Next generation Human Neocortical Neurosolver model with biophysically realistic somatic, dendritic and synaptic dynamics

Das menschliche Gehirn ist eine weite, komplexe Landschaft elektrischer Aktivität, doch für Wissenschaftler, die versuchen zu verstehen, wie wir denken, fühlen oder die Welt wahrnehmen, bleibt ein Großteil dieser Aktivität verborgen. Wir können Sensoren auf der Kopfhaut platzieren, um das elektromagnetische Flüstern des Gehirns aufzuzeichnen, bekannt als Elektroenzephalografie oder EEG, sowie Magnetoenzephalografie oder MEG. Diese Werkzeuge erfassen das kollektive Summen von Milliarden feuernder Neuronen in Synchronität, doch die Signale, die sie aufzeichnen, sind wie das Hören eines jubelnden Publikums in einem Stadion, ohne die einzelnen Fans sehen zu können. Um die Geschichte hinter dem Lärm zu verstehen, müssen Forscher die Lücke zwischen diesen großflächigen Signalen und den winzigen, mikroskopischen Schaltkreisen im Inneren des Gehirns überbrücken. Dies erfordert eine Möglichkeit, die breiten Wellen der Gehirnaktivität zurück in das spezifische Verhalten einzelner Zellen zu übersetzen – eine Aufgabe, die lange Zeit schwierig war, da die elektrischen Eigenschaften menschlicher Neuronen im Vergleich zu denen von Tieren schlecht verstanden wurden.

Ein Forschungsteam hat nun ein signifikant verbessertes digitales Modell gebaut, um dieses Problem zu lösen, und bietet ein klareres Fenster dazu, wie das menschliche Gehirs seine elektrischen Signaturen erzeugt. Sie entwickelten eine ausgeklügelte Computersimulation namens „Human Neocortical Neurosolver“, die als Übersetzer zwischen der mikroskopischen Welt der Zellen und der makroskopischen Welt der Gehirnscans fungiert. Die neue Version dieses Modells ist deshalb besonders, weil sie nicht mehr primär auf Daten von Ratten oder Affen basiert. Stattdessen haben die Forscher die virtuellen Neuronen so abgestimmt, dass sie dem tatsächlichen elektrischen Verhalten von menschlichem Hirngewebe entsprechen, indem sie frische Daten von menschlichen Spendern verwendeten. Durch dies haben sie ein Werkzeug geschaffen, das nicht nur das grundlegende Feuern von Neuronen simulieren kann, sondern auch komplexe, verborgene Ereignisse, die tief in den langen Verzweigungen der Gehirnzellen ablaufen – Ereignisse, die in einem menschlichen Kontext zuvor unmöglich zu verfolgen waren.

Der Kern dieser Arbeit besteht darin, die digitale Architektur der äußeren Schicht des Gehirns, des Neocortex, unter besonderer Berücksichtigung zweier Haupttypen von Zellen neu aufzubauen: Pyramidenzellen, welche die primären Boten sind, und inhibitorische Interneurone, die als Bremsen fungieren, um das Netzwerk im Gleichgewicht zu halten. In früheren Versionen des Modells wurden diese Zellen vereinfacht, um die Computersimulationen schneller ablaufen zu lassen, aber sie ließen die spezifischen elektrischen Eigenheiten vermissen, die in echtem menschlichem Gewebe vorkommen. Die Forscher aktualisierten das Modell, indem sie die internen Leiter und Schalter dieser virtuellen Zellen anpasssen, um den Aufzeichnungen von menschlichen Neuronen zu entsprechen. Sie fanden heraus, dass sich menschliche Neuronen anders verhalten als ihre tierischen Gegenstücke, insbesondere in der Art und Weise, wie sie elektrische Signale handhaben, die vom Zellkörper aus in ihre langen, baumartigen Verzweigungen, die Dendriten, wandern.

