. 2014;Freyer et al. 2012, 2013). Wenn man be-kannte inhibitorische Verbindungen inein thalamokortikales Netzwerkmodellimplementiert, so erlaubt dies die Iden-tifikation von Mechanismen der Alpha-Phasen-Abhängigkeit der neuronalenFeuerraten und der inversen Beziehungzwischen der Alpha-Power und demkortikalen fMRI-Signal [3]. Solche Be-funde unterstreichen, wie wichtig esist, Interaktionen zwischen multiplenHirnregionen in die neuronalen Model-le einzubeziehen [7]. Im Hinblick aufdie unzähligen Abhängigkeiten in einemkomplexen System wie dem Gehirn wä-re der Umfang aller Daten, die benötigtwürden, um jedes einzelne möglicheSzenario von Interaktionen abzubilden,enorm. Daher sind wir auf die gezielteHerleitung durch Theorien angewiesen,um diejenigen Daten auszuwählen, wel-che neue Einblicke in die Funktion desGehirns versprechen.
Skalenunterschiede mitindividualisierten Hirnmodellenüberbrücken – eine Revolutionin der Medizin
Eine wichtige Innovation in der Mo-dellierung von neuronalen Netzwerkenist die Einbindung der individuellenHirnstruktur einer Person. Beispiels-weise werden Verbindungsstärken undVerbindungsdistanzen zwischen denGehirnregionen zunächst experimentellgemessen und dann in dasModell aufge-nommen. Das individuelle strukturelleKonnektom wird durch das nichtinvasi-ve Verfahren des Diffusion Tensor Ima-ging (DTI) gewonnen, einer besonderenAnwendung der Magnetresonanztomo-graphie. Zurzeit ist TVB die einzigeexistierende Simulationsplattform mitdiesen Möglichkeiten. TVB wurde auseinemForschungsprogrammheraus ent-wickelt, das – auf der Basis empirischerKonnektivität und lokalen sogenannten,mean-field‘ Modellen von Neuronen-populationsaktivität – eine realistischeNetzwerkdynamik für das gesamte Ge-hirn simuliert ([7, 8]; Ritter et al. 2013).Langfristig soll es möglich sein, Modelle
L. Stefanovski · A. Ghani · A. R. McIntosh · P. Ritter
Verknüpfung von Struktur und Aktivität immenschlichen Gehirn:Theorien helfen, aus komplexen DatenWissen zu generieren
ZusammenfassungUm die menschliche Kognition wirklich zuverstehen, ist es von essenzieller Bedeutung,das Gehirn in all seinen multiplen Ebenenzu studieren. Das Gebiet der ComputationalConnectomics eröffnet einen neuen Zweigin den Neurowissenschaften, in demversucht wird, verschiedene empirischeBeobachtungenmit einemmathematischenModell des Gehirns zu erklären. Einebemerkenswerte Innovation stellt hier diePlattform The Virtual Brain (TVB) dar. Sieermöglicht die Modellierung und Simulationdes vollständigen menschlichen Gehirns.Dabei wird die individuelle Konnektivitäteiner Person, also ein Gerüst von langenNervenfaserbündeln im Gehirn, mitbiologisch realistischenModellen der lokalenNeuronenpopulationen kombiniert. DasVirtual Brain erlaubt die Simulation undVorhersage der globalen neuronalen Aktivität,die sich in der gesamten kortikalen und
sub-kortikalen grauen Substanz entfaltet.Dabei werden auch diejenigen Signalesimuliert, die wir bei individuellen Personenmit invasiven und nichtinvasivenMethodenmessen können. TVB wird aktuell genutzt, umstrukturelle und funktionelle Veränderungenim erkrankten Gehirn zu untersuchen. Eswurden bereits Erfolge in der Erforschungdes Schlaganfalls und der Epilepsie verbucht.Die durch TVB ermöglichten personenbezo-genen neuronalen Modelle eröffnen neueMöglichkeiten zur sicheren und effizientenpersonalisierten Diagnostik, Prognostik undTherapie bei verschiedenen neurologischenund kognitiven Erkrankungen.
Linking connectomics and dynamics in the human brain: Big dataneed big theories!
AbstractTo understand human cognition, it isessential to study the brain on multiplelevels, from microscopic to macroscopicscales. Computational connectomics isa new area of Neuroscience where scientistsseek to combine empirical observationswithin a computational theory of the brain.The whole-brain network modeling andsimulation platform, The Virtual Brain (TVB),is a remarkable innovation in the field ofcomputational connectomics. By combiningthe connectivity of individual persons withlocal biologically realistic populationmodels,TVB allows simulation and prediction ofthe local activity of neuronal populationsand the global activity unfolding along
the grey matter, both of which can belinked to empirical measures of electrical,hemodynamic and structural aspects of thebrain. TVB is currently used to study thestructural, functional and computationalalterations in the diseased brainwith reportedsuccesses in stroke and epilepsy. Subjectspecific brain models provided by TVB willresult in robust and efficient personalizeddiagnostics, prognostics and treatment.
KeywordsComputational connectomics · The VirtualBrain · Brain network models · Big data ·Neuroimaging · Precisionmedicine
von Patientengehirnen zu simulieren.Damit sollen dann Verläufe von Krank-heiten vorhergesagt werden. Außerdemsoll es möglich werden, verschiedeneTherapieverfahren an den Modellen zutesten, um die optimale Behandlung fürdie individuelle Person auszuwählen.Wir müssen die präzisen Funktionsme-chanismen des Gehirns verstehen, um
neue Medikamente und Therapien fürneuronale und psychiatrische Erkran-kungen entwerfen zu können. Wie auchdas explizite Wissen über das Genomnicht direkt zur Erkenntnis von neu-en Therapien und Diagnosen geführthat, ist die Kenntnis des strukturellenKonnektoms allein nicht ausreichend,um die Neurologie zu revolutionieren.
Neuroforum 3 · 2016 93
Übersichtsartikel
Abb. 28 Erkenntnisgewinnmit der Simulationsplattform TheVirtual Brain: Bildgebungsdatenwer-denalsbiophysikalischesFundamenteinesGesamthirn-Netzwerkmodellsgenutzt.Hirnregionenwer-den von lokalen Populationsmodellen repräsentiert, die über das strukturelle Konnektom interagie-ren.TVBgibtSignaleunterschiedlicherMessungsmodalitätaus.Simulierteundempirischefunktionel-le Bildgebungsdatenwerden verglichen, umdie Vorhersagekraft der Gehirnmodelle zu überprüfen.Prädiktionsfehlerwerden für eine große Zahl von Parameterkonstellationen undModellen berech-net. Die Informationen gehen in die TVB-Datenbank ein, wo sie zur statistischen Evaluation und zumWissensaustausch zur Verfügung stehen
Abb. 38 Personalisierte, biologisch basierte, neuroinformatischeModelle desGehirns: Individuali-sierte neuronale Netzwerkmodelle können denUrsprung interindividueller Unterschiede in der Hirn-funktion aufdecken und sollenwirkungsvolle Instrumente der Präzisionmedizinwerden
Individualisierte Modelle des neurona-len Netzwerks eröffnen einen gänzlichneuen Horizont voller Möglichkeitenfür das Verständnis von Erkrankungendes Gehirns und möglicher vorbeugen-der oder therapeutischer Interventionen(. Abb. 3).
Eine fundamentale Grundlage der In-formationsverarbeitung imGehirn ist diegezielte Synchronisation von bestimm-ten Knoten im Netzwerk. Das Gehirnbaut sich aus Modulen auf, die zu ver-schiedenenGradenspezialisiert sind.Umkognitive Funktion zu ermöglichen,wirddie Aktivität verschiedener Module in-tegriert. Nichtinvasive Bildgebungsver-fahren des Gehirns wie das EEG undfMRI messen die Aktivität der einzel-nen Netzwerke. Die bildgebenden Me-thoden liefern komplementäre Informa-tionen zu neuronalen Prozessen auf ver-schiedenen räumlich-zeitlichen Skalen.Diese Vielfalt der Informationen fließt indie Netzwerkmodelle ein. Während desAlterns und verschiedenerErkrankungs-prozesse verändert sich die Kommunika-tion zwischen verschiedenen Modulen,was zu kognitiven Defiziten führen kannund sich in charakteristischen Verände-rungen der Hirndynamik wiederspiegelt(Uhlhaas und Singer 2006).
DiemeistenlokalenneuronalenPopu-lationsmodelle bieten eine umfangreicheAuswahl an Parametern an, die sich aufreale physiologische Prozesse beziehen –z. B. verschiedene Ionenkanäle und ihreÖffnungswahrscheinlichkeit, die Kopp-lungsstärke zwischen unterschiedlichenNeuronenpopulationen oder die Ner-venleitgeschwindigkeit ([3]; Sanz-Leonet al. 2015). Virtuelle Gehirne gestattendie Manipulation isolierter Eigenschaf-ten, was in vielen Fällen mit empirischenMethoden unmöglich wäre. Die trans-kranielle Hirnstimulation hat gut doku-mentierte Effekte auf das funktionelleKonnektom [1] und wird momentanauf ihre Wirksamkeit bei Depression[6] und für Neuro-Enhancement [2]geprüft. Basierend auf individuellen Ge-hirnmodellen, könnten solche Verfahrenin Zukunft für ein individuelles Gehirnmaßgeschneidert werden. In TVB kannder zeitliche Verlauf der neuronalenAktivität ohne örtliche oder zeitlicheAuflösungsgrenzen verfolgt werden, was
94 Neuroforum 3 · 2016
Abb. 48 Neuronale Netzwerkmodelle wie TheVirtual Brain können alsmathematischesMikroskopfungieren. Sie lassen auf das Verhaltenmesoskopischer Populationen schließen, z.B. das Exzitations--Inhibitions-Gleichgewicht undneuronale Feuerraten, aber auchdie intrinsische Stärke der Kopplungzwischen inhibitorischemund exzitatorischemFeld, hier repräsentiert über die Parameter K11,12,21
bei empirischen Untersuchungen un-möglich ist (Jones et al. 2012; Vemuriet al. 2011). TVB kann als ein „mathe-matisches Mikroskop“ (. Abb. 4) benutztwerden. Es gewährt uns Einblicke indie Prozesse im Inneren der lokalenPopulationsmodelle – im Kontext derglobalen Hirnaktivität. Beispielsweisedie lokale Exzitations-Inhibition-Balan-ce oder neuronale Feuerraten könnenmit nichtinvasiven Methoden nicht auf-gelöst werden, jedoch mit dem VirtualBrainhergeleitetwerden. SolcheBefundekönnen als Surrogate von Mikroeigen-schaften verstanden werden, aber auchals Biomarker für Alterung, Krankheit(Jirsa et al. 2016) oder den Verlauf vonKrankheiten, beispielsweise bei Patien-ten mit Schlaganfall [10, 11].
