Do we understand orientation selectivity? A simulation study

Stel je voor dat je brein een enorme, bruisende stad is waar miljarden kleine boodschappers (neuronen) constant berichten naar elkaar schreeuwen. Een van de meest fascinerende taken in deze stad vindt plaats in het "Visuele District", een buurt die gewijd is aan het verwerken van wat je ziet. Decennialang hebben wetenschappers geprobeerd uit te vogelen hoe deze boodschappers beslissen welke vormen ze aandacht geven. Specifiek wilden ze weten waarom sommige neuronen alleen enthousiast worden als ze een verticale lijn zien, terwijl andere alleen geven om horizontale lijnen. Dit speciale vermogen wordt oriëntatieselectiviteit genoemd. Het is als het hebben van een uitsmijter bij een club die alleen mensen met een rode hoed binnenlaat; in het brein laten deze uitsmijters alleen "verticale lijn"-signalen door.

Lama tijd dachten wetenschappers dat ze het blauwdruk hadden voor hoe deze club werkt. Ze geloofden dat als je de boodschappers maar correct rangschikt—erop zorgt dat degenen die van verticale lijnen houden buren zijn en dat ze allemaal hun instructies van de juiste bron krijgen—het brein vanzelf de lijnen zou gaan sorteren. Het leek een eenvoudige kwestie van bedrading: als je de juiste wegenkaart bouwt, zal het verkeer perfect stromen. Maar zoals we zullen zien, is het brein veel ingewikkelder dan een simpele landkaart, en soms hebben zelfs de best geplande plannen een beetje extra hulp nodig om in de echte wereld te werken.

---

De Grote Breinsimulatie: Waarom de Blauwdruk Niet Genoeg Was

In deze studie besloot een team onderzoekers van het Blue Brain Project om de oude blauwdruk te testen door de meest realistische, hoogresolutie simulatie van een visuele cortex van een muis ooit te maken. Denk eraan als het bouwen van een digitale tweeling van een klein stukje muizenbrein, maar in plaats van eenvoudige, cartoonachtige blokken te gebruiken, gebruikten ze ongelooflijk gedetailleerde, 3D-modellen van neuronen met realistische vormen, maten en verbindingen. Ze wilden zien of de oude regels voor het sorteren van lijnen nog steeds zouden werken wanneer het brein werd gebouwd met dit niveau van realistische complexiteit.

Voordat ze zelfs maar begonnen met het testen van de lijn-sorteregels, probeerde het team de "wegen" in kaart te brengen die instructies van de ogen naar het brein brengen. Ze gingen ervan uit dat de fysieke vorm van de neuronen en de manier waarop hun draden (axonen) eroverheen kruisten, van nature zou bepalen welke specifieke typen neuronen verbinding zouden krijgen. Het was alsof je ervan uitging dat als je de lay-out van een stad kent en weet waar de postwagens rijden, je perfect kunt voorspellen welk huis de post ontvangt.

De Eerste Verrassing: De Kaart Klopte Niet
De onderzoekers ontdekten dat hun gedetailleerde 3D-kaart van de anatomie van het brein niet in staat was om de werkelijke verbindingen te voorspellen. Zelfs met perfecte kennis van de vormen en posities van de neuronen, kon de fysieke lay-out niet verklaren waarom sommige specifieke typen neuronen sterke signalen van de ogen ontvingen terwijl anderen er bijna geen ontvingen. De "wegenkaart" van het brein was te rommelig en complex om alleen door eenvoudige geometrie te worden verklaard. Dit betekende dat andere onzichtbare factoren—misschien chemische signalen of competitie tussen draden—beslisten wie verbinding kreeg, en niet alleen de fysieke lay-out.

Vervolgens probeerde het team twee beroemde ideeën na te bootsen die er zogenaam de bedoeling mee hadden te zijn om de sorteerproblemen op te lossen, in de hoop het sorteerprobleem te verhelpen:

1. De "Speciale Levering" Theorie: Het idee dat het brein instructies van de ogen ontvangt op een manier die "lichte" en "donkere" signalen op een natuurlijke manier scheidt in specifieke patronen, zoals een postdienst die de post in verschillende bakken sorteert.
2. De "Soort Zoekt Soort" Theorie: Het idee dat neuronen die van dezelfde lijnhoeken houden, ook van nature met elkaar verbinding maken, waardoor een hechte club ontstaat die elkaars voorkeuren versterkt.

Het team bouwde hun superrealistische model, programmeerde het met deze twee theorieën (en de gecorrigeerde verbindingsgegevens) en drukte op "start" om te zien wat er gebeurde. Ze simuleerden het brein dat bewegende strepen licht zag, precies zoals een muis dat in het echt zou zien.

