Optimal dynamic range of spiking neurons in critical scale-free networks

Das menschliche Gehirn ist ein Meister der Anpassung, fähig, ein Flüstern und einen Donnerschlag, einen schwachen Duft und einen stechenden Geruch wahrzunehmen, ohne dabei die Fähigkeit zu verlieren, zwischen ihnen zu unterscheiden. Diese Fähigkeit, ein breites Spektrum an Intensitäten zu verarbeiten, wird als Dynamikbereich bezeichnet. Jahrzehntelang rätselten Wissenschaftler darüber, wie das Gehirn einen so großen Bereich an Empfindlichkeit erreicht. Einzelne Nervenzellen, oder Neuronen, sind überraschend begrenzt; sie können nur auf ein schmales Band von Eingaben reagieren, bevor sie überfordert sind oder nicht mehr reagieren können. Doch wenn diese Zellen zusammen in dem komplexen Geflecht des Gehirns arbeiten, kann das kollektive System Signale über ein viel breiteres Spektrum hinweg erfassen. Die Frage, die Forscher lange Zeit faszinierte, lautete, wie diese Transformation geschieht: Wie erschafft eine Gruppe begrenzter Individuen ein System mit einem solch außergewöhnlichen Reichtum?

Ein Team von Forschern der Federal University of Paraná in Brasilien hat sich diesem Phänomen genähert, indem es ein digitales Modell eines neuronalen Netzwerks konstruierte. Sie konzentrierten sich auf eine spezifische Art von Netzwerkstruktur, die „skalenfrei“ genannt wird und die Art und Weise nachahmt, wie echte Gehirne vernetzt sind. In dieser Architektur haben die meisten Neuronen nur wenige Verbindungen zu ihren Nachbarn, während eine kleine Anzahl hoch vernetzter „Hub-Neuronen“ mit vielen anderen verbunden ist. Diese ungleiche Verteilung ist nicht zufällig; es ist ein Muster, das in vielen natürlichen Systemen zu finden ist, von sozialen Netzwerken bis hin zum Internet, und es scheint ein grundlegendes Merkenz der Organisation des Gehirns zu sein. Die Forscher wollten sehen, ob dieses spezifische Vernetzungsmuster erklären kann, warum Sinnesorgane, wie das Auge oder das Ohr, einen viel größeren Dynamikbereich besitzen als ein einzelnes Neuron allein.

Um dies zu untersuchen, konstruierten die Wissenschaftler ein virtuelles Netzwerk aus fünfhundertfünfzig Neuronen. Jedes Neuron in ihrem Modell war eine detaillierte mathematische Repräsentation einer echten biologischen Zelle, komplett mit denselben elektrischen Eigenschaften und chemischen Kanälen, die es echten Neuronen ermöglichen, zu feuern. Diese virtuellen Zellen waren durch chemische Synapsen miteinander verbunden, jene winzigen Lücken, durch die Neuronen Signale aneinander weitergeben. Die Forscher setzten dieses Netzwerk dann einem stetigen Strom elektrischer Impulse aus, was die Art von sensorischem Input simuliert, den ein echtes Gehirn erhalten könnte. Sie variierten die Stärke der Verbindungen zwischen den Neuronen und beobachteten genau, wie die gesamte Gruppe auf unterschiedliche Stimulationsstufen reagierte.

Die Ergebnisse zeigten einen klaren und überraschenden Zusammenhang zwischen der Stärke der Verbindungen und der Leistungsfähigkeit des Netzwerks. Wenn die Neuronen nicht miteinander verbunden waren und als isolierte Individuen agierten, hatte das Netzwerk einen sehr engen Dynamikbereich, ähnlich dem, was bei einer einzelnen Zelle zu beobachten ist. Als die Forscher die Stärke der Verbindungen zwischen den Neuronen erhöhten, verbesserte sich die Fähigkeit des Netzwerks, ein breites Spektrum an Reizen zu erfassen, dramatisch. Diese Verbesserung setzte sich jedoch nicht unendlich fort. Das Netzwerk erreichte seine Spitzenleistung bei einer spezifischen, optimalen Ebene der Verbindungsstärke. An diesem präzisen Punkt war der Dynamikbereich am größten, was dem System ermöglichte, auf die breitestmögliche Vielfalt an Input-Intensitäten zu reagieren.

