Neues Gehirn-Bildgebungssystem verfolgt fast 200 Neuronen zugleich

Forschende dringen mit Hochgeschwindigkeits-Optik tiefer in die Aktivität lebender Gehirne vor

Eine neue, in Nature Methods beschriebene Bildgebungsplattform könnte die Art und Weise erweitern, wie Wissenschaftler die Informationsverarbeitung im Gehirn untersuchen, indem sie die elektrische Aktivität von fast 200 Neuronen gleichzeitig in lebendem Gewebe erfasst. Das System namens FlatMux ist darauf ausgelegt, Signale aufzuzeichnen, die schnell, schwach und in großem Maßstab nur schwer zu beobachten sind, besonders tief im Gehirn.

Die Arbeit adressiert eine seit Langem bestehende technische Herausforderung in der Neurowissenschaft. Gehirnschaltkreise arbeiten über dichte Netzwerke von Neuronen, die parallel rechnen, doch viele bestehende Werkzeuge können entweder nicht genügend Zellen gleichzeitig abtasten, nicht ausreichend tief vordringen oder sich nicht schnell genug bewegen, um schnelle elektrische Ereignisse mit brauchbarer Genauigkeit zu erfassen. Die neue Plattform soll alle drei Einschränkungen zugleich verbessern.

Dem bereitgestellten Quelltext zufolge kann FlatMux von fast 200 Neuronen über eine oder mehrere Ebenen gleichzeitig messen, in Tiefen von bis zu 500 Mikrometern und mit Bildraten von bis zu 2.000 pro Sekunde. Das System erreicht Berichten zufolge eine Scangeschwindigkeit von 150 Millionen Abtastungen pro Sekunde und minimiert dabei die Energiemenge, die nötig ist, um die Aktivität einzelner Neuronen zuverlässig zu erkennen.

Diese Leistungsdaten sind wichtig, weil sich elektrische Signale auf sehr kurzen Zeitskalen entfalten. Eine zu langsame Methode kann wichtige Dynamiken verpassen. Eine Methode, die nicht tief genug abbilden kann, kann relevante Schichten des Kortex ausschließen. Und eine Methode, die nur eine kleine Zahl von Zellen zugleich erfasst, kann Schwierigkeiten haben zu zeigen, wie verteilte Verarbeitung in lebenden Netzwerken tatsächlich funktioniert.

Warum elektrische Bildgebung schwerer ist als das Leuchten von Neuronen zu beobachten

Neurowissenschaftler verfügen über viele Wege, das Gehirn zu untersuchen, doch jeder bringt Kompromisse mit sich. Elektroden können elektrische Aktivität direkt erfassen, sind jedoch invasiv und liefern nicht von sich aus denselben optischen Blick auf Position oder Identität einer Zelle. Fluoreszenzbasierte optische Verfahren können räumliche Informationen bewahren, waren historisch aber durch Signalstärke, Geschwindigkeit, Sichtfeld oder Bildtiefe begrenzt.

Genau diese Lücke versucht das Rockefeller-Team zu verkleinern. Durch die direkte Abbildung elektrischer Aktivität mittels Fluoreszenz können Forschende nicht nur sehen, wann Neuronen aktiv sind, sondern auch ableiten, wo diese Neuronen liegen und zu welchen Zelltypen sie möglicherweise gehören. Im Prinzip macht das es einfacher, das Verhalten von Schaltkreisen mit Anatomie und Zellidentität in ein und demselben Experiment zu verknüpfen.

Die übergeordnete wissenschaftliche Motivation der Studie ist klar: Um die Gehirnfunktion zu verstehen, muss man über Einzelzellbeschreibungen hinaus zu Erklärungen auf Netzwerkebene gelangen. Der Quelltext formuliert das Problem genau in diesen Begriffen. Über Jahre hinweg konzentrierte sich ein Großteil des Feldes auf die Antworteigenschaften einzelner Neuronen. Doch Wahrnehmung, Verhalten und Kognition entstehen aus großen Zellverbänden, die über Schichten und Raum hinweg interagieren.

Diese Beziehungen in Echtzeit zu erfassen, war schwierig. Signale sind schwach, das Gewebe ist komplex, und eine höhere Bildgebungsleistung kann praktische und biologische Grenzen schaffen. FlatMux scheint ein Versuch zu sein, diese Grenzen zu optimieren, indem die Energiekosten der Erkennung einzelner Neuronenaktivität gesenkt und zugleich die Scanstrategie so skaliert wird, dass viele Neuronen schnell abgedeckt werden können.

Was FlatMux möglich machen könnte

Die wichtigste Aussage im Quellenmaterial ist nicht einfach, dass die Plattform schneller ist. Entscheidend ist, dass die kombinierte Sensitivität, Geschwindigkeit und Tiefe Forschenden womöglich erlauben, Neuronen zu kartieren, die funktionell miteinander verbunden sind und kausal miteinander interagieren. Dieser Unterschied ist bedeutsam. Viele Experimente können Korrelationen zeigen, doch um zu verstehen, wie sich Aktivität in lebendem Hirngewebe durch Schaltkreise ausbreitet, braucht man Werkzeuge, die viele relevante Zellen gleichzeitig unter realistischen Bedingungen beobachten können.

