Do we understand orientation selectivity? A simulation study

Stellen Sie sich vor, Ihr Gehirn wäre eine riesige, geschäftige Stadt, in der Milliarden von winzigen Boten (Neuronen) ständig Nachrichten aneinander schreien. Einer der faszinierendsten Jobs in dieser Stadt findet im „Visuellen Distrikt“ statt, einem Viertel, das darauf spezialisiert ist, das zu verarbeiten, was Sie sehen. Jahrzehntelang haben Wissenschaftler versucht herauszufinden, wie diese Boten entscheiden, welchen Formen sie Aufmerksamkeit schenken. Speziell wollten sie wissen, warum manche Neuronen nur dann erregt werden, wenn sie eine vertikale Linie sehen, während andere nur um horizontale Linien gebeten sind. Diese besondere Fähigkeit wird als Orientierungsselektivität bezeichnet. Es ist wie ein Türsteher in einem Club, der nur Leute durchlässt, die rote Hüte tragen; im Gehirn lassen diese Türsteher nur „vertikale Linien“-Signale passieren.

Lange Zeit glaubten Wissenschaftler, sie hätten den Bauplan dafür, wie dieser Club funktioniert. Sie glaubten, wenn man die Boten nur richtig anordnet – also sicherstellt, dass diejenigen, die vertikale Linien mögen, Nachbarn sind und dass sie alle ihre Anweisungen aus der richtigen Quelle erhalten – würde das Gehirn ganz natürlich damit beginnen, Linien zu sortieren. Es schien eine einfache Angelegenheit der Verdrahtung zu sein: Wenn man den richtigen Straßenplan baut, fließt der Verkehr perfekt. Aber wie wir sehen werden, ist das Gehirn viel komplizierter als ein einfacher Landkartentyp, und manchmal brauchen selbst die besten Pläne ein wenig zusätzliche Hilfe, um in der realen Welt zu funktionieren.

---

Die große Gehirn-Simulation: Warum der Bauplan nicht ausreichte

In dieser Studie beschloss ein Team von Forschern des Blue Brain Projekts, den alten Bauplan zu testen, indem sie die realistischste, hochauflösende Simulation des visuellen Cortex einer Maus erstellten, die je angefertigt wurde. Denken Sie an den Bau eines digitalen Zwillings eines winzigen Ausschnitts eines Mausgehirns, aber anstatt einfacher, cartoonartiger Blöcke verwendeten sie unglaublich detaillierte 3D-Modelle von Neuronen mit realistischen Formen, Größen und Verbindungen. Sie wollten sehen, ob die alten Regeln für das Sortieren von Linien immer noch funktionieren würden, wenn das Gehirn mit diesem Grad an realer Komplexität gebaut würde.

Bevor sie überhaupt mit dem Testen der Linien-Sortierregeln begannen, versuchte das Team, die „Straßen“ zu kartografieren, die Anweisungen von den Augen zum Gehirn bringen. Sie gingen davon aus, dass die physische Form der Neuronen und die Art und Weise, wie ihre Drähte (Axone) über sie hinwegkreuzten, natürlich bestimmen würden, welche spezifischen Arten von Neuronen verbunden werden. Es war, als würde man annehmen, dass man genau vorhersagen kann, welches Haus Post erhält, wenn man das Layout der Stadt und die Fahrwege der Postwagen kennt.

Die erste Überraschung: Die Karte war falsch
Die Forscher stellten fest, dass ihre detaillierte 3D-Anatomiekarte des Gehirns die tatsächlichen Verbindungen nicht vorhersagen konnte. Selbst mit perfektem Wissen über die Formen und Positionen der Neuronen konnte die physische Anordnung nicht erklären, warum bestimmte Arten von Neuronen starke Signale von den Augen erhielten, während andere fast gar keine erhielten. Der „Straßenplan“ des Gehirns war zu chaotisch und komplex, um allein durch einfache Geometrie erklärt zu werden. Dies bedeutete, dass andere unsichtbare Faktoren – vielleicht chemische Signale oder der Wettbewerb zwischen den Drähten – entschieden, wer verbunden wurde, und nicht nur das physische Layout.

Das Team versuchte dann, zwei berühmte Ideen nachzuvollziehen, die eigentlich erklären sollten, wie Neuronen ihre bevorzugten Linienwinkel auswählen, in der Hoffnung, das Sortierproblem zu lösen:

1. Die „Spezialzustellung“-Theorie: Die Idee, dass das Gehirn Anweisungen von den Augen auf eine Weise erhält, die „helle“ und „dunkle“ Signale natürlich in spezifische Muster trennt, wie ein Postdienst, der die Post in verschiedene Behälter sortiert.
2. Die „Gleich und Gleich gesellt sich gern“-Theorie: Die Idee, dass Neuronen, die die gleichen Linienwinkel mögen, sich natürlich miteinander verbinden und so einen engen Club bilden, in dem sie sich gegenseitig ihre Vorlieben verstärken.

Das Team baute ihr superrealistische Modell, programmierte es mit diesen zwei Theorien (und den korrigierten Verbindungsdaten) und drückte dann auf „Start“, um zu sehen, was passiert. Sie simulierten das Gehirn beim Beobachten von bewegten Streifen aus Licht, genau wie es eine Maus in der Realität tun würde.

