Emergent topological structure in spontaneous brain-organoid activity

Die verborgene Gestalt des Denkens

Stellen Sie sich Ihr Gehirn als eine riesige, geschäftige Stadt vor, in der Millionen von Neuronen die Bürger sind. Lange Zeit glaubten Wissenschaftler, man müsse nur zählen, wie viele Menschen sprechen und wie laut sie schreien, um zu verstehen, wie diese Stadt funktioniert. Aber es gibt einen Haken: Die Stadt ist nicht nur eine flache Karte; sie ist eine komplexe, vielschichtige Struktur mit verborgenen Tunneln, Schleifen und geheimen Kammern. Dies ist das Reich der Systemneurowissenschaft, einem Feld, das versucht zu verstehen, wie das Gehirn seine chaotische Aktivität in bedeutungsvolle Muster organisiert.

Um dies zu begreifen, nutzen Wissenschaftler oft ein Werkzeug namens Topologie. Betrachten Sie die Topologie als die Lehre von der „Form“, der es nicht auf exakte Entfernungen oder Größen ankommt, sondern darauf, wie Dinge miteinander verbunden sind. In dieser Welt sind ein Kaffeebecher und ein Donut tatsächlich dieselbe Form, da beide genau ein Loch haben. Wenn Sie den Becher dehnen oder quetschen, bleibt er ein Donut. Wissenschaftler nutzen diese Idee, um Gehirndaten nicht nur als Liste von Zahlen, sondern als geometrische Form zu betrachten. Sie suchen nach Schleifen (wie ein Kreis von Freunden, die alle miteinander sprechen) und Hohlräumen (leeren Räumen, die von einer Gruppe von Freunden umgeben sind). Die große Frage war bisher immer: „Können wir diese Formen tatsächlich mit der begrenzten Anzahl an Gehirnzellen sehen, die wir gleichzeitig aufzeichnen können, oder müssen wir Millionen von Zellen aufzeichnen, um das Muster zu erkennen?“

Die Detektivgeschichte der Gehirn-Organoide

Diese Arbeit verfolgt einen detektivischen Ansatz, um diese Frage mithilfe von Gehirn-Organoiden zu beantworten. Dies sind keine vollständigen Gehirne, sondern winzige, selbstorganisierende Klumpen aus Hirngewebe, die im Labor aus menschlichen oder Maus-Zellen gezüchtet wurden. Sie sind wie dreidimensionale Miniaturversionen der Hirnrinde, die spontan elektrische Impulse abgeben, genau wie ein echtes Gehirn. Die Forscher zeichneten die elektrischen „Spikes“ dieser Organoide mit einem hochmodernen Sensor-Gitter, einem sogenannten Mikroelektroden-Array (MEA), auf. Es gelang ihnen, jederzeit zwischen 26 und 234 einzelne Neuronen zu erfassen.

Das Team nutzte eine mathematische Technik namens persistente Homologie, um die Feuerungsmuster dieser Neuronen in eine Form zu verwandeln. Stellen Sie sich vor, Sie machen eine Momentaufnahme davon, wer mit wem in diesem Augenblick spricht. Wenn zwei Neuronen gleichzeitig feuern, erhalten sie eine Verbindungslinie. Wenn drei Neuronen gemeinsam feuern, bilden sie ein Dreieck. Wenn eine ganze Gruppe eine Ringverbindung bildet, ist das eine Schleife. Die Forscher fragten sich dann: „Existieren diese Schleifen nur, weil Neuronen zufällig zur gleichen Zeit feuern, oder verbirgt sich in den Daten eine echte, strukturierte Form?“

Um dies herauszufinden, erstellten sie ein „Nullmodell“, was im Grunde eine künstliche Version der Daten ist. Sie behielten die exakt gleiche Anzahl an Spikes für jedes Neuron und die gleiche Gesamtaktivität der gesamten Gruppe bei, veränderten aber das Timing zufällig. Das ist so, als würde man ein Kartendeck mischen, sodass die Gesamtzahl der roten und schwarzen Karten gleich bleibt, aber die Reihenfolge zufällig ist. Wenn die echten Gehirndaten mehr Schleifen aufwiesen als diese gemischten, zufälligen Daten, würde dies bedeuten, dass die Schleifen ein echliches Merkmal der Organisation des Gehirns sind und nicht bloß ein Zufallsprodukt der Häufigkeit, mit der die Neuronen feuerten.