Als ein Beispiel sei ein kürzlich pu-bliziertes individualisiertes Hirnmodell
eines Patienten mit bitemporaler Epi-lepsie genannt (Jirsa et al. 2016). DasModell hat verschiedene Typen epilepti-schen Verhaltens generiert, wie einfacheoder komplexe Anfälle – genau wie sieauch beim Patienten zu beobachten wa-ren. Das Modell wurde mittels struktu-reller, funktioneller MRT und EEG-Da-ten kalibriert und personalisiert. Im Ein-klang mit pathophysiologischen Überle-gungen wurde für jeden Netzwerkkno-ten eine epileptogene Schwelle definiert.Dieser spezielle Fall demonstriert auchdie Praktikabilität für klinische Anwen-dungen: DieDaten des Patienten wurdenpräoperativ vor der neurochirurgischenResektion eines Hamartoms erhoben. InZukunft könnten individualisierte Hirn-modelle dieDiagnostik undTherapie derEpilepsie stärken, indem sie eine zuvorunbekannte epileptogene Zone identifi-
zieren, eine MR-morphologisch als epi-leptogen verdächtigte Läsion bestätigenoder das Ergebnis der chirurgischen In-tervention simulieren, indem das adjus-tierte Modell entsprechend manipuliertwird. Der ungeheure Umfang der Da-ten, die uns heute über das Gehirn zurVerfügung stehen, birgt großesPotenzial,aber auch massive methodische Heraus-forderungen, nämlich dieNotwendigkeitzur Systematisierung und Standardisie-rung sowie dem Gebrauch von komple-xen Algorithmen und Neuroinformati-kressourcen (Younesi et al. 2013).
Big data – und große Theorien!Wie wir aus Daten Wissengenerieren
Angeblich werden wir, wenn wir erstin der Lage sind, das Gehirn zu simu-lieren, verstehen, wie es funktioniert –und uns dann letztlich selbst verstehen.Die menschliche Persönlichkeit, unsereErinnerungen, Dysfunktionen und Er-krankungen sind zu einem Teil von derVerdrahtung unserer Gehirne abhängig.Ein Fortschritt in Richtung dieses Zielserfordert ein enges Zusammenspiel vonexperimentellen und theoretischen, aberauch rechnerisch-neuroinformatischenAnsätzen. Datensätze in der Konnekto-mik sind riesig und stellen Prototypenvon big data dar, die viel zu groß undkomplex sind, um auf einfache Weisevisualisiert und intuitiv vom mensch-lichen Gehirn verstanden zu werden.Unser Ziel ist es jedoch, die Strukturenhinter diesen Daten aufzudecken, diePrinzipien ihrer Organisation zum Kon-nektom zu verstehen und zu begreifen,wie sich daraus Entwicklung und Lernenausformen, wie sie die normale Funktiondes Gehirns möglich machen, wie siesich verändern, wenn wir altern odereine Erkrankung erleiden, und wie dieseVeränderungen Auswirkungen auf dieFunktion haben.
Es gibt drei Herausforderungen aufdem Weg zum genannten Ziel:
1. Rechenstärke. Die Analyse von Bild-gebungsdaten ist aufwändig in Hinblickauf die Rechenzeit und stellt einenlimitierenden Faktor für die Konnek-tomik der zellulären Auflösung dar
Neuroforum 3 · 2016 95
Übersichtsartikel
(Helmstaedter et al. 2013; Helmstaedter2015). Mit umgekehrten, teleologischenVersuchsanordnungen können wir ausexperimentellen Resultaten auf die Re-gulationsprinzipien schließen. Indessensimulieren diese Algorithmen eine großeZahl möglicher Szenarien durch die Ex-ploration von großen Parameterräumenund erreichen daher schnell die Grenzender Berechenbarkeit selbst der leistungs-stärksten Supercomputer.
2. Datenaustausch. Die skalenüber-geifenden Modelle benötigen vielerleiexperimentelle Ansätze, um Daten aufden verschiedenen zeitlichen und räum-lichen Skalen zu akquirieren. Die Samm-lung empirischer Daten benötigt vieleRessourcen, z. B. teure und aufwändigeTechnologien zur Erfassung der Datenund hochqualifiziertes Personal. Es müs-sen also viele Forschungsinstitutionenzusammenarbeiten, um die erforderli-chen Daten zusammenzutragen. Um eineffizientes ,data sharing‘ zu gewährleis-ten, werden neue Informatiklösungenbenötigt, die Pflege von Datenbanken,Einführung von Standards, sowie eineForschungsumgebung, die Anreize füreben diese Bemühungen schafft.
3. Interdisziplinäre Integration. DieNützlichkeit eines Modells steigt, jemehr Daten und Kenntnisse verschie-dener Disziplinen und ihrer Teilgebieteintegriert werden. Wissenschaftlerinnenund Wissenschaftler sind spezialisiert.Unser menschlicher Geist kann nur einebegrenzte Menge an Informationen auf-nehmen, weshalb man natürlicherweisenicht alles wissen und verstehen kann,was sich in benachbarten Gebieten ab-spielt. Die Entwicklung leistungsstarkerTextanalyse-Algorithmen und zentra-ler Informationsquellen, die die vielenunterschiedlichen Informationspartikelzusammenbringen, um neue Erkennt-nisse zu gewinnen, stellt eine weiterewichtige Bedingung dar.
Eine mögliche Lösung für diese Her-ausforderungen liegt vielleicht in dermultimodalen und multidisziplinärenDatenintegration, wie sie beispielsweiseim AETIONOMY-Projekt verfolgt wird(Hofmann-Apitius et al. 2015). Exempla-risch für das komplexe Forschungsfeld
der neurodegenerativen Erkrankungenkonnten erste Ansätze auf der Grundlageeines Pathway-Terminologie-Systems er-folgreich etabliert werden (Iyappan et al.2016). Die Gesamtheit der Informationüber biochemische, zytologische undpharmakologische Befunde sowie zu-sätzliche Informationen beispielsweisedurch die algorithmische Gegenüber-stellung von Patientengruppen führte zuneuen Möglichkeiten der explorativenAnalyse. Die Synopsis dessen, was ausdenDatenbankenüber computergestütz-te Methoden extrahiert wurde, konntebereits in die topologische Anatomievon TVB implementiert werden. Als einErgebnis entstand so eine neuroanato-mische Karte der zugrunde liegendenPathwaysfürgesundeundanderDemenzvom Alzheimer-Typ erkrankte Gehirne.Diese Karte erlaubt es, Mechanismenzwischen beiden Gruppen zu verglei-chen. Sie führt sogar zur Identifikationder – potenziell unterschätzten – Rollevon nicht gut verstandenen Faktoren, indiesem Fall bei der Alzheimer-Demenzz. B. des Malat-Aspartat-Metabolismusoder des Ubiquitin-Proteolyse-Systems(Iyappan et al. 2016).
Neuroinformatische Ansätze werdenvonderVerfügbarkeit großer, gut organi-sierterDatenbanken (wie dieUK biobank(Sudlow et al. 2015), dasHuman Connec-tome Project (VanEssenetal.2012),LONI(Rexetal.2003), etc.)profitieren.Compu-tational Connectomics sieht eine iterativeIntegration von in solcher Form struk-turierten Informationen vor.
VielevondenHerausforderungen,mitdenen wir im Gebiet der Computatio-nal Connectomics konfrontiert sind, un-terscheiden sich nicht von solchen inanderen Disziplinen mit komplexen re-gulatorischen Netzwerken wie z. B. derMolekularbiologie. Es werden interdis-ziplinäre Ansätze und eine akademischeUmstrukturierung notwendig, um tra-ditionelle Grenzen verschiedener Diszi-plinen zu überwinden und neue episte-miologisch geprägte Forschungsansätzezu schaffen.
Korrespondenzadresse
L. StefanovskiKlinik für Neurologie, Charité– Universitätsmedizin BerlinCharitéplatz 1, 10117 Berlin,[email protected]
P. RitterKlinik für Neurologie, Charité– Universitätsmedizin BerlinCharitéplatz 1, 10117 Berlin,[email protected]
Leon Stefanovski ist Doktorand in der ArbeitsgruppeBrainModes (unter Leitung von FrauDr. Ritter) an derKlinik fürNeurologiederCharité–UniversitätsmedizinBerlin, woer seit 2012Medizin studiert. Seinwissen-schaftlicher Schwerpunkt liegt in der ErforschungundModellierungdes Konnektomsbei neurodegenera-tiven Erkrankungen, insbesondere derDemenz vomAlzheimertyp. ImZusammenhangmit seiner Promo-tion arbeitet er außerdemander Evaluation von TheVirtual Brain inHinblick auf klinischeAnwendungenwie die transkranielle Gehirnstimulation, dermathe-matischen Exploration des Parameterraumes sowie anLehr- und Lernanwendungen für The Virtual Brain.