Wenn das System wie beschrieben funktioniert, könnten Forschende beginnen zu untersuchen, wie Informationsmuster sich über kortikale Schichten hinweg bewegen, statt nur isolierte Momentaufnahmen kleiner Zellgruppen zu betrachten. Das würde Arbeiten zu sensorischer Verarbeitung, Netzwerkdynamik und den Mechanismen unterstützen, durch die Neuronengruppen gemeinsam Verhalten erzeugen.

Die Tiefe ist hier besonders wichtig. Eine Bildgebung bis 500 Mikrometer bedeutet, dass Forschende Aktivität weiter unter der Oberfläche beobachten können, als es viele optische Ansätze bequem zulassen. Das erhöht die Chance, Interaktionen über mehrere Ebenen kortikaler Organisation hinweg zu erfassen, nicht nur die oberflächlichsten Komponenten.

Die berichtete Fähigkeit, über eine oder mehrere Ebenen zugleich zu arbeiten, ist ebenfalls relevant. Neuronale Berechnung ist inhärent dreidimensional. Wichtige Interaktionen liegen nicht sauber auf einer einzigen flachen Schicht. Eine Plattform, die mehrere Ebenen bei hoher Geschwindigkeit abtasten kann, hat bessere Chancen, die Struktur realer Schaltkreise abzubilden.

Von der Einzelneuron-Neurowissenschaft zur verteilten Berechnung

Alipasha Vaziri, der Rockefellers Labor für Neurotechnologie und Biophysik leitet, argumentiert im Quelltext, dass sich das Feld von einem Verständnis des Gehirns als Sammlung individueller Antwortmerkmale hin zu einem hochgradig vernetzten System verschiebt, das verteilte Berechnung ausführt. Das ist ebenso ein konzeptioneller wie technischer Wandel.

Werkzeuge prägen Theorien. Wenn Methoden Forschenden nur erlauben, wenige Neuronen gut zu überwachen, wird die einzelne Zelle zur natürlichen Analyseeinheit. Mit verbesserten Instrumenten kann die Analyseeinheit zum Schaltkreis, zur Schicht oder zum verteilten Netzwerk werden. FlatMux wird als ein Werkzeug dargestellt, das diesen Übergang unterstützen könnte, indem es großskalige elektrische Bildgebung in lebendem Gewebe praktikabler macht.

Das bedeutet nicht, dass die schwierigen Fragen gelöst sind. Bessere Beobachtung führt nicht automatisch zu einer vollständigen Theorie der Gehirnverarbeitung. Sie kann aber verändern, welche Fragen experimentell zugänglich sind. Forschende könnten besser fragen, wie Information transformiert wird, wenn sie durch vernetzte Neuronengruppen läuft, wie sich Aktivitätsmuster synchronisieren oder auseinanderentwickeln und wie bestimmte Zelltypen zu gemeinsamen Berechnungen beitragen.

Ein technischer Fortschritt mit weitreichenden Forschungsfolgen

Die Studie wird als eine richtungsweisende Plattform in der optischen Neurotechnologie positioniert. Wenn sich das in Folgearbeiten bestätigt, wird ihr Wert über ein einzelnes Labor hinausreichen. Methoden, die den Kompromiss zwischen Geschwindigkeit, Skalierung und Tiefe verbessern, werden oft zu grundlegender Infrastruktur für viele Arten von Experimenten, insbesondere in der Systemneurowissenschaft.

Für den Moment ist die zentrale Erkenntnis, dass Forschende einen Weg beschrieben haben, elektrische Aktivität von deutlich mehr Neuronen, in größerer Tiefe und mit höherer Geschwindigkeit abzubilden, als es mit vergleichbaren optischen Ansätzen typischerweise möglich war. In einem Feld, dessen zentrale Herausforderung darin besteht zu verstehen, wie enorme Zahlen vernetzter Neuronen gemeinsam rechnen, ist das ein bedeutsamer Schritt.

Das Gehirn bleibt schwer zu beobachten, wenn man es nach seinen eigenen Bedingungen sehen will. Doch eine Plattform, die fast 200 Neuronen zugleich in lebendem Gewebe verfolgen und dabei räumlichen sowie zelltypspezifischen Kontext bewahren kann, könnte Wissenschaftlern einen klareren Blick darauf geben, wie Kognition aus Schaltkreisen und nicht aus isolierten Teilen entsteht. Das ist das Versprechen hinter FlatMux, und deshalb sticht diese technische Entwicklung als mehr als nur ein inkrementelles Bildgebungs-Upgrade hervor.

Dieser Artikel basiert auf einer Berichterstattung von Medical Xpress. Den Originalartikel lesen.