CA3 sparsity stabilises high-connectivity recurrent autoassociation: complementary binary and spiking computational modes in a DG->CA3 model

Das Gedächtnis des Gehirns basiert auf einem empfindlichen Gleichgewicht zwischen zwei gegensätzlichen Aufgaben. Um eine neue Erinnerung zu speichern, muss das Gehirn sie zunächst von ähnlichen vergangenen Erfahrungen abgrenzen, um sicherzustellen, dass ein neues Ereignis nicht mit einem alten verwechselt wird. Dieser Prozess, bekannt als Musterseparation (Pattern Separation), wirkt wie ein Ablagesystem, das ähnliche Dokumente in verschiedene Ordner sortiert. Sobald eine Erinnerung gespeichert ist, muss das Gehen in der Lage sein, sie auch dann abzurufen, wenn nur ein vager oder unvollständiger Hinweis gegeben wird. Dieser Abrufprozess, die Mustervervollständigung (Pattern Completion) genannt, ermöglicht es, dass ein einzelner Duft oder ein Fragment eines Klangs eine ganze Szene wieder ins Gedächtnis ruft. Diese beiden Operationen finden in benachbarten Regionen des Hippocampus statt, einer seahorseförmigen Struktur tief im Gehirn. Die erste Region, der Gyrus dentatus, führt die Trennung durch, während die zweite, das Gebiet CA3, die Vervollständigung übernimmt.

Jahrzehntelang debattierten Wissenschaftler darüber, wie die CA3-Region es schafft, Erinnerungen so zuverlässig abzurufen. Der Schlüssel zu dieser Debatte liegt darin, wie dicht die Neuronen in diesem Bereich miteinander vernetzt sind. Einige Messungen deuten darauf hin, dass diese Verbindungen selten sind, während andere, unter Verwendung fortschrittlicherer Bildgebung, nahelegen, dass sie zehnmal häufiger vorkommen. Diese Uneinigkeit hat Forscher zu der Frage geführt: Hilft eine höhere Anzahl an Verbindungen dem Gehirn, sich an Erinnerungen zu erinnern, oder verursacht dies Chaos? Eine neue Studie von Tadanobu Chuyo Kamijo und Kollegen nutzt Computersimulationen, um diesen Konflikt zu lösen. Sie fanden heraus, dass die Antwort vollständig davon abhängt, wie die Neuronen sich verhalten. Wenn die Neuronen sehr ruhig und spärlich aktiv gehalten werden, funktioniert ein hochgradig vernetztes Netzwerk hervorragend. Wenn die Neuronen jedoch zu aktiv werden, führt dieselbe hohe Konnektivität dazu, dass das System kollabiert, was es unmöglich macht, zwischen einer Erinnerung und der anderen zu unterscheiden.

Die Forscher bauten ein detailliertes Computermodell des Pfades vom Gyrus dentatus zum CA3, um zu testen, wie diese Systeme mit dem Gedächtnis unter verschiedenen Bedingungen umgehen. Sie erstellten zwei Versionen der CA3-Region, um unterschiedliche Arten darzustellen, wie Wissenschaftler sie modellieren. Eine Version nutzte einen vereinfachten, binären Ansatz, bei dem Neuronen entweder strikt „an“ oder „aus“ sind, was ein System mit harten Aktivitätsgrenzen repräsentiert. Die andere Version verwendete ein realistischeres Spiking-Modell, bei dem Neuronen elektrische Signale aussenden und ihre eigene Aktivität durch ein Gleichgewicht von Erregung und Hemmung regulieren, ganz ähnlich wie ein echtes biologisches Netzwerk. Sie speisten dann beide Versionen mit einem Strom von Inputs und testeten deren Fähigkeit zur Vervollständigung partieller Erinnerungen, während sie die Anzahl der Verbindungen zwischen den Neuronen variierten.