Dr. Petra Ritter ist Ärztin undwissenschaftlicheAr-beitsgruppenleiterin ander Klinik für Neurologieder Charité –Universitätsmedizin Berlin. Sie leitetdas deutsche Forschungsnetzwerk ,Bernstein Fokus:neurobiologischeGrundlagendes Lernens‘.Mittelsder Kombinationmultimodaler Bildgebungundma-thematischerModellierung erforschtDr. RitterMe-chanismender Informationsverarbeitung imGehirn.Sie hat kürzlich den renommierten ERCConsolidatorGrant erhalten. Damit trägt sieweiter zumAufbaueiner open-source SimulationsplattformdesGehirns– TheVirtual Brain (TVB) –bei, dessenMitbegründe-rin sie ist. TVB integriert experimentelle Daten in einmathematischesModell des Gehirns underlaubt sopersonalisierte SimulationenderHirnfunktion. Dr.Ritter unterstützt erfolgreich den Transfer dieser Tech-nologien in Produkte undAnwendungen. In engerZusammenarbeitmitDr.McIntosh, Toronto, leitet sieein Projekt ,MyVirtual Dream‘, das es zumZiel hat diebreiteÖffentlichkeit für Gehirnforschung zu interes-sieren. Das Projekt kombiniert KunstmitWissenschaftunderlaubt Teilnehmernmittels sogenannter BrainComputer Interfaces ihreUmgebung zu steuern undgleichzeitigmit anderen Teilnehmern zu interagie-ren. Dr. Ritters Arbeitenwurden in verschiedenenhochkarätigen Journals publiziert.
Einhaltung ethischer Richtlinien
Interessenkonflikt. L. Stefanovski, A. Ghani,A.R.McIntosh undP. Ritter geben an, dass keinInteressenkonflikt besteht.
Dieser Beitragbeinhaltet keine vondenAutorendurchgeführten Studien anMenschenoder Tieren.
96 Neuroforum 3 · 2016
Literatur
1. Amadi U, Ilie A, Johansen-Berg H, Stagg CJ (2014)Polarity-specificeffectsofmotortranscranialdirectcurrentstimulationonfMRI restingstatenetworks.NeuroImage88:155
2. AntonenkoD, Faxel M, Grittner U, Lavidor M, FlöelA et al (2016) Effects of transcranial alternatingcurrent stimulation on cognitive functions inhealthy young and older adults. Neural Plast2016:1–13.doi:10.1155/2016/4274127
3. Becker R, Knock S, Ritter P, Jirsa V, da Silva FL,van Lierop T, Jirsa V (2015) Relating alpha powerandphase topopulation firing andhemodynamicactivity using a thalamo-cortical neural massmodel. PLOS Comput Biol 11(9):e1004352. doi:10.1371/journal.pcbi.1004352
4. Bezgin G, Vakorin VA, van Opstal AJ, McIntoshAR, Bakker R (2012) Hundreds of brain maps inone atlas: registering coordinate-independentprimate neuro-anatomical data to a standardbrain. Neuroimage 62(1):67–76. doi:10.1016/j.neuroimage.2012.04.013
5. Bohland JW, Wu C, Barbas H, Bokil H, BotaM, Breiter HC, Mitra PP (2009) A proposal fora coordinated effort for the determination ofbrainwideneuroanatomical connectivity inmodelorganismsatamesoscopicscale.PLOSComputBiol5(3):e1000334.doi:10.1371/journal.pcbi.1000334
6. Brunoni AR, Machado-Vieira R, Sampaio-Junior B,Vieira ELM, Valiengo L, Benseñor IM, Teixeira AL(2015) Plasma levels of soluble TNF receptors 1and2 after tDCS and sertraline treatment inmajor
springer.com
€ (D) sind gebundene Ladenpreise in Deutschland und enthalten 7% MwSt. € (A) sind gebundene Ladenpreise in Österreich und enthalten 10% MwSt. Die mit * gekennzeichneten Preise sind unverbindliche Preisempfehlungen und enthalten die
landesübliche MwSt. Preisänderungen und Irrtümer vorbehalten.
Bestellen Sie jetzt: springer.com
Komplexe Darstellung mit Praxisbezug
1304
87
H.-C. Hansen (Hrsg.)
Bewusstseinsstörungen und Enzephalopathien
Diagnose, Therapie, Prognose
Synkope, Koma, Stupor, Delir – welches Ursachenspektrum steckt dahinter? Was tun bei einem enzephalopathischen Auslöser?Das erste deutschsprachige Werk, das die Störungsgruppe der Enzephalopathien zusammenhängend und praxisnah behandeltMit zahlreichen Übersichten und Tabellen: Diff erenzialdiagnostik, Therapie, Verlauf und Prognose
depression: results from the SELECT-TDCS trial.JAffectDisord.doi:10.1016/j.jad.2015.07.006
7. Deco G, Jirsa VK, McIntosh AR (2011) Emergingconcepts for the dynamical organization ofresting-state activity in thebrain.NatRevNeurosci12(1):43–56.doi:10.1038/nrn2961
8. Deco G, Martí D, Ledberg A, Reig R, Sanchez VivesMV (2009) Effective reduced diffusion-models: adata driven approach to the analysis of neuronaldynamics. PLOS Comput Biol 5(12):e1000587.doi:10.1371/journal.pcbi.1000587
9. Deco G, Tononi G, Boly M, Kringelbach ML(2015) Rethinking segregation and integration:contributions of whole-brain modelling. Nat RevNeurosci16(7):430–439.doi:10.1038/nrn3963
10. Falcon MI, Riley JD, Jirsa V, McIntosh AR, ChenEE, Solodkin A (2016) Functional mechanisms ofrecovery after chronic stroke: modeling with thevirtual brain. eNeuro. doi:10.1523/ENEURO.0158-15.2016
11. Falcon MI, Riley JD, Jirsa V, McIntosh AR, ShereenAD, Chen EE, Solodkin A (2015) The virtual brain:modeling biological correlates of recovery afterchronic stroke. Front Neurol 6:228. doi:10.3389/fneur.2015.00228
Anfang Juli 2016 hat das neue Graduier-tenkolleg GRK2162 „Neurodevelopment and Vulnerability of the Central Nervous System“ an der Friedrich-Alexander-Uni-versität Erlangen-Nürnberg offi ziell seine Arbeit aufgenommen. Im Rahmen dieses zunächst für viereinhalb Jahre geförderten Forschungs- und Ausbildungsprogramms werden naturwissenschaft liche und me-dizinische Doktoranden eine fundierte neurowissenschaft liche Ausbildung er-halten und die pathophysiologischen Zu-sammenhänge zwischen Entwicklungs-mechanismen und -prozessen und der Entstehung und Anfälligkeit für Erkran-kungen des Zentralnervensystems im Er-wachsenenalter andererseits untersuchen. Für dieses kombinierte Ausbildungs- und Forschungsprogramm, welches von 12 Projektleitern aus der medizinischen und naturwissenschaft lichen Fakultät getragen wird, stellt die DFG rund 4,3 Mio. € bereit.
Die Entwicklung des Zentralnerven-systems beruht auf der koordinierten Ab-folge von Entwicklungsschritten wie Proli-feration, Zellwanderung, Diff erenzierung, Synapsenbildung und Myelinisierung, die ultimativ zur Bildung defi nierter neuraler Netzwerke führt. Diese Netzwerke bilden die strukturelle und funktionelle Basis von Verhalten und Kognition. Störungen die-ser Entwicklungsschritte sind zweifelsoh-ne die pathophysiologische Grundlage von Erkrankungen wie geistige Behinde-rung oder Erkrankungen aus dem Autis-mus-Spektrum, die sich bereits kurz nach der Geburt oder im frühen Kindesalter manifestieren.
Im Gegensatz dazu treten neurodege-nerativer ZNS-Erkrankungen wie Moto-neuronerkrankungen, Morbus Parkinson und Morbus Alzheimer, oder neuro-psychiatrischer Erkrankungen wie De-
pression und Schizophrenie häufi g erst im Erwachsenenalter zu Tage. Die Be-deutung der Entwicklung des Zentralner-vensystems für die Pathogenese dieser Er-krankungen ist somit nicht off ensichtlich und führte in der Vergangenheit dazu, dass Mechanismen und Pathologien der ZNS-Entwicklung nur selten mit der Pa-thogenese von Erkrankungen des Er-wachsenenalters in Verbindung gebracht wurden. Über die letzten Jahre haben sich jedoch die Befunde gemehrt, dass die Entwicklung des Zentralnervensystems einen wesentlichen Einfl uss auf das Auf-treten von neuropsychiatrischen und -de-generativen Erkrankungen im Erwachse-nenalter hat. So fi nden sich beispielsweise in Untersuchungen von Schizophreniepa-tienten Hinweise auf psychomotorische Entwicklungsverzögerungen und Verän-derungen der ZNS-Zytoarchitektur, wel-che mit großer Wahrscheinlichkeit einer entwicklungsbiologischen Störung ent-springen. Zudem wurden mehrere Er-krankungsgene für geistige Behinderung oder Autismus-Spektrum-Erkrankungen als Risikogene für Schizophrenie identifi -ziert, was auf gemeinsame pathophysio-logische Mechanismen dieser Erkrankun-gen hinweist. Hinweise auf überlappende genetische Ätiologien und gemeinsame pathophysiologische Mechanismen wur-den zudem für geistige Behinderung und neurodegenerative Erkrankungen aus dem Formenkreis der Motoneuro-nerkrankungen nachgewiesen. Im Rah-men von genomweiten Assoziationsstu-dien und Kandidatengenstudien wurden darüber hinaus klassische Regulatoren der ZNS-Entwicklung als Risikogene für neurodegenerative Erkrankungen identi-fi ziert. Umgekehrt konnten für bekannte Neurodegeneration-assoziierte Erkran-
kungsgene wie Presenilin und alpha- Synuclein Funktionen in der ZNS-Ent-wicklung nachgewiesen werden.
