Gradients of local circuit architecture shape stability and information integration across the cortical hierarchy
Unter Verwendung biologisch realistischer Simulationen des Mauskortex zeigt diese Studie, dass eine Erhöhung der Konnektivitätsdichte und des relativen Anteils an SST-Zellen entlang der kortikalen Hierarchie die Schaltkreisstabilität verbessert und somit die lokale Zelltypzusammensetzung mit populationsweiten Aktivitäts- und Informationsverarbeitungsfunktionen verknüpft.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Das Säugetiergehirn ist kein einzelnes, einheitliches Organ, sondern eine weite Landschaft spezialisierter Regionen, von denen jede auf eine andere Aufgabe abgestimmt ist. Am Boden dieser Landschaft liegen die sensorischen Areale, die als die „Vordertür“ des Gehirns fungieren und Rohdaten aus den Augen, Ohren und der Haut schnell verarbeiten. Während sich Informationen durch die Struktur des Gehirns nach oben bewegen, erreichen sie höherwertige Regionen, die für komplexe Aufgaben wie Planung, Entscheidungsfindung und das Festhalten von Gedanken zuständig sind. Wissenschaftler wissen seit langem, dass diese Regionen hierarchisch angeordnet sind, aber ein zentrales Rätsel bleibt bestehen: Wie verändern sich die winzigen, lokalen Verschaltungsdiagramme innerhalb jeder Region, um diese unterschiedlichen Aufgaben zu unterstützen? Es ist eine Frage der Architektur. So wie eine Bibliothek und eine Fabrik möglicherweise unterschiedliche Layouts verwenden, um Bücher gegenüber Fließbändern zu handhaben, nutzen die Regionen des Gehirns wahrscheinlich spezifische Anordnungen von Neuronen, um einfache Wahrnehmung gegenüber komplexem Denken zu bewältigen. Das Verständnis dieser lokalen Blaupausen ist entscheidend, um zu verstehen, wie das Gehirn stabil bleibt, während es eine Flut von Informationen verarbeitet.
Um dieses Rätsel zu lösen, wandte sich ein Forscherteam des Allen Institute der Kraft der Computersimulation zu. Sie erstellten detaillierte, biologisch realistische Modelle von fünf verschiedenen Hirnregionen der Maus, die von der primären visuellen Kortex am unteren Ende der Hierarchie bis hin zu höherwertigen Arealen wie dem anterioren cingulären Kortex und dem orbitofrontalen Kortex reichen. Diese Modelle waren keine abstrakten Skizzen; sie wurden unter Verwendung massiver Datensätze realer Gehirnverschaltungen und Physiologie konstruiert. Die Forscher bestückten jedes Modell mit tausenden virtuellen Neuronen, die spezifische Zelltypen des echten Gehirns repräsentieren, einschließlich exzitatorischer Zellen, die Signale weiterleiten, und inhibitorischer Zellen, die als Bremsen wirken. Entscheidend war, dass sie die Modelle so anpassten, dass sie bekannte biologische Trends widerspiegelten: Während sie sich in der Hierarchie nach oben bewegten, nahm die Dichte der Neuronen ab, aber die Anzahl der Verbindungen zwischen ihnen stieg an, und die Mischung der inhibitorischen Zelltypen verschob sich. Durch die Simulation, wie diese virtuellen Schaltkreise auf Eingaben reagierten, konnte das Team beobachten, wie strukturelle Veränderungen die Fähigkeit des Gehirns zur Informationsverarbeitung und zur Aufrechterhaltung der Stabilität formten.
Die Simulationen zeigten ein klares Muster: Wenn sich die Modelle in der kortikalen Hierarchie nach oben bewegten, wurden die Schaltkreise stabiler und besser darin, Erregung und Hemmung auszubalancieren. Diese Stabilität wurde durch zwei Hauptfaktoren getrieben. Erstens wurden die Verbindungen zwischen den Neuronen in den höherwertigen Modellen dichter. Zweitens – und vielleicht überraschender – nahm der Anteil eines spezifischen Typs von inhibitorischen Neuronen, der Somatostatin- oder SST-Zelle, zu. In den niederschwelligen sensorischen Modellen erhielten exzitatorische Zellen mehr Input von einem anderen Typ von inhibitorischen Zellen, den Parvalbumin- oder PV-Zellen. Doch in den höherwertigen Modellen kehrte sich das Gleichgewicht um, wobei die exzitatorischen Zellen signifikant mehr Input von SST-Zellen erhielten. Diese Verschiebung in der zellulären Zusammensetzung half den höherwertigen Schaltkreisen, Störungen zu absorbieren, ohne in Chaos zu verfallen, was darauf hindeutet, dass das Gehirn seine lokale Verschaltung anpasst, um den komplexen, integrativen Anforderungen höherer Kognition gerecht zu werden.
