Mit einer Kombination aus mathematischen Gedankenexperimenten und biophysikalisch inspirierten Simulationen am Computer konnten sie die in früheren Studien entwickelten Ideen zu Paarwechselwirkungen auf den Fall von Korrelationen dritter Ordnung, also Wechselbeziehungen von drei Neuronen, erweitern. Die Ergebnisse tragen dazu bei, die Aktivität des neuronalen Netzwerks besser zu verstehen.
Im Gehirn ermöglichen verschiedene Typen von Synapsen eine effiziente Kommunikation auf der Basis elektro-chemischer Botschaften. Wie genau aber das synaptische Kommunikationsnetzwerk das neuronale Ballett bestimmt, ist weitgehend unbekannt. „In einem Experiment zur Erforschung dieser Frage kann aus der unglaublich großen Anzahl beteiligter Neurone immer nur ein sehr kleiner Teil gleichzeitig beobachtet werden, aus rein technischen Gründen“, erläutert Jovanović. Aus diesem Grund sei es derzeit praktisch unmöglich, das koordinierte Zusammenwirken großer Zellverbände im Gehirn vollständig zu überblicken.
Forscher nutzten Hawkes-Prozess
„Eine einflussreiche Theorie des Lernens besagt, dass es zunächst nur auf die beiden Neurone ankommt, die über eine konkrete Synapse kommunizieren“, erklärt Rotter. „Zwingt sie die Aktivierung des Netzwerks zu einem bestimmen Tanzschritt, dann verstärkt sich die Synapse. Geraten sie durch den Einfluss des Netzwerks aus dem Takt, dann schwächt sich die Synapse ab.“
Um herauszufinden, welche Rolle in diesem Zusammenhang so genannte Korrelationen dritter Ordnung spielen, haben die Forscher ein mathematisches Modell, den Hawkes-Prozess, angewandt. Damit ist es ihnen gelungen, die relative Bedeutung neuronaler Dreiecksbeziehungen zu berechnen. Diese Erkenntnisse könnten dazu beitragen, aus der beobachteten elektrischen Aktivität von jeweils drei Nervenzellen Schlüsse über die strukturellen Eigenschaften des Netzwerks zu ziehen und davon vielleicht sogar neue synaptische Lernregeln im Gehirn abzuleiten.
Quelle: Albert-Ludwigs-Universität Freiburg im Breisgau
Originalpublikation: S. Jovanović, S. Rotter (2016). Interplay between Graph Topology and Correlations of Third Order in Spiking Neuronal Networks. PLOS Computational Biology 12 (6): -DOI:10.1371/journal.pcbi.1004963