Von Reisen mit Gehirn-Landkarten Teil II

In Teil I der Connectomics Reihe habe ich mich mit Gehirnlandkarten befasst und erklärt, warum eine Karte so wichtig ist, um die komplexe Maschinerie „Gehirn“ zu verstehen. Wer den Artikel noch nicht gelesen hat und das gerne nachholen möchte, findet ihn hier.

Das Forschungsfeld Funktionelle Connectomics versucht nun die detaillierten Konnektom Karten mit Informationen über die Funktion zu verbinden. Doch um zu verstehen, wie wir die Funktion aufzeichnen, müssen wir erst einmal grob verstehen, wie ein Gehirn funktioniert.

Die Signalweiterleitung

Nervenzellen sind lang und können über weite Strecken Signale in Form von elektrischen Impulsen weitergeben. Strom ist nicht nur das Fließen von Elektronen, sondern allgemein das Fließen von Teilchen, die Ladung  innehalten. Im Gehirn (und übrigens auch in Nerven) geschieht dies durch das Fließen von positiv geladen Natrium Teilchen(Ionen). Kommt ein elektrischer Impuls bei einer Nervenzelle an, fließt Natrium hinein. Durch das Fließen von geladenen Teilchen entsteht Strom, der an der Nervenzelle weiterwandert, bis diese zu Ende ist. Zwischen zwei Nervenzellen befindet sich ein Spalt, die Synapse. Um das Signal weiterzugeben, werden sogenannte Neurotransmitter (kleine chemische Moleküle) ausgeschüttet, die zur anderen Zelle wandern und dort z.B einen weiteren Einstrom von Natrium auslösen. Der elektrische Impuls löst auch den Einstrom eines anderen Ions aus, Kalzium. Kalzium wird benötigt, damit die kleinen Pakete, genannt Vesikel mit den Neurotransmittern die Zelle verlassen können. Kalzium hilft sozusagen, die Türe aufzuschließen.

Calcium-Imaging

Die Aktivität unseres Gehirns kann auf verschiede Weisen gemessen werden. Eine Möglichkeit, die Aktivität einer einzelnen Nervenzelle zu zeigen, ist Calcium-Imaging. Der Einstrom von Kalzium in die Zelle kann mit einem grün fluoreszierenden Protein sichtbar gemacht werden. Die Bauanleitung für das Protein (in Form von DNA) wird dazu in die Nervenzelle eingebaut und von ihnen selbst gebildet. Bindet dann Kalzium an dieses Protein, wird es „angeschaltet“ und leuchtet für kurze Zeit. Das Leuchten ist sogar unter einem Mikroskop zu sehen. Das bedeutet die Signalweitergabe einer Nervenzelle kann so mit einem grün fluoreszierenden Lichtblitz sichtbar gemacht werden. Cool oder?


Lichtmikroskopie

Ein großer Vorteil ist zudem, dass die Lichtblitze auch aus tieferen Schichten des Gehirns zu sehen sind. Das macht es optimal für dreidimensionale Gegenstände.

Es gibt verschiedene Mikroskope mit verschiedenen Auflösungen. Um den Kalziumeinstrom zu sehen, braucht man ein Lichtmikroskop, welches farbige Bilder über einen gewissen Zeitraum aufnehmen kann. Diese Mikroskope haben eine Auflösung von etwa 300 Nanometer(nm)1. Eine Synapse (der Abstand zwischen den Nervenzellen) ist jedoch nur 20-40 nm2 groß… hmmm schwierig.

Image Registration

Die geringe Auflösung macht es schwer, die Signale einem bestimmten Neuron zuzuordnen, die wie in einem großen Spaghetti-Haufen zusammen kleben.

Aber halt! Hier kommt die Idee. Wenn zuerst die elektrischen Impulse aufgezeichnet werden und dann die Lokalisation der Neuronen, dann kann man die Bilder später übereinanderlegen 3,4. Das kann man sich ein bisschen so vorstellen, als würde man ein Bild mit Konturen über ein verschwommenes Farbbild legen.