Das Forschungsprogramm des Gra-duiertenkollegs zielt darauf ab, den Über-schneidungsbereich zwischen ZNS-Ent-wicklung und ZNS-Erkrankungen zu verstehen, und wird drei grundsätzliche Fragestellungen beleuchten: i) Was sind die pathophysiologischen
und genetischen Überlappungen zwi-schen Entwicklungsstörungen des ZNS und Erkrankungen im Erwach-senenalter?
ii) Was sind die entwicklungsbiologi-schen Funktionen von Genen, die neuropsychiatrischen und -degenera-tiven Erkrankungen zugrunde liegen?
iii) Welchen Einfl uss üben Entwicklungs-prozesse auf die Vulnerabilität bezüg-lich erkrankungsauslösender Ereig-nisse in späteren Lebensphasen aus?
Die Projekte reichen von der Identifi zie-rung neuer Kandidatengene mittels ge-nomweiter Analysen über die funktionel-le Charakterisierung von Krankheitsgenen in verschiedenen Entwicklungsstadien bis hin zur eingehenden Untersuchung präkli-nischer Krankheitsmodelle. Ein wesentli-cher Forschungs- und Ausbildungsaspekt des Graduiertenkollegs ist die kombinier-te Nutzung von Tiermodellen und von aus Patienten stammenden, induzierten pluripotenten Stammzellen für die Mo-dellierung von Inter aktionen zwischen Entwicklungs- und Erkrankungsprozes-sen. In einem kollaborativen Ansatz wer-den diese Modelle interdisziplinär mittels Methoden der Genomik, Molekular-, Ent-wicklungs- und Zellbiologie, Biochemie, Elektro physiologie und Verhaltensbiolo-gie analysiert.
Chichung LieInstitut für Biochemie, Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Deutschland
DFG-Graduiertenkolleg 2162 „Entwicklung und Vulnerabilität des Zentralnervensystems“
Ein wesentliches Ziel des Graduierten-kolleg 2162 besteht darin, neben dem na-turwissenschaft lichen Nachwuchs auch den medizinischen Nachwuchs zum wis-senschaft lichen Arbeiten zu qualifi zie-ren. Wissenschaft lich tätige Mediziner bilden eine wichtige Schnittstelle zwi-schen Grundlagen und klinischen Wis-senschaft en und sind für eine innovative, translationale Forschung essenziell. Um bereits zu einem frühen Zeitpunkt Medi-ziner für den Karriereweg des „Clinician Scientist“ zu motivieren, wird das Gradu-iertenkolleg 28 medizinischen Doktoran-den die Möglichkeit bieten, ein intensives neurowissenschaft liches Ausbildungspro-
gramm parallel zu einer experimentellen Promotionsarbeit zu durchlaufen. Des Weiteren wird forschenden Medizinern über Rotationsstellen die Möglichkeit ge-boten, im Rahmen des Graduiertenkol-legs ihre neurowissenschaft lichen For-schungsaktivitäten zu intensivieren und ein eigenständiges Forschungsprogramm aufzubauen.
Das Graduiertenkolleg vermittelt somit eine intensive Ausbildung auf einem inno-vativen Gebiet der Neurowissenschaft en und stärkt die translationale neurowissen-schaft liche Forschung. In wissenschaft -licher Hinsicht wird das Graduiertenkol-leg neue Erkenntnisse über den Einfl uss
der Gehirnentwicklung auf neuropsychi-atrische und -degenerative Erkrankungen liefern und zu einem besseren Verständnis ihrer Ätiopathogenese beitragen.
Homepage: www.grk2162.med.fau.de
Korrespondenzadresse
Prof. Dr. D. Chichung LieInstitut für BiochemieFriedrich-Alexander-Universität Erlangen-Nürn-bergFahrstraße 1791054 ErlangenE-Mail: [email protected].: +49 9131 8524622
Mehr Infos unter springer-spektrum.de
€ (D) sind gebundene Ladenpreise in Deutschland und enthalten 7% MwSt. € (A) sind gebundene Laden- preise in Österreich und enthalten 10% MwSt. Die mit * gekennzeichneten Preise sind unverbindliche Preisempfehlungen und enthalten die landesübliche MwSt. Preisänderungen und Irrtümer vorbehalten.
springer-spektrum.de
Dieses Buch gibt einen Überblick über die Gebiete der Zell-biologie und der Molekularbiologie (Genexpression, Kompar-timentierung, Bioenergetik, Immunsystem etc.) sowie die entsprechenden experimentellen Methoden (Elektropho-rese, Immunopräzipitation, Fluoreszenz u.a.). Die Darstellung (mit biomedizinischem Fokus) ist an die Bedürfnisse der Studierenden angepasst, die sich auf eine Prüfung vorbe-reiten: 200 Themen der Zell- und Molekularbiologie in leicht zu erlernenden Zusammenfassungen ermöglichen ein effizi-entes Erlernen des Stoffs, der anhand von ca. 160 Multiple-Choice-Fragen und den korrekten Antworten überprüft werden kann.
Daniel Boujard et al.Zell- und Molekularbiologie im Überblick2014. XI, 487 S. mit 411 Abb. Br.ISBN 978-3-642-41760-3€ (D) 39,99 | € (A) 41,11 | *sFr 50,00
Kompakter Überblick zur Zell- und Molekular-biologie
Besprochen von Michael Koch, Institut für Hirnforschung, Universität Bremen, 28334 Bremen
Anlässlich ihres hundertjährigen Beste-hens hatte die British Academy (für Geis-tes- und Sozialwissenschaft en) von 2003–2010 ein Forschungsprojekt fi nanziert, das den Titel trug „Lucy to Language: Th e Ar-cheology of the Social Brain“ und das von Clive Gamble, John Gowlett und Robin Dunbar geleitet wurde. Das Buch „Evolu-tion, Denken, Kultur – Das soziale Gehirn und die Entstehung des Menschlichen“ beschreibt das Ergebnis dieser interdiszi-plinären Zusammenarbeit von Archäolo-gen und Psychologen, die das Ziel hatte, die Evolution des menschlichen Gehirns im Kontext des Sozialverhaltens zu ver-stehen.
Das Konzept des „Sozialen Gehirns“ geht davon aus, dass das Leben von Pri-maten in einer sozialen Gruppe ein Selektionsvorteil ist, weil dadurch über-lebensnotwendige Aktivitäten, wie die Nahrungsbeschaff ung und der Schutz vor Feinden optimiert werden. Aller-dings ist das Leben in Gruppen kognitiv aufwendig (z. B. erfordert es häufi g Kom-promisse) und nur mit entsprechend gut entwickelten Gehirnen möglich. Im We-sentlichen entwickeln die Verfasser die Th ese, dass die Größe der Sozialverbände mit der Größe des Gehirns (insbesondere des Kortex) zusammenhängen. Im Detail wird hergeleitet, dass die Größe der So-zialverbände früher Homininen, ähnlich wie die der rezenten Menschenaff en, aus etwa 50 Individuen bestand. Der vorläufi -ge Höhepunkt der Hirnentwicklung wird bei Homo sapiens gesehen, deren kogni-tive Fähigkeiten des „Sozialen Gehirns“ eine Gruppengröße von 150 Individuen zulassen. Diese Gruppengröße ist als die „Dunbar-Zahl“ bekannt.
Das Buch ist in sieben Kapitel unter-teilt, die logisch aufeinander aufb auen und über die Sozialstruktur der Homi-ninengesellschaft en vor etwa 7 Millionen Jahren zu den Sozialverbänden von Homo
sapiens überleiten. Am Ende jedes Kapi-tels gibt es eine kurze Zusammenfassung. Der Haupttext wird durch Textboxen zu verschiedenen Th emen ergänzt und ist mit Abbildungen (Fotos, Diagramme und Schemazeichnungen) illustriert. Am Ende des Buches gibt es weiterführende Lite-raturangaben zu jedem Kapitel und ein Sachverzeichnis. Es werden evolutions-biologische Meilensteine, wie der Werk-zeuggebrauch, die Nutzung des Feuers, die Entstehung der Sprache, Kunst, Religion und Zeremonien dargestellt und über die Ursachen ihrer Entstehung spekuliert. Da-bei werden diese Errungenschaft en stets in einem sozialen Kontext gedeutet. Diese Deutungen sind spannend und lehrreich, wirken gelegentlich aber etwas weit herge-holt, beispielsweise wenn die Entstehung der Sprache als Weiterentwicklung des so-zialen Körperkontaktes („Fellkraulen“) in-terpretiert wird.
Im ersten Kapitel wird die Kernthese formuliert, dass es während der gesamten Evolution des Menschen einen Zusam-menhang zwischen der Größe des Gehirns und der Größe der sozialen Gruppe gab. Außerdem stellen die Autoren klar, dass sie die klassische archäologische Sicht-weise auf materielle Überreste („What you see is what there was“) verlassen wer-den, weil diese strenge Herangehensweise Überlegungen zu nicht-materiellen men-talen Vorgängen und kognitiven Leistun-gen bei der Erforschung der Evolution des Menschen zu wenig berücksichtigt. Der Ansatz der „Evolutionspsychologie“ beinhaltet also eine viel weiterreichende Interpretation von Fossilien und Artefak-ten. Im zweiten Kapitel wird als besonde-res Merkmal von Primaten das Leben in sozialen Gruppen beschrieben und an-hand der Überlebensvorteile dieser Stra-tegie werden die Populationsgrößen und Sozialstruktur herausgearbeitet. Hierfür spielen Kommunikationsmöglichkeiten und Intentionalität eine wichtige Rolle. Im dritten und vierten Kapitel werden ar-chäologische Funde (z. B. Werkzeuge und fossile Schädel) im Bezug auf das Sozial-
leben von Homininen interpretiert. Ver-gleiche mit dem Sozialverhalten rezenter Menschenaff en mit vergleichbarer Hirn-größe von ca. 400 cm3 ergeben Gruppen-größen von 30–50 Individuen. Im fünft en Kapitel werden drei entscheidende Aspek-te der Evolution des Menschen im Kontext des sozialen Gehirns besprochen: Stein-werkzeuge, Feuer und Sprache. In diesem Kapitel wird der evolutionspsychologische Ansatz deutlich: Die Technik der Herstel-lung von Faustkeilen vor etwa 2 Millio-nen Jahren wird als stark tradierte Hand-werkstradition interpretiert, die bereits Tauschhandel und Ansätze des Subsidia-ritätsprinzips beinhaltete. Dies ist selbst-verständlich nur durch Kommunikation denkbar. Die Beherrschung des Feuers, die über das Kochen eine Erweiterung und Verbesserung des Nahrungsspektrums und in Form von Lampen die Tageszeit verlängerte, wird von den Autoren sehr stark als gemeinschaft sstift end interpre-tiert, sodass es in dieser Zeit zu einer Ver-größerung der Gruppen kam. Das sechs-te Kapitel beschreibt die Veränderungen im Sozialleben der Homininen, die vor etwa 500.000 Jahren und einem Anstieg des Hirnvolumens auf über 900 cm3 statt-gefunden haben könnten. Hier sind wohl kultische oder religiöse Rituale, Gesang, Tanz und Handwerk zu nennen, die einen starken Einfl uss auf die Gruppenstruktur und -größe hatten. Im siebten Kapitel be-trachten die Autoren die Situation des mo-dernen Menschen, wie er wohl bereits vor etwa 11.000 Jahren lebte. Hier wird noch-mals auf die „Dunbar-Zahl“ verwiesen, die quasi als Naturkonstante angibt, dass Homininen mit einem Hirnvolumen von 1480 cm3 Sozialverbände von etwa 150 In-dividuen kognitiv meistern können. Un-klar bleibt indes, was genau mit dem so-zialen Umgang eines Individuums mit Familienangehörigen, Freunden und Be-kannten gemeint ist und welche kogniti-ven Ressourcen jeweils eingesetzt werden müssen, um diesen Verband zu erhalten.