Diese Spitzenleistung fiel mit einem spezifischen mathematischen Verhalten in der Reaktion des Netzwerks zusammen. Die Forscher fanden heraus, dass an dem Punkt maximaler Sensibilität die Beziehung zwischen dem Eingangssignal und der Ausgangsreaktion einer spezifischen Potenzgesetz-Regel folgte – einer mathematischen Regel, bei der sich der Output in einem vorhersagbaren Verhältnis zum Input verändert. Dieser spezifische Zustand, in dem das Netzwerk weder zu chaotisch noch zu starr ist, wird oft als „Kritikalität“ bezeichnet. Die Studie legt nahe, dass das Gehirn möglicherweise natürlich nahe diesem kritischen Punkt operiert, um seine Fähigkeit zur Informationsverarbeitung zu maximieren. Die Ergebnisse stützen die Vorstellung, dass die erhöhte Sensibilität unserer Sinne nicht nur eine Eigenschaft einzelner Zellen ist, sondern ein emergentes Merkmal, das aus der kollektiven Dynamik des gesamten Netzwerks entsteht.

Auch die Größe des Netzwerks spielte in diesen Simulationen eine entscheidende Rolle. Die Forscher testeten Netzwerke unterschiedlicher Größe und fanden heraus, dass mit der Anzahl der Neuronen auch der Dynamikbereich größer wurde. Dieses Wachstum setzte sich jedoch nicht ewig fort; es begann abzuflachen, sobald das Netzwerk eine bestimmte Größe von etwa dreihundert Neuronen erreichte. Jenseits dieses Punktes führte das Hinzufügen weiterer Neuronen nicht mehr zu einer signifikanten Steigerung des Bereichs. Dies deutet darauf hin, dass es eine natürliche Grenze gibt, wie sehr die Größe des Netzwerks seine Sensibilität verbessern kann, und dass das spezifische Vernetzungsmuster wichtiger ist als schlichtweg eine massive Anzahl von Zellen.

Die Studie hob auch einen deutlichen Unterschied zwischen diesem skalenfreien Netzwerk und anderen Arten von Netzwerkstrukturen hervor, wie etwa „Small-World“-Netzwerken, die die Forscher zuvor untersucht hatten. In dem skalenfreien Modell erzeugte die Präsenz jener hoch vernetzten Hub-Neuronen ein einzigartiges Verhalten. Wenn die Verbindungen zu stark wurden, sank die Leistungsfähigkeit des Netzwerks drastisch ab, weit mehr als bei anderen Netzwerktypen. Dies deutet darauf hin, dass die spezifische Architektur des Gehirns, mit ihrer Mischung aus spärlichen Verbindungen und einigen wenigen mächtigen Hubs, fein abgestimmt ist. Sie ermöglicht einen weiten Dynamikbereich bei der richtigen Verbindungsebene, macht das System aber gleichzeitig empfindlich gegenüber Änderungen dieser Verbindungsstärke.

Letztendlich liefert diese Arbeit eine computergestützte Erklärung für ein langjähriges Rätsel der Neurowissenschaften. Sie legt nahe, dass die Fähigkeit des Gehirns, die Welt in all ihren variierenden Intensitäten wahrzunehmen, eine kollektive Errungenschaft ist. Der weite Dynamikbereich, den wir in unseren Sinnen beobachten, ist nichts, was ein einzelnes Neuron aus eigener Kraft erreichen kann. Stattdessen entsteht er aus dem komplexen Zusammenspiel tausender Neuronen, die in einer spezifischen, skalenfreien Anordnung zusammenarbeiten. Durch das Operieren nahe einem kritischen Punkt ermöglicht diese Netzwerkarchitektur dem Gehirn, sowohl gegenüber den schwächsten Signalen empfindlich zu bleiben als auch in der Lage zu sein, die lautesten, hellsten oder intensivsten Inputs zu verarbeiten. Die Studie bestätigt, dass die Organisation des Netzwerks selbst der Schlüssel ist, um das volle Potenzial der neuronalen Verarbeitung zu erschließen.