Im ersten Bild sind die Konturen gut zu erkennen. Jedoch fehlen wichtigen Informationen, wie in diesem Falle die Farben. Im zweiten Bild sind Farben zu sehen, doch Details wie den Blumenstrauß sind nicht erkennbar. Durch das Übereinanderlegen der Bilder in Bild drei Können die Farben der Kontur zugeordnet werden. Ähnlich wie bei Funktional Connectomics.

Elektronenmikroskope haben eine Auflösung von 4!!! nm5 und können zwischen den einzelnen Neuronen unterscheiden. Jedoch tastet ein Elektronenmikroskop nur die Oberfläche mit Elektronen ab. Ähnlich wie bei einem Fotoapparat. Da Elektronenmikroskopie nur in 2D funktioniert, muss das Gehirn zwischendrin in dünne Scheibchen geschnitten werden. Die 3D Pixel (Voxel) des Lichtmikroskops müssen zu 2D Pixel umgerechnet werden. Zusätzlich wird das Gehirn vor der Elektronenmikroskopie gefärbt und entwässert….. Es ist nachvollziehbar, dass sich dadurch die Struktur verändert.

Das Gehirn schrumpft und kann sich verziehen. Deshalb wird es immer schwieriger, die Lichtimpulse der Struktur zuzuordnen.

Neuer Ansatz

Ein möglicher Ansatz ist nun, ein drittes Mikroskop (Röntgenstrahlmikroskop) zwischenzuschalten. Dies hat zwar eine Auflösung, die zwischen dem Licht- und dem Elektronenmikroskop liegt. Jedoch muss das Gehirn dafür nicht geschnitten werden und kann seine räumliche Struktur erst mal behalten. Am Ende werden alle drei Karten übereinandergelegt (registriert)6 und ein hochauflösendes Bild eines Gehirns mit der Aktivierung der Neuronen über einen gewissen Zeitraum entsteht.

Funktional Connectomics Whooooooooo

Wichtig zu sagen wäre noch, dass wir das menschliche Gehirn natürlich NICHT genetisch verändern, in Scheibchen schneiden und fixieren können. Was wir trotzdem aus diesen Experimenten lernen können erfahrt ihr in Teil III.

References

1.   Leica Microsystems. Microscope Resolution: Concepts, Factors and Calculation. https://www.leica-microsystems.com/science-lab/microscope-resolution-concepts-factors-and-calculation/. Accessed June 1, 2021.

2.   Ahmari SE, Smith SJ. Knowing a Nascent Synapse When You See It. Neuron. 2002;34(3):333-336. doi:10.1016/S0896-6273(02)00685-2 .

3.   Cazemier JL, Clascá F, Tiesinga PHE. Connectomic Analysis of Brain Networks: Novel Techniques and Future Directions. Front Neuroanat. 2016;10:110. doi:10.3389/fnana.2016.00110.

4.   Thomas Burgoyne, Amelia Lane, William E. Laughlin, Michael E. Cheetham, Clare E. Futter. Correlative light and immuno-electron microscopy of retinal tissue cryostat sections. PLOS ONE. 2018;13(1):e0191048. doi:10.1371/journal.pone.0191048.

5.   Carl Zeiss Microscopy GmbH. Product Info. https://applications.zeiss.com/C125792900358A3F/0/E22B336878B463FCC1257EDC004FFFF1/$FILE/EN_41_011_078_MultiSEM_rel2-4.pdf. Accessed March 29, 2020Uhr.

6.   Chichón FJ, Rodríguez MJ, Pereiro E, et al. Cryo X-ray nano-tomography of vaccinia virus infected cells. J Struct Biol. 2012;177(2):202-211. doi:10.1016/j.jsb.2011.12.001 .