Dieses Buch ist für naturwissenschaft -lich breit interessierte Leser allgemein-
Evolution, Denken, Kultur
verständlich geschrieben und führt an-thropologische, evolutionsbiologische, archäologische und auch kognitionspsy-chologische Ansätze zusammen. Da das Sozialverhalten der Homininen selbstver-ständlich nicht fossiliert ist, müssen die Vermutungen über seine Struktur aus ar-chäologischen Funden abgeleitet werden. Hier müssen die Leser selbst entscheiden, wie weit sie den evolutionspsychologi-schen Deutungen von Versteinerungen durch die Verfasser folgen. Für Neurowis-senschaft ler sind sicherlich die Vorstellun-gen zur Hirnentwicklung, zur Entstehung der Sprache, zur Rolle von Spiegelneuro-nen und Th eory-of-Mind besonders inte-ressant, die sich nach Ansicht der Autoren aus dem Selektionsdruck des Soziallebens ergeben.
In Zeiten der zunehmenden Bedeu-tung sozialer Netzwerke im Internet hat dieses Vorhaben eine über den wissen-schaftlichen Wert hinausgehende Re-levanz. Das Buch liest sich mit Gewinn und ist empfehlenswert, wenngleich ich die teils überschwänglichen Kommenta-re auf dem Einband („Sie werden in die-sem Jahr kein wichtigeres Buch lesen …“) nicht ganz teile. Stellenweise ist der Text etwas oberfl ächlich und plakativ, wenn beispielsweise zu lesen ist, dass Menschen mit einem großen orbitofrontalen Kor-tex mit einer höheren Ordnung von In-tentionalität zurechtkommen und deswe-gen mehr Freunde haben …. Angesichts der Vielzahl hochkomplexer Sozialsyste-me im Tierreich erscheint die Herleitung der Sonderstellung des Menschen aus dem evolutionär begründeten Sozialverhalten nicht ganz zwingend. Ich hatte bei der Lektüre auch den Eindruck, dass vor allem Belege für die Existenz der „Dunbar-Zahl“ gesammelt wurden und weniger – streng wissenschaft lich oder wenigstens ausge-wogen – mögliche Gegenargumente an-geführt werden. Leser, die aktiv Facebook und Twitter oder ähnliche virtuelle sozia-le Netzwerke nutzen, können selbst über-prüfen, wie allgemeingültig die „Dun-bar-Zahl“ ist. Insgesamt liefert das Buch eine gute Anregung zum Weiterdenken. Wie mag sich die Gesellschaft im Kon-text des „Sozialen Gehirns“ weiter ent-wickeln? Inwiefern sind wir durch die evolutionsbiologischen Wurzeln in un-serem modernen Sozialverhalten festge-
legt? Ergibt sich aus dem Konzept des So-zialen Gehirns eine erweiterte Sicht auf Soziopathien, wie beispielsweise die Au-tismus-Spektrum-Störungen, Antisozia-le Persönlichkeitsstörungen, Aggression oder Sozialphobien?
Clive Gamble, John Gowlett, Robin DunbarEvolution, Denken, Kultur – Das soziale Gehirn und die Entstehung des Menschli-chenAus dem Englischen übersetzt von Sebas-tian VogelSpringer-Spektrum-Verlag Berlin, Heidel-berg 2016Hardcover gebunden, 376 S., 57 Abb.ISBN 978-3-662-46767-1€ 24,99 (D) | € 25,69 (A)| sFr 26,60 (CH)
130486x_A15696
Systematischund praxisnah
T. Bartsch, P. Falkai (Hrsg.)GedächtnisstörungenDiagnostik und Rehabilitation2013. XXI, 381 S. 88 Abb., 80 in Farbe. € (D) 79,99 | € (A) 82,23 | * sFr 100,00 ISBN 978-3-642-36992-6 (Print) € 62,99 | * sFr 80,00 ISBN 978-3-642-36993-3 (eBook)
Das erste deutschsprachige klinisch orientierte Werk zu Gedächtnisstörungen – systematisch und praxisnah dargestellt
Praktischer Nutzen für Neurologen, Psychiater und alle ärztlichen Mitarbeiter an Gedächtnisambulanzen
Mit Fallbeschreibungen, Flussdiagrammen, Zusammenfassungen und praktischen Tipps
€ (D) sind gebundene Ladenpreise in Deutschland und enthalten 7 % MwSt. € (A) sind gebundene Ladenpreise in Österreich und enthalten 10 % MwSt. Die mit * gekennzeichneten Preise sind unverbindliche Preisempfehlungen und enthalten die landesübliche MwSt. Preisänderungen und Irrtümer vorbehalten.
Protokoll der MitgliederversammlungSonnabend, 03. Juli 2016
Bella Center, Center Blvd. 5, 2300 Køben-havn S, Dänemark auf dem FENS Forum 2016 in Kopenhagen
Versammlungsleiter ist der Präsident der Neurowissenschaftlichen Gesellschaft, Prof. Dr. Hans-Joachim Pfl ügerProtokollführer ist Andreas Draguhn, Mitglied der NWG.Die Zahl der erschienenen Mitglieder be-trägt 27.Die Versammlung wurde satzungsgemäß einberufen, die Tagesordnung war den Mitgliedern bei der Einberufung mitge-teilt worden.
Beginn: 18:45 UhrEnde: 20:00 Uhr
Tagesordnung1. Begrüßung durch den Präsidenten2. Bestätigung des Protokolls der letzten
Mitgliederversammlung3. Bericht des Schatzmeisters/Bericht
der Kassenprüfer z Jahresabrechnung 2015 z Entlastung des Schatzmeisters z Wahl der neuen Kassenprüfer
4. Mitteilungen z Mitgliederzahlen z Bericht Partnerorganisationen (FENS, EBC)
5. Bericht zur Göttinger Tagung 2015 und 2017 z Hauptredner z Symposien z Bericht Göttinger Tagung 2015
6. Wahl des neuen Vorstandes7. Aktivitäten der Gesellschaft
z Neuroforum z Lehrerfortbildung z Methodenkurse z Hertie- Internet-Portal z German Brain Bee z Preise der NWG (Schilling, FEI, Ju-gend forscht)
8. Verschiedenes
1. Begrüßung durch den Präsidenten
H.-J. Pfl üger begrüßt die Anwesenden und eröff net die Sitzung.
2. Bestätigung des Protokolls der letzten Mitgliederversammlung
Das Protokoll der letzten Mitgliederver-sammlung vom 19. März 2015 ist in der Ausgabe 2/2015 von Neuroforum erschie-nen. Es wird mit 27 Ja-Stimmen, 0 Enthal-tung und 0 Nein-Stimmen angenommen.
3. Bericht des Schatzmeisters/Bericht der Kassenprüfer
H.-J. Pfl üger erläutert in Vertretung für A. Büschges die Einnahmen und Ausgaben der NWG im Jahr 2015 und kommentiert einige Posten. Die meisten Posten bei den Einnahmen und Ausgaben sind gleich ge-blieben. H.-J. Pfl üger erläutert einen auff al-lend ansteigenden Verlauf der Einnahmen im Jahr 2010, der damit zusammenhängt, dass hier die Anschubfi nanzierung der Hertie-Stift ung für das Internetportal Ge-hirn.info gebucht wurden, welche aber ein durchlaufender Posten war. Die Finanzlage der NWG ist unverändert stabil, die Rück-lagen der NWG steigen weiterhin langsam aber kontinuierlich an.
Die Einnahmen und Ausgaben der NWG im Jahr 2015 wurden am 19. Fe-bruar 2016 von den Kassenprüfern Rü-diger Veh und Constance Scharff geprüft . Die Kassenprüfer bestätigen eine korrekte Kontenführung und empfehlen der Mit-gliederversammlung, den Schatzmeister zu entlasten.
Die Mitgliederversammlung entlastet den Schatzmeister auf der Grundlage des Berichts der Kassenprüfer mit 27 Ja-Stim-men, 0 Enthaltung und 0 Nein-Stimmen.
H.-J. Pfl üger schlägt der Mitgliederver-sammlung als Kassenprüfer für die Prü-
fung der Jahresabrechnung 2016 Jens Drei-er und nochmals Constance Scharff , beide Berlin, vor. Beide sind bereit, das Amt für die Kassenprüfung 2016 zu übernehmen. Die Mitgliederversammlung stimmt dem Vorschlag mit 27 Ja-Stimmen, 0 Enthal-tung und 0 Nein-Stimmen zu.
