Microscopy-informed structural connectivity mapping in the in vivohuman brain via domain adaptation

Stellen Sie sich vor, Sie versuchen, die komplexe Verkabelung des Internetnetzwerks einer Stadt zu verstehen. Sie haben zwei Möglichkeiten, darauf zu blicken:

1. Die Luftaufnahme (MRT): Sie können mit einer Drohne über die Stadt fliegen und die Hauptverkehrsadern und großen Straßen sehen. Das geht schnell und deckt die gesamte Stadt ab, aber aus großer Höhe können Sie die einzelnen Kabel, die kleinen Gassen oder die spezifischen Verbindungen zwischen den Häusern nicht sehen. Dies ist wie die Diffusions-MRT, die eine grobe Karte der Verbindungen im Gehirn liefert, aber die winzigen, detaillierten Fasern übersieht.
2. Die Ansicht auf Straßenebene (Mikroskopie): Sie können jede einzelne Straße entlanggehen und sich jedes Kabel und jeden Draht ganz genau ansehen. Dies liefert Ihnen perfekte, hochauflösende Details, ist aber unglaublich langsam, teuer und kann nicht an einem lebenden Menschen durchgeführt werden (es ist, als würde man sich die Stadt ansehen, nachdem sie bereits stillgelegt und auseinandergenommen wurde). Dies ist wie die Mikroskopie, die die winzigen Strukturen des Gehirns zeigt, aber meist nur nach dem Tod oder bei Tieren möglich ist.

Das Problem:
Wissenschaftler haben eine riesige Lücke zwischen diesen beiden Ansichten. Sie haben die verschwommene Luftaufnahme lebender menschlicher Gehirne, aber es fehlt ihnen an den detaillierten Karten auf Straßenebene, um diese Karte wirklich präzise zu machen. Sie haben auch perfekte Karten auf Straßenebene von Tiergehirnen (wie Makaken), aber sie können diese Details nicht einfach per Copy-and-Paste auf Menschen übertragen, weil das „Gelände“ ein anderes ist.

Die Lösung:
Die Forscher haben ein intelligentes Computerprogramm entwickelt (ein Deep-Learning-Modell), das wie ein superintelligenter Übersetzer fungiert. So funktioniert es, Schritt für Schritt:

• Das Trainingslager: Zuerst haben sie den Computer mithilfe eines Makaken trainiert. Sie hatten sowohl die „Luftaufnahme“ (MRT) als auch die „Ansicht auf Straßenebene“ (Mikroskopie) desselben Affengehirns. Der Computer lernte, auf das verschwommene MRT zu schauen und zu erraten, wie die detaillierte Karte auf Straßenebene aussehen müsste, wobei er die echten Mikroskopie-Daten als Lösungsschlüssel verwendete.
• Die erste Übersetzung (Das Problem von „Tot vs. Lebendig“ lösen): Die Affendaten, die sie hatten, waren eine Mischung aus „lebender“ MRT und „toter“ (postmortaler) Mikroskopie. Der Computer lernte, die Unterschiede zu ignorieren, die dadurch entstanden, dass das Gewebe tot oder lebendig war, und lernte effektiv, die „Essenz“ der Struktur zu sehen, statt nur den Zustand des Gewebes.
• Die zweite Übersetzung (Artübergreifend): Sobald der Computer das Affengehirn gemeistert hatte, nutzten sie eine Technik namens Domain Adaptation (Domänenanpassung), um dieses Wissen auf Menschen zu übertragen. Man kann sich das so vorstellen, als würde man dem Computer beibringen, dass Menschen und Affen zwar unterschiedliche Arten sind, die grundlegende „Grammatik“, wie die Leitungen im Gehirn organisiert sind, aber ähnlich genug ist, dass der Computer das Gelernte auch auf ein menschliches Gehirn anwenden kann.

Das Ergebnis:
Wenn Wissenschaftler nun ein menschliches Gehirn mit einem Standard-MRT scannen, kann dieses Computerprogramm die Lücken sofort „auffüllen“. Es sagt die hochauflösenden Details der Verdrahtung des Gehirns auf Straßenebene voraus, ohne dass dafür eine tatsächliche Mikroskopie erforderlich ist.

Warum es wichtig ist:
Diese neue Methode ermöglicht es Wissenschaftlern, viel genauere Karten der Verbindungen im Gehirn zu zeichnen. Speziell hilft es ihnen dabei, die „lokalen Nachbarschaftsstraßen“ (oberflächliche weiße Substanz) und die spezifischen Pfade, die die Oberfläche des Gehirns mit seinen tiefen Zentren verbinden (kortiko-subkortikale Bahnen), wesentlich besser darzustellen als bisher.

Kurz gesagt präsentiert die Arbeit einen Weg, die super-detaillierten Blaupausen aus Tierstudien zu nehmen und sie zu nutzen, um die verschwommenen Karten der lebenden menschlichen Gehirne zu verbessern, was uns ein klareres, biologisch genaueres Bild davon vermittelt, wie unser Gehirn verdrahtet ist.