Veröffentlicht von

Ronja Völk ist Masterstudentin für Molekulare Biotechnologie an der Universität Heidelberg. Im Zuge Ihres Studiums hat sie vielerlei Praktika absolviert, unter anderem am Deutschen Krebsforschungszentrum und in Harvard im Bereich Neurologie. Sie ist begeisterte Leserin von Wissenschaftsmagazinen und liebt es, ihr Wissen mit anderen zu teilen. (Für Ihr näheres Umfeld ist sie auch gerne mal Umwelt-/Medizin-/ Impf-/Corona-Expertin.) Das zeigt, wie hoch der Bedarf an einfacher, verständlicher Wissenschaftskommunikation ist.

15 Kommentare

  1. Die gemeinsame Aktivierung der verschiedenen Hirnzentren über einen gewissen Zeitraum kann also das Konnektom offenbaren, es kann offenbaren welche Gehirnzentren für eine bestimmte Aufgabe miteinander verknüpft sind und wie sie zusammenarbeiten.

    Hier wird von der Autorin eine Form der funktionellen Konnektomik beschrieben, die eine Kombination von 3 bildgebenden Verfahren benutzt um die mit Farbstoffen sichtbar gemachte Nervenimpulsweiterleitung bestimmten Gehirnteilen zuzuordnen:
    1) Lichtmikroskopie am Gesamthirn
    2) Röntgenstrahlmikroskopie am Gesamthirn und
    3) Elektronenmikroskopie von Hirnschichten

    Damit kann man (Zitat): die Aktivierung der Neuronen über einen gewissen Zeitraum sichtbar machen und das wohlgemerkt (obwohl im Artikel nicht explizit erwähnt) am toten Versuchstier.

    Soviel ich weiss ist funktionelle Konnektomik aber auch am lebenden Objekt, ja sogar beim Menschen möglich, wenn womöglich auch nicht mit derselben Präzision. Und zwar mit fMRI, also funktioneller Magnetresonanz-Tomographie.
    Dazu gibt es einen Artikel auf Medium mit dem Titel: A Brief Introduction to Functional Connectomics

    Etwas kürzer ist noch das PubMed-Abstract Functional connectomics from resting-state fMRI, wo man folgendes liest:

    Spontane Aktivitätsschwankungen in verschiedenen Teilen des Gehirns können genutzt werden, um funktionelle Gehirnnetzwerke zu untersuchen. Wir geben einen Überblick über die Verwendung der funktionellen Ruhezustands-MRT (rfMRI) zum Zweck der Kartierung des makroskopischen funktionellen Konnektoms. Nach einer Beschreibung der MRT-Akquisition und der Bildverarbeitungsmethoden, die üblicherweise verwendet werden, um Daten in einer Form zu generieren, die für die connectomics-Netzwerkanalyse geeignet ist, diskutieren wir verschiedene Ansätze zur Schätzung der Netzwerkstruktur aus diesen Daten. Abschließend beschreiben wir neue Möglichkeiten, die sich aus den hochwertigen rfMRI-Daten ergeben, die durch das Human Connectome Project generiert werden, und beleuchten einige kommende Herausforderungen in der funktionellen Konnektomik.

    Beim fMRI registriert man im wesentlichen die aktivierten Hirnareale meist aufgrund ihres Sauerstoffverbrauchs, ihrer Durchblutung und das in ähnlich hoher Auflösung wie bei der Computertomographie. Mittelt man nun die Aktivierung der verschiedenen Hirnzentren über einen bestimmten Zeitraum kann man anschliessend aussagen, welche Gehirnzentren für eine bestimmte Aufgabe ( die man dem Patienten gestellt hat) miteinander kommunizieren. Im obigen Pub-Med-Artikel wurde offenbar der entspannte Zustand gewählt, also der Zustand in dem der untersuchte Patient geistig und körperlich nichts tut, in dem er sich im „resting-state“, im Ruhezustand befindet. Es gibt verschiedene „resting-states“. Bei einem davon ist das „Default mode network“ am Werk, das Netzwerk von Hirnzentren, das bei Tagträumen und beim Gedankenwandern aktiv ist.