4. Mitteilungen
MitgliederzahlenDie Mitgliederzahlen steigen nur noch ge-ringfügig an. Allerdings zeigt die Statistik der Göttinger Tagung der NWG, dass es noch ein großes Potenzial für einen Zu-wachs an Mitgliedern gibt, da weniger als die Hälft e der Teilnehmer NWG-Mitglie-der sind. Auch die Verteilung auf die Sek-tionen ist unverändert.
Bericht Partnerorganisationen/FENS Die NWG hat für die Reisekosten zum FENS Forum 2016 in Kopenhagen wieder 20 Reisestipendien vergeben. H.-J. Pfl üger erklärt, dass 17 davon angenommen wur-den. 1 Stipendium wurde aufgrund der un-klaren Jobsituation und demzufolge keine Teilnahme am FENS Forum vom Stipendi-aten nicht angenommen und zwei weitere Stipendien wurden nicht benötigt, da die Gewinner von FENS ein Reisestipendium erhalten und sich wegen des höheren Be-trags dann für dieses entschieden hatten.
Bericht Partnerorganisationen/European Brain Council (EBC)H.-J. Pfl üger berichtet, dass die Aktivitä-ten des European Brain Council in letzter Zeit zugenommen haben. Er unterstützt neurowissenschaftliche Forschungsfel-der und publiziert Unterlagen und Bro-schüren für Parlamentarier und Politiker. H.-J. Pfl üger betont, dass die Forschung am tierischen Nervensystem weiterhin notwendig ist und man versuchen muss, teilweise erstaunliche Wissenslücken in
Neuroforum 3 · 2016 103
diesem Gebiet unbedingt zu schließen. Prof. Wolfgang Oertel (derzeit Treasurer des European Brain Council) wandte sich vor Kurzem an H.-J. Pfl üger und machte den Vorschlag, analog zu Frankreich eine nationale Organisation entsprechend dem EBC zu gründen. H.-J. Pfl üger berichtet, dass im Vorstand bereits dazu diskutiert wurde und dieser die Idee gern unterstüt-zen möchte. Es kommt die Nachfrage, ob neben den bisher gelisteten möglichen Ge-sellschaft en für den German Brain Council noch weitere Gesellschaft en angesprochen und geworben werden sollen. H.-J. Pfl üger bittet darum, gern selbst aktiv zu werden oder Vorschläge zu unterbreiten. S. Kor-sching fragt, wie die Struktur und Orga-nisation dieser nationalen Vereinigung gehandhabt werden soll, da sich andeutet, dass dies niemand nebenbei machen kann. Weiterhin wird gefragt, ob Mitgliedsbei-träge angedacht sind bzw. Ideen für die Fi-nanzierung vorliegen. C. Rose gibt zu be-denken, dass man vielleicht besser auf eine englische Bezeichnung wie German Brain Council verzichten sollte, wenn man wirk-lich eine nationale Organisation darstellen will und sich alle darin wiederfi nden sol-len. H. Luhmann hinterfragt nochmal, ob der German Brain Council mit EDAB oder DANA vergleichbar ist oder wirk-lich reine Lobbyarbeit leistet. H. J. Pfl üger bestätigt Letzteres und sagt, dass er alle Anregungen, die soeben an ihn gerichtet wurden, mit auf die erste Sitzung nehmen werde, bei der genau diese grundsätzlichen Fragen die Hauptthemen sein werden.
5. Bericht zur Göttinger Tagung 2017 und 2015
H.-J. Pfl üger stellt kurz die nun festste-henden Hauptredner für die Göttinger Tagung 2017 vor und betont, dass er als Tagungspräsident und in eigener Sache diesmal versucht hat, auch der Biologie einen Schwerpunkt zu verleihen. Er ver-weist außerdem auf die erfolgreiche Be-werbung der Symposien durch direkte Anschreiben an SFBs, SPPs und ande-re Forschungsverbünde, sodass für die kommende Tagung aus 82 Symposienvor-schlägen gewählt werden konnte. Es wird neben den nun feststehenden 35 Symposi-en auch wieder die Breaking News geben, die innovative, frische Th emen präsentie-
ren, welche zum Teil Randgebiete betref-fen, und von noch sehr jungen Wissen-schaft lern bestritten werden.
Bezüglich der Auft eilung der Teilneh-mer auf der Tagung in NWG-Sektionen wird wieder deutlich, dass manche Sekti-onen sehr klein erscheinen und wie zum Beispiel bei der Neuropharmakologie/-to-xikologie die Überlegung im Raum steht, diese mit einer anderen Sektion zu ver-schmelzen. H.-J. Pfl üger erklärt aber auch abschließend, dass momentan kein drin-gender Bedarf besteht und man erst ein-mal weiter die Entwicklung beobachtet.
Das Feedback der Teilnehmer der Göt-tinger Tagung 2015 ist in einer Grafi k vi-sualisiert und lässt für jeden erkennen, dass die Göttinger Tagung nach wie vor sehr großen Anklang fi ndet. H.-J. Pfl üger weist somit abschließend auf das vielfach positive Feedback hin, welches sich in fast allen Fragenbereichen zu großen Teilen in grün bis dunkelgrün darstellt.
Seitens des Plenums werden keine Än-derungswünsche für die Tagung geäußert.
6. Wahl des neuen VorstandesIm Januar 2017 stehen die Wahlen für den neuen Vorstand an. H.-J. Pfl üger berich-tet, dass Frank Kirchhoff zugestimmt hat, wieder die Wahlleitung zu übernehmen und das Wahlkomitee aus Herbert Zim-mermann, Eckhart Gundelfi nger, Michael Frotscher und Sigrun Korsching besteht. H.-J. Pfl üger wird Herbert Zimmermann fragen, ob er wieder den Chair überneh-men wird. H.-J. Pfl üger bittet die Anwesen-den noch ihrerseits, Kandidatenvorschlä-ge zu unterbreiten, speziell für den Bereich Neuropharmakologie/-toxikologie.
7. Aktivitäten der Gesellschaft
NeuroforumDas Editorial Board wurde in 2015 auf über 60 Personen erweitert. Die gesamte Liste der nun Mitwirkenden ist der Po-werPoint – Präsentation zu entnehmen. H.-J. Pfl üger berichtet, dass Neuroforum ab 1. 1. 2017 den Verlag wechselt und dann von de Gruyter verlegt wird, um zukünf-tig mit den qualitativ recht hochwertigen Artikeln und dem e-Neuroforum interna-tional endlich sichtbar zu werden und in Datenbanken wie ISI und Pubmed gelis-tet zu werden. H.-J. Pfl üger ruft die An-
wesenden auf, in Neuroforum zu publi-zieren und sich zu Nutze zu machen, dass die Hauptartikel in e-Neuroforum auch in Englisch erscheinen. In diesem Zu-sammenhang gibt er das Wort an H. Luh-mann, dem Editor-in-Chief. Dieser erläu-tert die bisherigen Erfahrungen mit dem Spektrum Verlag und geht kurz auf die Unzufriedenheit aus den letzten Monaten in der Zusammenarbeit mit dem Spekt-rum-Verlag ein. Auch er ruft die Mitglie-der noch einmal auf, Artikel an Neurofo-rum zu schicken.
LehrerfortbildungDie Lehrerfortbildungen sind ein etablier-tes Programm mit interessanten Angebo-ten, das gut angenommen wird und das der NWG keine hohen Kosten verursacht. H.-J. Pfl üger wirbt bei den Anwesenden, dass jeder für Lehrer UND Schüler Vor-träge gestalten kann, um diese Aktivität der NWG weiter zu stärken.
MethodenkurseDie Methodenkurse sind ebenfalls eine feste Größe und werden von Hans-Wer-ner Müller koordiniert und weiter fortge-setzt.
Hertie-Internet-PortalH.-J. Pfl üger berichtet, dass das Internet-portal dasGehirn.info für seinen Fortbe-stand dringend eine Finanzierung benö-tigt. Die Gemeinnützige Hertie-Stift ung gibt nur den Anstoß für solche Projekte und nimmt sich dann zunehmend zurück. Dies ist seit 2014 der Fall. dasGehirn.info wird von Schülern, Lehrern und Studen-ten gern genutzt, aber von Seiten der Her-tie-Stift ung wünscht man sich noch mehr Leser und Nutzer aus der interessierten Öff entlichkeit. Da sich dasGehirn.info nun verstärkt durch Spenden fi nanzieren muss, wurde ein Förderverein gegründet. Bisher steht die Bestätigung der Gemeinnützig-keit aber noch aus. Eventuelle Sponsoren werden zwar keinen inhaltlichen Einfl uss haben, aber werden auf dem Portal auch öff entlich genannt werden. Aus dem Ple-num kommt der Hinweis, dass die DANA Foundation überlegt, einen Großteil Ihrer Materialien ins Deutsche zu übersetzten. Dies sollte man vielleicht im Auge behal-ten und sehen, ob sich Synergien fi nden bzw. Zusammenarbeiten möglich sind.
Neuroforum 3 · 2016104
Nachrichten
German Brain BeeDie NWG hat vom Neuro-Schülerwett-bewerb „Brain Bee“ eine Kooperationsan-frage erhalten und H.-J. Pfl üger berichtet, dass er hier auf dem FENS Forum in Ko-penhagen ein Treff en mit der Initiatorin Ina Simeonova hatte. Er hat ihr in Abspra-che mit dem Vorstand signalisiert, dass die NWG die Initiative gern unterstützt, aller-dings die Geschäft sstelle keine Koordina-tions- und Organisationsaufgaben wie z. B. der regionalen Vereine, die bereits in Bonn und Heidelberg gegründet wurden, übernehmen kann. Generell handelt es sich bei den Anfragen von German Brain Bee nicht um eine Bitte um fi nanzielle Un-terstützung durch die NWG. A. Draguhn bestätigt, dass die Unterstützung dieser Initiative sehr wünschenswert ist, da er
aus persönlichen Erfahrungen weiß, wie gut sie den immer benötigten Nachwuchs einbindet und für das Th ema Neurowis-senschaft anhaltend Interesse weckt.