Die große Überraschung:
Die Simulation scheiterte. Trotz der perfekten „Spezialzustellung“-Anweisungen und der „Gleich und Gleich gesellt sich gern“-Clubs waren die Neuronen im digitalen Mausgehirn nicht besonders gut darin, Linienwinkel zu erkennen. Ihre Fähigkeit, zwischen einer vertikalen und einer horizontalen Linie zu unterscheiden, war viel schwächer als das, was man bei echten Mäusen sieht. Tatsächlich war es so, dass die Hinzufügung der lokalen Verbindungen zwischen den Neuronen (der „Gleich und Gleich gesellt sich gern“-Teil) das Sortieren sogar verschlechterte, anstatt es zu verbessern.

Dies war eine bedeutende Erkenntnis, denn es bedeutete, dass die alten, einfachen Erklärungen – die in einfachen, niedrig detaillierten Computermodellen gut funktionierten – nicht ausreichten, um zu erklären, wie ein echtes, komplexes Gehirn funktioniert. Es ist, als versuche man, einen funktionierenden Automotor nur anhand einer Skizze zu bauen; die Skizze sieht richtig aus, aber wenn man alle echten, schweren Metallteile einsetzt, stottert der Motor und springt nicht an.

Was die Forscher ausschlossen

Das Team blieb nicht einfach bei einem „Es hat nicht funktioniert“ stehen. Sie spielten Detektiv, um herauszufinden, warum es nicht funktionierte. Sie testeten mehrere Möglichkeiten und schlossen diese aus:

• Es lag nicht an der „Spezialzustellung“-Sortierung: Sie probierten verschiedene Wege aus, die hellen und dunklen Signale von den Augen zu trennen, aber egal wie sie diese arrangierten, das Gehirn konnte die Linien immer noch nicht auswählen. Die physische Anordnung dieser Signale allein war nicht der magische Schlüssel.
• Es lag nicht nur an den „Gleich und Gleich gesellt sich gern“-Verbindungen: Sie prüften, ob die Art und Weise, wie sich die Neuronen untereinander verbanden, das Problem war. Selbst als sie die Neuronen dazu zwangen, sich exakt so zu verbinden, wie es die „Gleich und Gleich gesellt sich gern“-Theorie vorhersagte, konnte das Gehirn die Linien immer noch nicht richtig sortieren.
• Es lag nicht an einem Fehler in der Mathematik: Sie überprüften ihren Code und die Zahlen mehrfach, um sicherzustellen, dass sie keinen einfachen Fehler bei der Berechnung der Verbindungen gemacht hatten.

Die neue Hypothese: Das Gehirn braucht ein „selbstregulierendes“ System

Wenn also die Verdrahtung und die Anweisungen nicht ausreichen, was fehlt dann? Die Forscher vermuten, dass das echte Gehirn eine Geheimwaffe besitzt, die ihrer Simulation fehlte: homöostatische Plastizität.

Stellen Sie sich dies als einen „selbstregulierenden Thermostaten“ für das Gehen vor. In einem echten Gehirn überwachen Neuronen ständig, wie stark sie feuern. Wenn ein Neuron zu viele Impulse erhält und kurz davor ist, durchzudrehen, regelt es seine Empfindlichkeit leise herunter. Wenn es zu wenig bekommt, dreht es die Lautstärke hoch. Dies geschieht ständig und hält das gesamte Netzwerk im Gleichgewicht und einsatzbereit.

In der Simulation waren die Neuronen statisch; sie konnten sich nicht selbst anpassen. Sie waren an die Einstellungen gebunden, mit denen sie geboren wurden. Die Forscher vermuten, dass ohne diese „selbstregulierende“ Fähigkeit die komplexen, chaotischen Verbindungen eines echten Gehirns einfach überfordert werden und die Linien nicht sortieren können. Sie schlagen vor, dass das Gehirn dieses dynamische Gleichgewicht braucht, um einen chaotischen Haufen von Drähten in eine scharfe, linienerkennende Maschine zu verwandeln.

Das Fazit

Dieses Paper ist ein wenig ein Realitätscheck für Hirnforscher. Es zeigt, dass nur weil eine Theorie in einem einfachen, sauberen Computermodell funktioniert, sie nicht zwangsläufig auch in der chaotischen, komplizierten Realität eines lebenden Gehirns funktioniert. Die alten Ideen darüber, wie Neuronen Linien sortieren, sind wahrscheinlich Teil der Geschichte, aber sie sind nicht die ganze Geschichte.

Die Autoren legen nahe, dass wir aufhören müssen, das Gehirn als eine statische Leiterplatte zu betrachten, und statfangen müssen, es als ein dynamisches, selbstkorrigierendes System zu verstehen, wenn wir wirklich verstehen wollen, wie wir die Welt sehen. Sie haben nicht bewiesen, dass diese neue Idee definitiv die Antwort ist (da sie den selbstregulierenden Prozess noch nicht perfekt simulieren konnten), aber ihre Ergebnisse deuten stark darauf hin, dass das visuelle System des Gehirns ohne sie einfach nicht so funktionieren würde, wie es tut. Es ist eine Erinnerung daran, dass das Gehirn nicht nur eine Maschine aus Einzelteilen ist, sondern ein lebendes System, das sich ständig selbst abstimmt, um im Gleichgewicht zu bleiben.