Eine der bedeutendsten Entdeckungen dieses neuen Modells ist die Fähigkeit, Kalzium-Spikes zu simulieren – das sind Ausbrüche elektrischer Aktivität, die tief in den Dendriten bestimmter Neuronen auftreten. In den tiefen Schichten des menschlichen Gehirns, speziell in der fünften Schicht, können diese Neuronen starke Kalzium-Spikes erzeugen, wenn sie bestimmte Input-Muster erhalten. Diese Spikes sind nicht bloß zufälliges Rauschen; es sind komplexe Ereignisse, die Informationen aus verschiedenen Teilen des Gehirns integrieren und die Zelle dazu veranlassen können, ein Signal an den Rest des Körpers zu senden. Die Forscher demonstrierten, dass ihr neues Modell diese Kalzium-Spikes reproduzieren kann, und zeigten, dass diese auftreten, wenn das Neuron eine schnelle Serie von Signalen erhält oder wenn es Input aus zwei verschiedenen Richtungen gleichzeitig bekommt. Dies ist eine entscheidende Ergänzung, da diese dendritischen Ereignisse nun als Mitverursacher der großen elektrischen Signale bekannt sind, die wir auf der Kopfhaut messen können; das bedeutet, dass das, was wir in einem Hirnscan sehen, teilweise durch diese verborgenen, tief im Gehirn liegenden Ereignisse angetrieben wird.

Das Team verfeinerte auch, wie sich diese virtuellen Zellen untereinander verbinden. Im Gehirn feuern Neuronen nicht einfach zufällig; sie sind in präzisen Mustern miteinander verknüpft, wobei die Stärke der Verbindung davon abhängt, wie weit die Zellen voneinander entfernt sind. Das neue Modell bezieht diese distanzabhängigen Regeln mit ein und stellt sicher, dass Zellen, die näher beieinander liegen, sich stärker beeinflussen als solche, die weiter entfernt sind. Sie passten die chemischen Signale, die als Neurotransmitter bekannt sind und zwischen den Zellen übertragen werden, an, um der Geschwindigkeit und Stärke zu entsprechen, die in menschlichem Gewebe beobachtet wurden. Dies beinhaltete auch die Aktualisierung der Art und Weise, wie inhibitorische Zellen ihre Nachbarn verstummen lassen, um sicherzustellen, dass das Timing dieser „Bremsen“ dem langsameren, bedachten Tempo entspricht, das in menschlichen Hirnschnitten zu finden ist, statt dem schnelleren Tempo von Nagetieren.

Mit diesem aktualisierten Modell testeten die Forscher ihre Fähigkeit, reale Hirnmuster zu rekonstruieren. Sie simulierten die Reaktion des Gehirns auf eine plötzliche Berührung – ein häufiges Experiment, bei dem eine Person einen Klaps auf die Haut spürt und das Gehirn mit einer spezifischen elektrischen Welle reagiert. Das neue Modell reproduzierte erfolgreich die Form und das Timing dieser Wellen und entsprach dabei den Daten, die von menschlichen Teilnehmern aufgezeichnet wurden. Es simulierte auch die natürlichen Rhythmen des Gehirns, wie etwa die Alpha- und Beta-Wellen, die auftreten, wenn das Gehirn in Ruhe ist oder sich bewegt. In diesen Simulationen zeigte das Modell, wie das Zusammenspiel von exzitatorischen und inhibitorischen Zellen diese rhythmischen Aktivitätsausbrüche erzeugt und wie die neuen, realistischeren Eigenschaften menschlicher Zellen die Art und Weise veränderten, wie diese Rhythmen generiert wurden, verglichen mit älteren Modellen.