    Mit der hier von Ronja Völk beschriebenen Methode, bei der sogar die Elektronenmikrosopie zum Einsatz kommt, kann man wohl viel detailliertere Untersuchungen machen. Womöglich hinunter bis zu einzelnen Nervenzellen. Allerdings dann am toten Präparat und nicht in-vivo. Wobei die Untersuchung aber schon das Konnektom beim Lebenden zeigt, das heisst es wird das funktionelle Konnektom kurz vor dem Ableben gezeigt.

    • Danke für deinen Kommentar. Das ist eine gute Zusaammefassung des Beitrags. Diesen Artikel (A Brief Introduction to Functional Connectomics) habe ich bei meiner Recherche auch gelesen und kann ihn sehr empfehlen.

  2. 1 Kubikmillimeter menschliches Grosshirn: 1.4 Petabyte Daten

    Am 1. Juni 2021 hat google unter dem Titel A Browsable Petascale Reconstruction of the Human Cortex über die Rekonstruktion aller Nervenzellen [ 50’000] und aller Synapsen [130 Millionen] eines 1 Kubikmillimeters gossen menschlichen Grosshirnfragments geschrieben (veröffentlicht im bioarxiv-Papier A connectomic study of a petascale fragment of human cerebral cortex).

    Die Auflösung betrug 4 Nanometer.

    Es fielen 1.4 Petabytes an elektronenmikroskopischen Daten an und damit mehr Daten als je zuvor in solch einem Projekt. Doch 1 Kubikmillimeter des menschlichen Gehirns das so „erschlossen“ wurden sind immer noch weniger als 1 Millionstel des gesamten menschlichen Gehirns. Zudem zeigt ja dieses so erhaltene Konnektom nur das Konnektom eines Individuums und das ohne Informationen zu liefern warum es gerade die Struktur hat, die es hat.

    Weiter ist man aber mit dem Konnektom von Organismen mit kleinem Gehirn. So wurde im Januar 2020 das Konnektom der Hälfte des Hirns der Fruchtfliege veröffentlicht. Für mich stellt sich aber die entscheidende Frage: Weiss man nun wie das Gehirn der Fruchfliege, also von Drosophila melanogaster funktioniert? Wohl noch nicht. Das statische Konnektom ist wohl nur der erste Schritt hin zum funktionellen Verständnis des Fruchtfliegenhirns.

    Fazit: Das 100´000 Neuronen grosse Gehirn einer Fruchtliege kennen wir seit Januar 2020 zur Hälfte und dank zunehmender Automatisierung der Auswertung elektronenmikrosopischer Bilder mittels Künstlicher Intelligenz werden wir wohl das 10 Millionen Neuronen zählende Mausgehirn noch vor dem Jahr 2030 „gemapt“ haben. Vielleicht aber dann erst statisch und noch nicht funktionell.

    • Dein Kommentar drückt sehr gut in Zahlen aus wie unglaublich viel Speicher für ein menschliches Gehirn benötigt werden würde. Ein interessanter Ansatz um dieses Problem zu umgehen wäre die generierten Daten in „real time“ auszuwerten. So müssten die hochauflösenden, speicherzehrenden Bilder nicht gespeichert werde.

      • @Ronja Völk (Zitat): Ein interessanter Ansatz um dieses Problem zu umgehen wäre die generierten Daten in „real time“ auszuwerten.
        Gute Idee auf die ich selbst nie gekommen wäre wohl weil ich noch der Generation angehöre, die einmal erhobene Daten nie wegwerfen würde, denn immerhin: es sind die Originaldaten. Solange es immer mehr immer billigeren Speicherplatz gibt, solange wird man wohl Originaldaten aufbewahren ausser es sind wirklich zu viel Daten wie etwa im Large Hadron Collider wo bei Partikelkollissionen jede Sekunde 1 Petabyte Daten anfallen.