De Grote Verrassing:
De simulatie faalde. Ondanks dat ze beschikten over de perfecte "Speciale Levering"-instructies en de "Soort Zoekt Soort"-clubs, werden de neuronen in het digitale muizenbrein niet erg goed in het herkennen van lijnhoeken. Hun vermogen om te onderscheiden tussen een verticale lijn en een horizontale lijn was veel zwakker dan wat wetenschappers zien bij echte muizen. Sterker nog, toen de onderzoekers de lokale verbindingen tussen de neuronen toevoegden (het "Soort Zoekt Soort"-gedeelte), maakte dit het sorteren zelfs slechter in plaats van beter.

Dit was een enorme zaak, omdat het betekende dat de oude, eenvoudige verklaringen—die prima werkten in basis, laag-gedetailleerde computermodellen—niet genoeg waren om te verklaren hoe een echt, complex brein werkt. Het is alsof je probeert een werkende automotor te bouwen met alleen een schets; de schets ziet er goed uit, maar wanneer je alle echte, zware metalen onderdelen erin zet, sputtert de motor en start hij niet.

Wat de Onderzoekers Uitsloten

Het team stopte niet alleen bij "het werkt niet." Ze speelden detective om te achterhalen waarom het niet werkte. Ze testten verschillende mogelijkheden en sloten deze uit:

• Het was niet de "Speciale Levering"-sortering: Ze probeerden verschillende manieren uit om de licht- en donkersignalen van de ogen te scheiden, maar ongeacht hoe ze deze arrangeerden, kon het brein de lijnen nog steeds niet goed onderscheiden. De fysieke ordening van deze signalen alleen was niet de magische sleutel.
• Het was niet alleen de "Soort Zoekt Soort"-verbindingen: Ze controleerden of de manier waarop neuronen met elkaar verbonden waren het probleem was. Zelfs toen ze de neuronen dwongen zich precies te verbinden zoals de "Soort Zoekt Soort"-theorie voorspelde, slaagde het brein er nog steeds niet in om de lijnen goed te sorteren.
• Het was geen fout in de wiskunde: Ze controleerden hun code en de berekeningen dubbel om er zeker van te zijn dat ze geen eenvoudige fout hadden gemaakt in de berekening van de verbindingen.

De Nieuwe Hypothese: Het Brein Heeft een "Zelfregulerend" Systeem Nodig

Dus, als de bedrading en de instructies niet genoeg zijn, wat ontbreekt er dan? De onderzoekers suggereren dat het echte brein een geheim wapen heeft dat hun simulatie miste: homeostatische plasticiteit.

Beschouw dit als een "zelfregulerende thermostaat" voor het brein. In een echt brein monitoren neuronen constant hoe vaak ze vuren. Als een neuron te veel input krijgt en op het punt staat door te draaien, zet het zijn gevoeligheid stilletjes lager. Als het te weinig input krijgt, zet het het volume hoger. Dit gebeurt de hele tijd, waardoor het hele netwerk in balans blijft en klaar is om te werken.

In de simulatie waren de neuronen statisch; ze konden zichzelf niet aanpassen. Ze zaten vast met de instellingen waarmee ze geboren zijn. De onderzoekers vermoeden dat zonder dit "zelfregulerende" vermogen, de complexe, rommelige verbindingen van een echt brein simpelweg overweldigd raken en de lijnen niet kunnen sorteren. Ze stellen voor dat het brein deze dynamische balansact nodig heeft om een rommelige stapel draden te veranderen in een scherp, lijn-detecterend machine.

De Conclusie

Dit artikel is een beetje een reality check voor hersenwetenschappers. Het laat zien dat alleen omdat een theorie werkt in een eenvoudig, schoon computermodel, het nog niet betekent dat het werkt in de rommelige, complexe realiteit van een levend brein. De oude ideeën over hoe neuronen lijnen sorteren zijn waarschijnlijk onderdeel van het verhaal, maar ze zijn niet het hele verhaal.

De auteurs suggereren dat we, om echt te begrijpen hoe we de wereld zien, moeten stoppen met het brein te zien als een statische printplaat en het moeten gaan zien als een dynamisch, zelfcorrigerend systeem. Ze hebben niet bewezen dat dit nieuwe idee definitief het antwoord is (omdat ze het zelfregulerende proces nog niet perfect kunnen simuleren), maar hun resultaten suggereren sterk dat zonder dit vermogen, het visuele systeem van het brein simpelweg niet zou werken zoals het doet. Het is een herinnering dat het brein niet alleen een machine is die uit onderdelen is opgebouwd, maar een levend systeem dat zichzelf voortdurend afstemt om in balans te blijven.