Die Forscher untersuchten auch, wie diese verschiedenen Teile des Gehirns zum endgültigen Signal beitragen. Sie fanden heraus, dass die Neuronen der tiefen Schichten mit ihren langen Verzweigungen und der Fähigkeit, Kalzium-Spikes zu erzeugen, eine dominante Rolle bei der Erzeugung der großen elektrischen Ströme spielen, die mittels EEG und MEG gemessen werden. Das Modell enthüllte, dass die Kalzium-Spikes in diesen tiefen Zellen einen anhaltenden elektrischen Zug erzeugen, der länger andauert als die schnellen Blitze der Aktivität in den oberen Schichten. Dies deutet darauf hin, dass die großen Wellen, die in einem Hirnscan zu sehen sind, nicht einfach eine einfache Summe aller feuernden Neuronen sind, sondern maßgeblich durch diese spezifischen, komplexen Ereignisse in den tiefen Schichten geformt werden. Durch die Visualisierung des Stromflusses und der Bewegung von Kalziumionen innerhalb der virtuellen Zellen konnten die Forscher genau sehen, wie die mikroskopischen Aktionen einzelner Neuronen zu den makroskopischen Signalen zusammenwirken, die wir messen.

Diese Arbeit stellt einen bedeutenden Fortschritt im Verständnis des menschlichen Gehirns dar, da sie über das bloße Vermuten basierend auf Tierdaten hinausgeht. Das neue Modell, das die Forscher als duecker_ET_model bezeichnen, basiert auf der tatsächlichen Physiologie menschlicher Neuronen und ist somit ein zuverlässigeres Werkzeug zur Interpretation von Hirnscans. Es ermöglicht Wissenschaftlern, Hypothesen darüber zu testen, was im Inneren des Gehirns geschieht, wenn wir denken, fühlen oder unter neurologischen Erkrankungen leiden. Wenn beispielsweise ein Patient ein ungewöhnliches Gehirnwellenmuster aufweist, können Forscher nun dieses Modell nutzen, um zu sehen, ob das Problem durch eine Störung der Kalzium-Spikes in den tiefen Schichten oder durch ein Missverhältnis im Timing der inhibitorischen Signale verursacht wurde. Das Modell steht anderen Wissenschaftlern zur Nutzung offen und bietet eine gemeinsame Plattform, um die Geheimnisse des menschlichen Geistes mit einem Detailgrad zu erforschen, der zuvor unerreichbar war.

Die Forscher merkten vorsorglich an, dass ihr Modell eine Vereinfachung ist, die darauf ausgelegt ist, recheneffizient zu sein und dennoch die wesentlichen Verhaltensweisen des Gehirns zu erfassen. Sie haben nicht jeden einzelnen Neuronentyp oder jedes winzige Detail der Zellstruktur einbezogen, da dies die Simulationen zu langsam für den praktischen Gebrauch gemacht hätte. Stattdessen konzentrierten sie sich auf die Merkmale, die für die Erzeugung der messbaren elektrischen Signale am wichtigsten sind. Sie räumten ein, dass ihr Modell zwar viele Merkmale menschlicher Neuronen reproduziert, es aber dennoch Unterschiede zwischen dem Modell und der Realität gibt, insbesondere hinsichtlich der Art und Weise, wie Signale entlang der langen Verzweigungen der Zellen wandern. Durch die Fundierung des Modells in menschlichen Daten haben sie jedoch ein Fundament geschaffen, das weitaus genauer ist als frühere Versuche.

Letztendlich bietet diese Arbeit eine neue Linse, durch die man das menschliche Gehirn betrachten kann. Sie transformiert die abstrakten Wellen von EEG und MEG in eine Geschichte über spezifische Zellen, spezifische Verbindungen und spezifische elektrische Ereignisse. Indem sie zeigten, dass menschliche Neuronen einzigartige Eigenschaften besitzen – wie die Fähigkeit, Kalzium-Spikes zu erzeugen, die unsere Gehirnwellen formen –, haben die Forscher neue Wege eröffnet, um die Funktionsweise des Gehirns zu verstehen. Das Modell dient als Brücke, die die unsichtbare Welt der zellulären Biologie mit der sichtbaren Welt der Bildgebung des Gehirns verbindet und es uns ermöglicht, die Maschinerie hinter dem Geist mit größerer Klarheit als je zuvor zu sehen.