    • Seit Jahrzehnten verfolge ich mit größtem Interesse die Fortschritte der Neuro- und Kognitionswissenschaften. Von Plato über Kant Metzinger, Damasio, Tononi, Koch, Searle, Heisenberg, Edelman, Ramachandran etc., usw.
      Die Reihe ließe sich beliebig verlängern. Und es wäre ungerecht zu sagen, man hätte inzwischen kein besseres Verständnis zu vielen Fragen, die unsere Spezies seit Jahrtausenden herausfordern.
      Beeindruckend inzwischen ohne Frage die Möglichkeiten moderner Technologien, die in immer größerer zeitlicher und räumlicher Auflösung dem Gehirn bei all seinen Aktivitäten auf der Spur sind. Vom EEG zum Konnektom.Beeindruckend.
      Gigantische Datenströme, erzeugt von Milliarden aktiver Neurone, komplexe und unverstandene Muster, die auch und primär das Ergebnis von millionen Jahre stattfindender evolutionärer Prozesse repräsentieren. Von der ersten legendären Zelle zum Hirn von Homo Sapiens.
      Und parallel zur organischen Entwicklung des Organs immer anspruchsvollere Erklärungsversuche zum Wesen seiner Fähigkeiten.
      Syntax, Semantik. Evolution, Emergenz.Erkenntnistheorie. Naturalismus. Das Gehirn ist äußerst kreativ im Bemühen, sich selbst zu erklären. Und die von ihm erdachten Prothesen sind immer mächtiger geworden. KI besitzt ein bisher nicht realistisch bewertbares Potenzial bei der Entzauberung vieler Mysterien. Möglich scheint inzwischen fast alles.
      Aber es könnte durchaus sein, dass wir nie wirklich verstehen, was Qualia sind, das die Frage von T. Nagel unbeantwortet bleibt. Man darf gespannt sein.
      Und vergessen wir nicht, Quantentheorie, Nichtlokalität, Verschränkung,dunkle Materie und Energie bleiben weitere große Herausforderungen.
      Langeweile ist auf jeden Fall nicht auf der Agenda.

  3. Ich weis nicht ob “Landkarte” der richtige Begriff ist für das was sie beabsichtigen denn diese Signalleitungen verändern sich ja laufend. Bedingt dadurch, dass Menschen permanent neue Erfahrungen machen (lernen), was wiederum neue Reiz-oder Signalmuster entstehen lässt. Dadurch werden laufend neue synaptische Verbindungen geschaltet , neue Lichtimpulse initiiert, die einer Landkarte dann etwa mit Schildern wie Einbahnstraße, gesperrt wegen Bauarbeiten, Umleitungen, Feldweg, sechsspurige Autobahn entsprechen. Vielleicht ist hier doch der Weg das Ziel….

  4. Die Faszination, die mich beim Gehirn ergreift, lässt sich in zwei Fragen formulieren:
    1. Woher weiß eine einzelne Nervenzelle, was sie tun soll,
    2. Wie kann ein Gehirn solche ungeheuren Datenmengen speichern und in Sekundenbruchteilen abrufen, ganz ohne Wackeln und Verpixeln.
    Die Antwort liegt m.E. in der emergenten Eigenschaft des Systems ‘Gehirn’ und seiner Teilsysteme. So ungeheuer wichtig die Kartierung des Gehirns und die Erforschung auf immer kleineren Skalen ist, das Geheimnis liegt im Ganzen, so wie die Funktionsweise einer Gesellschaft nicht im einzelnen Individuum zu finden ist. Ich veranschauliche mir das mit dem Modell eines virtuellen Hologramms, das aus unzähligen Schichten (überlagerten Mustern) besteht und das, ähnlich einer Fourier-Transformation, Komplexität reduziert, diese aber dennoch jederzeit zur Verfügung steht und abgerufen werden kann.
    Ähnliches scheint mir für das Genom zu gelten. Woher sonst weiß eine Fingernagel-DNA, dass sie Fingernagelzellen duplizieren soll anstatt Leberzellen, obwohl beide DNAs identisch sind. Die Information dafür scheint in der emergenten Eigenschaft zu liegen.
    Vor diesem Hintergrund wäre künstliche Intelligenz derzeit meilenweit von menschlicher entfernt.