Was sie fanden

Die Ergebnisse waren aufregend. In 14 von 18 der Organoid-Datensätze fanden die Forscher heraus, dass die reale Gehirnaktivität signifikant mehr Schleifenstrukturen (mathematisch als „erste Homologie“ oder H1 bezeichnet) aufwies als die zufälligen, gemischten Daten. Das bedeutet, dass die Neuronen nicht einfach zufällig feuerten, sondern sich zu spezifischen, kreisförmigen Mustern organisierten.

Hier sind die wichtigsten Entdeckungen, vereinfacht aufgeschlüsselt:

• Die Schleifen sind real und robust: Die Schleifen waren kein Zufall. Als die Forscher zufällig 10 % der Neuronen aus den Daten entfernten, blieben die Schleifen weitgehend intakt. Als sie jedoch gezielt die „Stern-Neuronen“ entfernten, die Teil der Schleifen waren, brach die Struktur zusammen. Dies deutet darauf hin, dass die Schleifen auf einer spezifischen, nicht-redundanten Kerngruppe von Neuronen beruhen und nicht etwa gleichmäßig verteilt sind, sodass jedes beliebige Neuron die Aufgabe übernehmen könnte.
• Größe spielt eine Rolle: Je mehr Neuronen sie aufzeichneten, desto reicher wurde die Form. In den kleineren Gruppen (etwa 26 Neuronen) war es schwierig, eine Form über dem Rauschen zu erkennen. Doch als die Anzahl der Neuronen stieg, wurden die Schleifen deutlicher. Interessanterweise begannen sie in den größten Netzwerken (die über 119 Neuronen enthielten), auch Hohlräume (mathematisch als „zweite Homologie“ oder H2 bezeichnet) zu sehen. Denken Sie an einen Hohlraum als eine hohle Blase innerhalb einer Gruppe von Neuronen. Diese dreidimensional wirkenden leeren Räume erschienen erst, wenn das Netzwerk groß genug war, um sie zu unterstützen.
• Es liegt nicht an den Sensoren: Eine große Sorge in dieser Art der Forschung ist, dass die Form nur ein Artefakt der Sensoren selbst sein könnte. Wenn die Sensoren beispielsweise in einem Kreis angeordnet sind, sieht die Datenstruktur vielleicht einfach deshalb kreisförmig aus. Die Forscher prüften dies, indem sie den physischen Abstand zwischen den Sensoren untersuchten. Sie fanden heraus, dass die Schleifen in einigen Fällen nichts damit zu tun hatten, wie nah die Sensoren beieinander lagen; die Schleifen hingen rein davon ab, wie die Neuronen miteinander kommunizierten. In anderen Fällen spielte die Distanz eine Rolle, aber die Gesamtstruktur war dennoch ein echtes Merkmal der Gehirnaktivität und kein Trick der Aufzeichnungsausrüstung.

Warum das wichtig ist

Die Arbeit schließt die Idee explizit aus, dass diese Formen nur zufälliges Rauschen sind, das durch eine hohe Feuerrate der Neuronen verursacht wird. Durch den Vergleich der realen Daten mit den gemischten „Null“-Daten bewiesen sie, dass die Schleifen und Hohlräume eine strukturierte Topologie sind, die der Gehirnaktivität eigen ist. Sie zeigten auch, dass man nicht Millionen von Neuronen aufzeichnen muss, um dies zu sehen; selbst mit nur wenigen Hundert (der Maßstab aktueller Experimente) sind diese komplexen Formen nachweisbar.

Die Autoren merken vorsichtig an, dass die Entdeckung dieser Strukturen erst der Anfang ist. Die gefundenen Schleifen sind die erste Sprosse einer Leiter; die Hohlräume sind der nächste Schritt. Sie legen nahe, dass wir noch komplexere Formen sehen könnten, wenn wir in 3D mit noch höherer Auflösung aufzeichnen könnten. Aber für den Moment bestätigt diese Studie, dass die persistente Homologie ein nutzbares Werkzeug für die uns vorliegenden Daten ist. Sie zeigt, dass selbst in diesen winzigen, selbstorganisierenden Gehirn-Klumpen die Neuronen komplexe, geometrische Architekturen der Aktivität aufbauen, die weit über einfache „An“- und „Aus“-Signale hinausgehen. Das Gehirn scheint selbst in einer Petrischale Formen zu zeichnen.