Die Ergebnisse zeigten einen markanten Unterschied zwischen den beiden Modellen. In der vereinfachten binären Version half eine Erhöhung der Anzahl der Verbindungen immer. Je mehr Verbindungen die Neuronen hatten, desto besser wurde das System bei der Abrufung vollständiger Erinnerungen aus partiellen Hinweisen. Dies deutet darauf hin, dass, falls das Gehirn mit strikten Aktivitätsgrenzen arbeitet, ein dichtes Netz von Verbindungen ein klarer Vorteil ist. Das realistischere Spiking-Modell erzählte jedoch eine andere Geschichte. In dieser Version half die Erhöhung der Verbindungen nur bis zu einem gewissen Punkt. Sobald die Anzahl der Verbindungen im Verhältnis zur Anzahl der aktiven Neuronen zu groß wurde, versagte das System. Die Erinnerungen wurden nicht nur leicht unscharf; sie brachen vollständig zusammen. Das Netzwerk war nicht mehr in der Lage, zwischen verschiedenen gespeicherten Mustern zu unterscheiden, was effektiv zum Verlust der Erinnerung führte.

Die Studie identifizierte eine spezifische Regel, die dieses Versagen steuert. Das System bleibt nur stabil, wenn das Produkt aus der Anzahl der aktiven Neuronen und der Anzahl der Verbindungen pro Neuron unter einem bestimmten Schwellenwert bleibt. Vereinfacht gesagt: Wenn die Neuronen zu oft feuern, führt die hohe Anzahl an Verbindungen dazu, dass sie alle gleichzeitig aufleuchten, wodurch die distinkten Muster der Erinnerung verschwimmen. Die Forscher fanden heraus, dass dieser Kollaps selbst dann eintritt, wenn das Netzwerk versucht, durch die Stärkung seiner internen Bremsen, der Inhibition, zu kompensieren. Das Versagen ist kein unkontrolliertes Ausbrechen von Aktivität, sondern ein Verlust der Spezifität, bei dem das Gehirn nicht mehr zwischen einer Erinnerung und der anderen unterscheiden kann. Dies erklärt, warum das Gehirn die Aktivität der CA3-Neuronen wahrscheinlich sehr niedrig hält, wobei zu jedem Zeitpunkt nur etwa zwei bis fünf Prozent von ihnen aktiv sind. Diese extreme Sparsamkeit (Sparsity) ist die Bedingung, die es einem hoch vernetzten Netzwerk ermöglicht, zu funktionieren, ohne auseinanderzufallen.

Das Team untersuchte auch, wie die adulte Neurogenese – die Geburt neuer Neuronen im erwachsenen Gehirn – in dieses Bild passt. Es ist bekannt, dass neue Neuronen erregbarer sind als reife Neuronen, was potenziell das empfindliche Gleichgewicht des Netzwerks stören könnte. Die Simulationen zeigten, dass, falls diese neuen Neuronen einfach nur aktiver würden, ohne die Verbindungen zu ändern, sie das System über die Kante treiben und den Kollaps des Gedächtnisnetzwerks verursachen würden. Wenn diese neuen Neuronen jedoch auch inhibitorische Zellen rekrutierten, um das Netzwerk zu beruhigen, halfen sie tatsächlich, das System zu stabilisieren. Dies deutet darauf hin, dass die Methode des Gehirns, neue Zellen zu integrieren, entscheidend ist: Wenn die neuen Zellen helfen, die Gesamtaktivität niedrig zu halten, schützen sie das Gedächtnis; wenn sie lediglich Rauschen hinzufügen, zerstören sie es.

Diese Arbeit ordnet die langjährige Debatte darüber neu ein, wie viele Verbindungen in der CA3-Region existieren. Die Uneinigkeit zwischen niedrigen und hohen Schätzungen mag keine Diskrepanz in der Messung sein, sondern vielmehr ein Spiegelbild unterschiedlicher Betriebsmodi. Wenn das Gehirn auf einem spärlichen, kontrollierten Code basiert, kann es eine sehr hohe Dichte an Verbindungen unterstützen, was mit den höheren Schätzungen übereinstimmt. Wenn der Code weniger spärlich wäre, müsste das Gehirn weit weniger Verbindungen haben, um Chaos zu vermeiden. Die Studie legt nahe, dass die Fähigkeit des Gehirns, sich zu erinnern, nicht nur davon abhängt, die richtige Anzahl an Drähten zu haben, sondern den Verkehr auf diesen Drähten leicht genug zu halten, um einen Verkehrsstau zu verhindern. Durch die Beibehaltung einer geringen Aktivität kann das Gehirn ein reiches, hoch vernetztes Netzwerk aufrechterhalten, das zu einer stabilen und präzisen Gedächtnisabrufung fähig ist.