    • Danke für deinen Kommentar!!
      Bezüglich der Zelldiffernzierung:
      Der Grund warum sich einen Nagelzelle von einer Leberzellen unterscheidet liegt wie schon gesagt nicht an ihrer genetischen Information sondern an den Genen die „benutzt“ (exprimiert) werden. Jeder Zelltyp „nutz“ die DNA anders. Eine Zelle weiß welches Expressionsmuster sie „benutzen“ soll da es von der Mutterzelle bei der Zellteilung vererbt wird. Aber auch die Umwelt spielt eine Rolle. Zellen brauchen positive Signale von umlegenden Zellen sonst sterben sie. Eine Leberzelle bekommt positive Signale von den Leberzellen um sie herum und wird deshalb nicht einfach zur Nagelzelle. So mal das Grundprinzip. (wie das Expessionsmuster im Embryo etabliert wird ist komplizierter). Ich hoffe dir bringt diese Erklärung ein wenig. Goooo Science 😊

    • @ Wolfgang Stegemann 09.06.2021, 09:41 Uhr

      Zitat: „Die Faszination, die mich beim Gehirn ergreift, lässt sich in zwei Fragen formulieren:
      1. Woher weiß eine einzelne Nervenzelle, was sie tun soll,“

      Die Synapse „weiß“ sozusagen aus Erfahrung beim Lernen („Priming“) zu welchem Neuron in einem bestimmten „Zeitschlitz“ das „Information abbildende“ Signal „immer geleitet“ werden muss.

      (UND) Gatter und Schalter sind Grundlage der technischen Schaltalgebra und können auch in der Philosophie zur Erklärung der Prädikatenlogik dienen. Das Geschehen in neuronalen Gatterschaltungen kann man anschaulich darauf zurückführen und so eine Brücke vom „neuronalen Verhalten“ über die „Boolsche Schaltalgebra“ zur realen „Informationsverarbeitung“ schlagen.

      Ganz banal: Wenn der Türkontakt einer Waschmaschine geschlossen ist UND der Nutzer einen Einschaltknopf drückt, was der Konstrukteur der Schaltung weiß, dann „triggert“ das Gatter (Neuron) und das Ausgangssignal schaltet sozusagen die Waschmaschine ein.

      Technisch: Beide Schalter „liegen“ an einer elektrischen Spannung, der Techniker verbindet die Leitungen mit einem „Lötpunkt“ (Funktion der Synapsen) zu den beiden Eingängen der UND Gatterschaltung. Wenn jeweils die Ereignisse („Türe zu“, „Einschaltknopf gedrückt“) gleichzeitig auftreten, wird die Waschmaschine „ganz grob“ gesagt, „eingeschaltet“.

      Dieses Konzept konnte sehr komplex ausgeweitet werden und ermöglichte ehemals (bevor es Mikroprozessorkonzepte gab), die Steuerung industrieller Prozesse. Im Sinne von McCulloch eignet sich diese Konzept auch für die Erklärung neurologischer Prozesse, Turing hat die allgemeingültige Eignung (Turing Berechenbarkeit) weitgehend erklärt. Wie in der Elektronik können mit derartigen Konzepten auch „Zeitstrukturen“ in neuronalen Prozessen (erforscht im „Dunstkreis“ von W. Singer) erklärt werden.

      Die Sensorik „liefert“ die elektrische Spannung, Neurone entsprechen einem „Gatter“ (McCulloch), Dendriten, Axone den elektrischen Leitungen und die Synapsen (E. Kandel) einen „Lötpunkt“ in einer Verdrahtung.