Preise der NWGDie NWG vergibt weiterhin in zweijähri-gem Rhythmus auf der Göttinger Tagung zwei Wissenschaft spreise, den Schilling – Forschungspreis und den FEI Technolo-gie – Preis. Beide Preise wurden verlängert und werden auch 2017 wieder auf der Ta-gung vergeben werden.
Der Jugend forscht – Sonderpreis wird jährlich vergeben. Der Vorstand hat be-schlossen, ab 2015 das Preisgeld von 500 Euro auf 1000 Euro zu erhöhen. Der Preisträger für 2016 wurde bereits ermit-telt und heißt Michael Johannes Keller.
8. Verschiedenes
Keine Anfragen oder Anmerkungen aus dem Plenum.
Ende der Sitzung: 20:00 Uhr
Prof. Dr. Hans-Joachim Pfl üger(Präsident)
ProtokollführerProf. Dr. Andreas Draguhn
Jugend forscht – Sonderpreis der Neurowissenschaftlichen Gesellschaft 2016
Die Neurowissenschaft liche Gesellschaft vergibt jährlich einen Sonderpreis für ein neurowissenschaft liches Projekt im Rah-men des Bundeswettbewerbs „Jugend forscht“. Der Preis ist mit 1000 € dotiert, zudem werden die Preisträger zur Göttin-ger Tagung eingeladen und erhalten für ein Jahr ein freies Abonnement für Neu-roforum.
Die Preisträger 2016 ist der 19-jährige Michael Johannes Keller, der in Homburg
im Saarland das Christian von Mann-lich-Gymnasium besucht. Neben dem Sonderpreis der NWG für eine Arbeit auf dem Gebiet der Neurowissenschaft en er-hielt er den 3. Preis Biologie, gestift et von der Helmholtz-Gemeinschaft Deutscher Forschungszentren.
Thema seiner Arbeit war „Infarkt: wenn jede Sekunde zählt – Reduktion der Prä-Schock-Pause durch EKG-Analyse unter Th oraxkompression“.
Defi brillatoren können Leben retten. Jedoch muss vor den helfenden Strom-schocks ein EKG geschrieben werden, so-dass wertvolle Sekunden verstreichen, ehe mit der Wiederbelebung begonnen wird. Michael Johannes Keller hatte die Idee, die Impulse für das EKG durch zwei zusätzli-che Elektroden an Arm und Bein abzulei-ten. Da diese Elektroden weit genug vom Brustbereich entfernt sind, ist zeitgleich eine Herzdruckmassage möglich, was die Überlebenschancen des Kranken erhöht. Durch Versuche mit gängigen Defi brilla-toren wies der Jungforscher die Vorteile der Zusatzelektroden nach. In der Praxis könnten die Th erapie- und Ableitungs-elektroden unabhängig voneinander je ein EKG aufzeichnen, deren Abgleich zu-verlässig Informationen über den aktuel-len Zustand des Patienten liefert.
Der Preis wurde von NWG-Mitglied Professor Carsten Duch, der auch Mit-glied der Fachgebietsjury Biologie bei Ju-gend forscht ist, beim Bundeswettbewerb, der vom 26.–29. Mai 2016 in Paderborn stattfand, überreicht.
8 NWG-Mitglied Professor Carsten Duch (l.) übergibt den Preis an Michael Johannes Keller (Mitte)
Neuroforum 3 · 2016 105
Kursprogramm 2017 der Neurowissenschaftlichen Gesellschaft e. V.
20.–22. Februar 2017: Transcranial Electric and Magnetic Stimulation
Ort der Veranstaltung: Abteilung Klini-sche Neurophysiologie, Universität Göt-tingen, Robert-Koch-Straße 40, 37075 GöttingenTh emen: Transcranial magnetic-, direct current-alternating current and random noise stimulation, theoretical background of the stimulation, modelling, research and clinical applicationsOrganisation und Anmeldung: Prof. Dr. rer. nat. Andrea Antal, Tel.: 0551 398461, Fax: 0551 398126, E-Mail: [email protected]: 10. Februar 2017
24.–25. Februar 2017: „resting state“-fMRI and data analysis with FSL-MELODIC and Dual Regression
Ort der Veranstaltung: Klinik für Neuro-logie, Uniklinik RWTH Aachen, Pauwels-straße 30, 52074 AachenTh emen: Basics of (f)MRI, history and concepts of resting state-networks, ex-amples from clinics and science, intro-duction to diff erent methods such as seed-based connectivity, multivariate connectivity, hands-on practical course with MELODIC, Dual Regression and netmatsOrganisation: Dr. med. Cornelius Wer-ner, Klinik für Neurologie, Unikli-nik RWTH Aachen“ Fax 0241 8082444, E-Mail: [email protected]: 31. Dezember 2016
4. März 2017: Human Visual System Pathophysiology – Advances in Research, Diagnostics & Therapy
Ort der Veranstaltung: Otto-von-Gueri-cke-Zentrum, Schleinufer 1, 39104 Mag-deburgTh emen: Novel and future therapeutic approaches, methods and diagnostic advan-ces focusing on glaucoma will be detailed by internationally acknowledged expertsOrganisation: Prof. Dr. Michael B. Hoff -mann & Dr. Lars ChoritzAnmeldung: Anne Herbik, Ophthalmic Department, Otto-von-Guericke Uni-
Ort der Veranstaltung: Interdisciplinary Neurobehavioral Core INBC, University of Heidelberg INF 515; 69120 HeidelbergTh emen: Behavioral testing in rodents: from cognition, motor function, emotion, anxiety to pain. A hands-on courseOrganisation und Anmeldung: Dr. Clau-dia Pitzer, Tel.: 06221 1858504, E-Mail: [email protected], Web: http://www.medizini-sche-fakultaet-hd.uni-heidelberg.de/Ho-me.111344.0.htmlAnmeldeschluss: 31. Januar 2017
24.–25. April 2017: Cerebral Ischemia: in vivo and in vitro Models
Ort der Veranstaltung: Abteilung für Expe-rimentelle Neurologie/Zentrum für Schlag-anfallforschung, Charité Universitätsmedi-zin Berlin, Charitéplatz 1, 10117 BerlinTh emen: Compact introduction into the pathophysiology of cerebral ischemia and the preclinical methods used to study it, including video and live demonstrations of the most relevant in vitro and in vivo models of cerebral ischemia (in particu-lar stroke), and behavioral analysis, with a special focus quality aspects, pitfalls, and clinical relevance.Organisation und Anmeldung: Gabri-ela Seidel-Hart, Tel.: 030 4505 60122, Fax: 030 4505 60942, E-Mail: [email protected]: 3. März 2017
24.–26. April 2017: Detecting gene expression in the nervous system by in situ hybridisation
Ort der Veranstaltung: Department of Physiological Chemistry, Medical Cent-re of the Johannes Gutenberg University, Duesbergweg 6, Mainz 55128Th emen: Participants are introduced to the theory of and receive extensive hands-
on training in the in situ hybridisation technique. During the course we will pay particular attention to the following as-pects: (i) biological sample preparation; (ii) probe design and labelling; (iii) signal amplifi cation techniques; (iv) analysis and evaluation of obtained data; (v) detailed trouble shooting for all steps required. Organisation und Anmeldung: Krisztina Monory, Tel.: 06131 39 24 551, Fax.: 06131 39 23 536, E-Mail: [email protected], url: http://www.site-of-kriszta.eu/nwgAnmeldeschluss: 15. März 2017
8.–12. Mai 2017: SynaptoProteomics: Utilizing Proteomic Methods to Study Synapses and Synapse Dynamics
Ort der Veranstaltung: Leibniz Institute for Neurobiology, Brenneckestr. 6, 39118 Magdeburg Th emen: Subcellular fractionation of ro-dent brains (focus on fractions enriched in synaptic structures); electrophoretic ana-lysis of subcellular fractions (incl. sample preparation for SDS-PAGE, 2D-Gelelec-trophoresis); strategies to study synap-tic interactomes; sample preparation for Mass Spectrometry; MS nalysis/identifi -cation of proteins; database searches, tools for meta-analyses; special lectures on vari-ous aspects of chemical synapsesOrganisation und Anmeldung: Dr. Karl-Heinz Smalla; Tel. 0391-6263-94291; Fax 0391-6263-93319; E-Mail: [email protected]: 31. Januar 2017
31. Mai – 2. Juni 2017: Testing Locomotor Behavior of the Rat
Ort der Veranstaltung: Labor für Mole-kulare Neurobiologie, Universität Düssel-dorf, ZETT, Geb. 22.22, Universitätsstra-ße 1, 40225 DüsseldorfTh emen: Open fi eld test, horizontal lad-der walking (gridwalk) test and CatWalk gait analysis, analysis of locomotor func-tion aft er traumatic CNS and PNS injury, ischemia, neurodegenerative and neuro-infl ammatory diseases. General motor be-havior in the BBB open fi eld test, evaluati-
Neuroforum 3 · 2016106
Nachrichten
on of precise hindlimb movement control and forelimb-hindlimb coordination in the horizontal ladder walking test, de-tailed automated gait analysis in the Cat-Walk test, evaluation of test results (accre-dited by ATF (16 h))Organisation und Anmeldung: Dr. Ve-ronica Estrada, Tel.: 0211-8114437, Fax: 0211 8118411, E-Mail: [email protected]: 31. März 2017