Die Forscher testeten auch, wie diese Schaltkreise auf spezifische Reize reagierten, wie etwa die Aktivierung eines einzelnen Neurons, was ein Experiment nachahmt, bei dem ein Wissenschaftler Licht verwendet, um eine einzelne Zelle in einem lebenden Tier auszulösen. Wenn sie ein einzelnes exzitatorisches Neuron in ihren Modellen stimulierten, breitete sich die Aktivität nach außen aus, aber die Reaktion hing stark vom Zelltyp ab. SST-Neuronen waren einzigartig sensibel; sie feuerten stark als Reaktion auf die Stimulation, selbst wenn sie nicht direkt mit der stimulierten Zelle verbunden waren. Das Team entdeckte, dass diese hohe Reaktionsfähigkeit nicht darauf beruhte, dass SST-Zellen mehr exzitatorische Signale erhielten, sondern dass sie weniger inhibitorischen Input von ihren Nachbarn erhielten als PV-Zellen. In den höherwertigen Modellen, in denen SST-Zellen zahlreicher waren, half dieser Mechanismus, ein enges Gleichgewicht aufrechtzuerhalten, was sicherstellte, dass das Netzwerk viele verschiedene Inputs integrieren konnte, ohne instabil zu werden.
Interessanterweise klärte die Studie auch auf, was sich über die Hierarchie hinweg nicht ändert. Seit Jahren beobachten Wissenschaftler, dass sich die „Zeitskala“ der neuronalen Aktivität – die Geschwindigkeit, mit der eine Region Informationen verarbeitet – verlangsamt, wenn man sich in der Hierarchie nach oben bewegt. Primäre sensorische Areale reagieren in Millisekunden, während höherwertige Areale Informationen über längere Zeiträume festhalten. Die Forscher vermuteten, dass diese Verlangsamung durch die lokalen Verschaltungsänderungen verursacht werden könnte, die sie modellierten, wie etwa dichtere Verbindungen oder mehr SST-Zellen. Ihre Simulationen zeigten jedoch das Gegenteil: Eine zunehmende Verbindungsdichte machte die Schaltkreise tatsächlich etwas schneller, nicht langsamer. Dieser Befund legt nahe, dass die langsameren Zeitskalen, die in höheren Hirnregionen beobachtet werden, nicht das Produkt der lokalen Schaltkreisarchitektur allein sind. Stattdessen entstehen sie wahrscheinlich durch Faktoren außerhalb der unmittelbaren Nachbarschaft der Neuronen, wie etwa Fernverbindungen zu anderen Hirnarealen oder chemische Signale, die die Aktivität über die Zeit modulieren.
Durch die Verknüpfung der physischen Struktur lokaler Schaltkreise mit ihrer funktionellen Ausgabe bietet diese Arbeit einen neuen Weg, um die Organisation des Gehirns zu verstehen. Sie zeigt, dass das Gehirn seine Verarbeitungsleistung nicht nur skaliert, sondern seine lokalen Nachbarschaften grundlegend neu verdrahtet. Die Zunahme der SST-Zellen und die spezifischen Verbindungsmuster, die sie bilden, schaffen eine robuste Umgebung, die in der Lage ist, vielfältige Informationsströme zu integrieren. Während die lokale Verschaltung erklärt, wie das Gehirn Stabilität bewahrt und komplexe Inputs verarbeitet, deutet die Studie auch den Finger weg von den lokalen Schaltkreisen für die verändernde Geschwindigkeit des Denkens. Das Ergebnis ist ein klareres Bild des Gehirns als ein System, in dem lokale Architektur und globale Einflüsse Hand in Hand arbeiten und jeweils eine eigene, distinkte Rolle im Sinfonie der Kognition spielen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.