      Zitat.“2. Wie kann ein Gehirn solche ungeheuren Datenmengen speichern und in Sekundenbruchteilen abrufen, ganz ohne Wackeln und Verpixeln.“

      Man könnte auch hier aus Sicht der Elektronik einer Erklärung näher kommen. Der Begriff „Datenmenge speichern“ (im Sinne der Informatik) ist eher irreführend. Es werden sozusagen „winzigste(Mikro) Muster“, „Objekte“ im Sinne der Informatik, auf einer Struktur aus Neuronen und Synapsen „abgebildet“. Diese Muster verknüpfen sich („emergiern“) zu immer größeren und komplexeren Mustern. Ähnlich wie dynamische Bildpunkte auf der Netzhaut zunächst zu Bildern und danach zu Videos emergieren.

      Wegen der hohen Zahl der „Mikrostrukturelemente“ und der möglichen höchsten Komplexität, können „riesige Mustermengen“ abgebildet werden. Wegen einer „Baumartigkeit“ im Sinne der Informatik erhält man eine vorzügliche Abbildung von strukturiertem Wissen, weil selbst die Mikrostrukturen (sozusagen „logisch“) strukturiert sind. Außerdem erhält man „zusätzlich“ beste, sehr schnelle Zugriffseigenschaften.

      Im Sinne der Informatik werden abstrakte „Objekte“ in den baumartigen Strukturen „abgebildet“ und beim „Denkprozess“ und beim „Output“ so etwas wie „realisiert“. Einerseits in der „empfindenden Vorstellungswelt“ andererseits als Output in Wechselwirkung mit der realen Welt.

      Es werden keine „Daten allein“ gespeichert, sondern sozusagen eine Art von Kombination aus Daten und Programmen, eben „Objekte“ im Sinne der Informatik, anschaulicher passt auch der Begriff „Muster“.

      Das Gehirn wäre demnach eine „Musterverarbeitungsmaschine“.

  5. @Stegemann – zu 2)
    – Unser Gehirn arbeitet per Mustervergleich – das geht so simpel wie früher die Arbeit mit den Lochkarten.
    – Unsere Erlebnisse sind in hierarchischer Reihenfolge angeordnet – mit dieser Arbeitsweise kann das Datenvolumen deutlich verringert werden; weil keine Zeit-Codierung notwendig ist.
    – Über unseren Cortex bewegen sich ständig Aktivierungswellen – vergleichbar einer LaOla-Welle. Solche Aktivierungen sind z.B. ein Grund für Kreativität bzw. Tagträume
    – Beim Hippocampus hat man kürzlich herausgefunden – dass sich Aktivierungen oszilllierend hin und her bewegen; wobei gleichzeitig zwei unterschiedliche Frequenzen erkennbar waren
    (DOI: 10.1038/s41467-021-22850-5 ´Bidirectional propagation of low frequency oscillations over the human hippocampal surface´

    Dies sind nur ein paar Tricks, warum das Gehirn so schnell ist

  6. Das ist mir schon klar, aber es ist eine Beschreibung. Ich meine die Erklärungsebene. Woher weiß die Mutterzelle das, von der Stammzelle, und die? Von der Blastozyste etc. Am Ende landet man dann auf der Quantenebene, wo nichts mehr erklärt werden kann. Daher mein Hinweis auf das Emergenzprinzip.

  7. Die Diskussion wird äußerst ‘verengt’ und technisch geführt. Das ermüdet leider und dient leider auch nur in geringem Maße einem besseren Verstehen. Dabei gibt es doch auf diesen Seiten wirklich spannende Beiträge zu den wirklich relevanten Fragen Neurowissenschaften, Kognitionswissenschaften und der unverzichtbaren Neurophilosophie. Verständnis ergibt sich auch aus der Geschichte der Hirnforschung. Sie ist sehr spannend, beinhaltet sie doch immer auch erkenntnistheoretische Meilensteine . . . nur die Integration aller Disziplinen kann
    wirklichen Erkenntnisfortschritt bringen.

    z.B., der hier Folgende :

    Das Dilemma der Hirnforschung
    Ein großes Forschungsziel lautet, das Gehirn mit all seinen Nervenzellen und Verknüpfungen zu kartieren. Aber wie werden wir aus den Datenmengen schlau?