21.–22. September 2017: Functional Neuroanatomy of the Mouse I: Spinal Cord and Brainstem
Ort der Veranstaltung: Zentrum Anato-mie, Universitätsklinik Köln, Gebäude 35, Joseph-Stelzmann-Straße 9, 50924 Köln Th emen: Introduction into the anatomy of the mouse, structural and functional organization of the mouse spinal cord, structural and functional organization of the mouse brainstem with special regard to models of human CNS disordersOrganisation: Prof. Dr. Hannsjörg Schrö-der, E-Mail: [email protected]: Frau Petra Lück, Tel.: 02214785000, Fax: 0221 4785318, E-Mail: [email protected]: 15. Juni 2017
25.–29. September 2017: Imaging of the Synaptic Organization
Ort der Veranstaltung: LIN Leibniz Insti-tute for Neurobiology, Brenneckestraße 6, 39118 MagdeburgTh emen: Live cell imaging of synap-tic func tion, multichannel 3D STED, confocal lightsheet, single particle tra-cking-PALM, single particle tracking (QDots), Ca-imaging (GCaMP), FLIM/FRET, 3D image analysis, deconvolutionOrganisation: Werner Zuschratter, Spe-cial Laboratory Electron- & Laserscan-ning Microscope, Martin Heine, Research Group Molecular PhysiologyAnmeldung: Ines Kaiser, Combinatorial NeuroImaging Core Facility (CNI), Leib-niz Institute for Neurobiology, Tel.: 0391 6263 92182, E-Mail: [email protected]: 1. Juni 2017
8.–13. Oktober 2017: Analysis and Models in Neurophysiology
Ort der Veranstaltung: Bernstein Cen-ter Freiburg, Hansastr. 9a, 79104 FreiburgTh emen: Lectures and exercises in Mathe-matica and Matlab about: Neuron Models and Point Processes, Local Field Potenti-als, Neural Coding, Neural Decoding
Organisation und Anmeldung: Birgit Ahrens, Tel.: 0761 203 9575, Fax: 0761 203 9559, E-Mail: [email protected]: 15. Juni 2017
Oktober 2017: Tübingen MEG Symposium 2017
Ort der Veranstaltung: MEG-Cen-ter, Universitätsklinikum Tübingen, Ot-fried-Müller-Straße 47, 72076 TübingenTh emen: Application of magnetoencepha-lography in cognitive and clinical research. Techniques include the analysis of event-re-lated and oscillatory brain activity and the study of functional connectivity. Cutting edge approaches, such as graph-theoreti-cal analysis and multimodal integration of imaging techniques (EEG, fMRI, DTI, TMS, TACS, TDCS) will be presented.Organisation und Anmeldung: Prof. Dr. Christoph Braun, Tel: 07071 29 87705, Fax: 07071 29 5706, E/Mail: [email protected]: 15. September 2017
Wissenschaft licher Koordinator: Prof. Dr. Hans Werner Müller, Labor für Mo-lekulare Neurobiologie, Neurologische Klinik, Universitätsklinikum Düsseldorf, Moorenstr. 5, D-40225 Düsseldorf,: [email protected] Details unter http://nwg.glia.mdc-ber-lin.de/de/courses/method/2017/
Aufruf zu Kandidatenvorschlägen für Wahl des Vorstands 2017–2019
Laut Satzung ist im Januar 2017 die Wahl des NWG-Vorstandes für die Amtsperio-de 2017–2019, die mit dem Ende der Göt-tinger Tagung am 25. März 2017 beginnen wird, fällig.
Alle Mitglieder der NWG sind aufge-fordert, Vorschläge für die Positionen der Sektionssprecher, des Schatzmeisters, des Generalsekretärs und des Vizepräsiden-ten bei der Geschäft sstelle einzureichen.
Das Amt des Präsidenten steht nicht zur Wahl, laut Satzung wird der Vizepräsident der vorangegangenen Amtsperiode auto-matisch Präsident der nächsten Amtspe-riode.
Der Stichtag für die Einsendung von Vorschlägen ist der 15. Oktober 2016.
Es können nur Vorschläge berück-sichtigt werden, die die komplette post-alische Adresse, die Telefonnummer und
die E-Mail-Adresse des Kandidaten ent-halten. Bitte schicken Sie diese per E-Mail an: [email protected].
Die Vorschläge werden von der Wahl-kommission der NWG bestehend aus Michael Frotscher, Eckart Gundelfi nger, Sigrun Korsching und Herbert Zimmer-mann für die endgültige Wahlliste gesich-tet und bei Bedarf ergänzt.
Dieser von FEI Company finanzierte Preis wird verliehen durch die Neurowissenschaft-
liche Gesellschaft e.V. für herausragende Arbeit auf dem Gebiet der Entwicklung neuer
Technologien in der Hirnforschung.
Der Förderpreis von EUR 2.500,– soll junge Wissenschaftler/innen bis zu einem Alter
von 35 Jahren unterstützen. Voraussetzung ist eine durch Publikationen dokumentierte
hervorragende Forschungsarbeit. Der/die Bewerber/in sollte in einem deutschen Labor
arbeiten oder als Deutsche/r im Ausland tätig sein. Die Bewerbung kann entweder direkt
oder durch Vorschlag erfolgen. Bewerbungen aus allen Gebieten der Neurowissenschaften
sind willkommen. Eine Mitgliedschaft in der Neurowissenschaftlichen Gesellschaft
ist nicht Voraussetzung.
Die Preisverleihung erfolgt auf der Göttinger Tagung der Neurowissenschaftlichen
Gesellschaft 2017 vom 22.– 25. März 2017.
FEI Technologiepreis 2017der Neurowissenschaftlichen Gesellschaft
Die Bewerbung sollte folgende Unterlagen enthalten:1. Lebenslauf (max. 1 Seite)
2. Publikationsliste3. Bedeutung der Forschungsarbeit (max. 2 Seiten)
4. Adressliste von renommierten Wissenschaftler/innen, bei denen eine Stellungnahme bei Bedarf angefordert werden kann.
Dieser Preis
wird verliehen durch
die Neurowissenschaftliche
Gesellschaft e.V. für herausragende
Leistungen auf dem Gebiet der Hirnforschung.
Der Förderpreis von EUR 20.000,– soll junge Wissenschaftler/
innen bis zu einem Alter von 35 Jahren unterstützen.Voraus-
setzung ist eine durch Publikationen dokumentierte hervor-
ragende Forschungsarbeit. Der/die Bewerber/in sollte
in einem deutschen Labor arbeiten oder als Deutsche/r
im Ausland tätig sein. Die Bewerbung kann ent-
weder direkt oder durch Vorschlag erfolgen.
Bewerbungen aus allen Gebieten der
Neurowissenschaften sind willkommen.
Mitgliedschaft in der NWG ist keine
Voraussetzung. Die NWG strebt
eine Erhöhung des Frauenan-
teils bei den Preisträgern
an, Bewerbungen von
Frauen sind des-
halb besonders
erwünscht.
Abb.: Marina Matyash, MDC Berlin
http://nwg.glia.mdc-berlin.de
Neuroforum 3 · 2016
Beitrittserklärung: Hiermit erkläre ich meinen Beitritt zur Neurowissenschaftlichen Gesellschaft e.V.
Eintrag in das Mitgliederverzeichnis:
Name
Vorname
Titel
Dienstadresse
Universität/Institut/Firma
Straße
PLZ, Ort
Tel./Fax/eMail
Privatadresse
Straße
PLZ, Ort
Tel./Fax
Datum/Unterschrift des neuen Mitglieds
Ich unterstütze den Antrag auf Beitritt zur Neurowissenschaftlichen Gesellschaft e.V.:
Datum/Unterschrift
Ich unterstütze den Antrag auf Beitritt zur Neurowissenschaftlichen Gesellschaft e.V.:
Datum/Unterschrift
Neurowissenschaftliche Gesellschaft e.V.Stefanie KorthalsMax-Delbrück-Centrum für Molekulare MedizinZelluläre NeurowissenschaftenRobert-Rössle-Straße 10
13092 Berlin
NeurowissenschaftIiche Gesellschaft e.V.
Ich o ptie re fü r fo lge nde 2 Se k tio ne n:(bitte ankreuzen)
Verhaltensneurowissenschaften
Zelluläre Neurobiologie
Entwicklungsneurobiologie und Neurogenetik
Neuropharmakologie und -toxikologie
Systemneurobiologie
Molekulare Neurobiologie
Klinische Neurowissenschaften
Computational Neuroscience
Kognitive Neurowissenschaften
Ich bin Student ja nein(Bescheinigung anbei)
Ich bin weiblich männlich
Jahresbeitrag:(bitte ankreuzen)
70,– €/Jahr ordentliches Mitglied
30,– €/Jahr Studenten, Mitglieder im
Ruhestand, Arbeitslose
Überweisung:Bankverbindung: Berliner Bank AG,
IBAN: DE39 1007 0848 0463 8664 05
BIC: DEUTDEDB110
Einzug über VISA-Kreditkarte:Einzug über EUROcard:
Kartennummer
Exp. Date
Betrag
Name
Unterschrift
BANKEINZUGSERMÄCHTIGUNG
Ich ermächtige die Neurowissenschaftliche Gesellschaft e.V.
![Siegrid Löwel*, Susanne Dehmel, Kalina Makowiecki und ...systemsneuroscience.uni-goettingen.de/dl/[Neuroforum] Lebensbedingungen... · Übersichtsartikel Siegrid Löwel*, Susanne](https://static.unterlagen.site/doc/80x56/5e0b2a1e30100014db47b983/siegrid-lwel-susanne-dehmel-kalina-makowiecki-und-neuroforum-lebensbedingungen.jpg)
![CloseUp2011 1 mireille 140611 - Luxembourg · h\qv\yk»o\pkl huz t[hp[\uql\ulnhysvuh\tvtlu[kls»6jj\wh[pvu 0suv\z hyhjvu[tsh]plh\3\_ltiv\ynnjl[[ltwvx\ln[yh]lyzs»opz ... 8\lmhpylh]lj\ukpws](https://static.unterlagen.site/doc/80x56/5cd682c788c9936d328d7074/closeup2011-1-mireille-140611-hqvykopkl-huz-thpuqlulnhysvuhtvtlukls6jjwhpvu.jpg)