    Grigori Guitchounts

    AUF EINEN BLICK
    WIR SEHEN DAS HIRN VOR LAUTER NEURONEN NICHT!
    Dank neuer Bildgebungs- und Analysetechniken erstellen Neurowissenschaftler immer detailliertere Schaltpläne des Gehirns.

    Allerdings sind die Daten­mengen so gigantisch, dass es schier unmöglich ist, daraus die Funktionsweise des Gehirns abzuleiten.

    Künstliche neuronale Netze könnten bei dieser Aufgabe helfen. Jedoch müsste man ihren Aufbau noch stärker an den des Gehirns anlehnen. Denn aktuell sind sie zu simpel konstruiert.

  8. @Nass: Sehe ich genauso. Es braucht vielmehr Ideen. Der Ansatz des theoretischen Neurowissenschaftlers Eric Hoel ist so eine.

  9. @ulli nass

    Bei der sogenannten ´Nahtod-Erfahrung´(NTE) kann man bewusst erleben, wie das Gehirn einen einzelnen Reiz systematisch und strukturiert verarbeitet.
    Aber ausgerechnet dieser direkte Zugang zur Arbeitsweise des Gehirns wird von der Gehirn-/Gedächtnisforschung immer noch komplett ignoriert.

    Mit physikalischen Methoden (MEG, EEG, PET, fMRT, N-IR, Elektroden) kann man neuronale Aktivitäten messen – während man mit NTEs bewusst erleben kann, wie das Gehirn arbeitet.

    D.h. NTEs sind ein missing link für das Verständnis der Arbeitsweise des Gehirns. ABER – Solange man NTEs wissenschaftlich ignoriert, wird man immer schnell an Grenzen kommen und die Arbeitsweise des Gehirns nie verstehen können.

    Ausgerechnet solche Informationen zu ignorieren, welche für das Verständnis der Arbeitsweise des Gehirns UNBEDINGT notwendig sind – ist ein schlimmes Beispiel für wissenschaftliches Versagen.

    Ein Beispiel dazu: Bei NTEs ist deutlich erkennbar, dass dabei Erlebnisse ab dem 5. Lebensjahr LEBENSLANG dem bewussten Erinnern zugänglich sind. D.h. die Lehrmeinung ´infantile Amnesie´ wird damit fragwürdig (Diese Lehrmeinung besagt dass Erlebnisse aus unserer frühen Kindheit dem bewussten Erinnern nicht zugänglich sind.).
    Obwohl eine Lehrmeinung nachweisbar/nachprüfbar fragwürdig ist – interessiert sich die Kognitionswissenschaft nicht dafür! Aktuell laufen sogar mehrere Forschungsprojekte, mit denen man neuronale Grundlagen für die ´infantile Amnesie´ mit Tierexperimenten finden will: Fördersumme – Schweiz/ 1,5 Mio., UK/ 2 Mio Euro, Deutschland/1,4 Mio Euro.
    Es werden also fast 5 Mio Euro Fördergelder für ein Forschungsziel ausgegeben, welches schon vor Beginn als Unsinn erkennbar gewesen wäre – wenn man im Vorfeld sorgfältige Recherchen durchgeführt hätte.

    Quellen.
    per Google-suche [Kinseher NDERF denken_nte] ist eine PDF mit NTE-Erklärungsmodell zu finden
    per Google-suche [infantile Amnesie Maori] findet man Zeitungsartikel, welche zeigen dass die infantile Amnesie wohl kulturell und nicht neuronal bedingt ist.

Schreibe einen Kommentar


E-Mail-Benachrichtigung bei weiteren Kommentaren.
-- Auch möglich: Abo ohne Kommentar. +