Volume 22, Issue 3

Zusammenfassung Das Ziel, synaptische Nervenzellnetzwerke zumindest in begrenzten Hirnteilen komplett zu vermessen, hat in den letzten Jahren erhebliche Aufmerksamkeit gewonnen. Methodische Durchbrüche haben die 3-dimensionale elektronenmikroskopische Darstellung immer größerer Gewebsblöcke realistisch werden lassen. Die Effektivität der Datenanalysemethoden solcher Bilddaten begrenzt aber noch immer die möglichen neurowissenschaftlichen Erkenntnisse. Wo steht das Feld, welche Einsichten sind gewonnen, welche absehbar? Dieser kurze Überblick berichtet vom Stand der Dinge in der zellulären Konnektomik.

Zusammenfassung Um eine Vorstellung von den in neuronalen Netzwerken ablaufenden Prozessen zu bekommen, werden häufig Vergleiche mit elektronischen Schaltkreisen angestellt. Ein fundamentaler Unterschied zu solchen fest verdrahteten Schaltkreisen besteht jedoch darin, dass sich die Struktur neuronaler Verbindungen ständig verändert. Im Folgenden diskutieren wir aktuelle Befunde, die diese dynamische Natur und die zugrunde liegenden Mechanismen deutlich machen. Die Dynamik neuronaler Netzwerke unterliegt bestimmten Regeln, die die statistischen Charakteristika der synaptischen Eigenschaften im stationären Zustand zu einem bestimmten Zeitpunkt erklären. Diese Regeln erlauben auch die Vorhersage der zukünftigen Zustände des Netzwerks und ergänzen Erkenntnisse, die mithilfe serieller Sektionselektronenmikroskopie an Hirnschnitten gewonnen wurden, die methodisch bedingt lediglich Informationen zu einem einzigen Zeitpunkt liefert. Wir legen dar, wie die dynamische Natur des Konnektoms mit der stabilen Funktionsfähigkeit und Langzeitspeicherung von Gedächtnisinhalten vereinbar ist und wie sie sogar Lernprozesse begünstigen könnte.

Zusammenfassung Connectomics, die systematische Untersuchung von neuronalen Schaltkreisen, hat das Potential, die Konnektivität eines Gehirns oder einer Hirnregion mit Einzelsynapsen-auflösung aufzudecken. Dies ist äußerst spannend, aber gleichzeitig auch ziemlich einschüchternd. Der spannende Aspekt ist offensichtlich. Der einschüchternde Aspekt ist weniger klar und bezieht sich auf die Herausforderung, Regelmäßigkeiten aus einer überwältigenden Masse von hochauflösenden Daten zu extrahieren. Man könnte sagen, daß dies eigentlich ein angenehmes Problem ist, und ich stimme zu. Ich argumentiere hier, daß wir jetzt mehr denn je vergleichende Vorgehensweisen benutzen müssen, wenn es unser Ziel ist, aus solchen Daten ein allgemeines und theoretisches Verständnis des Gehirns abzuleiten.

Zusammenfassung Die zelluläre Architektur (Zytoarchitektur) der kortikalen Areale der Großhirnrinde unterscheidet sich regional, ebenso wie die Verschaltungen innerhalb eines Areals und die Verbindungen zwischen den Arealen. Weitgehend unbekannt sind jedoch die genauen Regeln, nach denen die zellulare und Faserbahnarchitektur zueinander in Beziehung stehen und es fehlen Befunde, welche die charakteristische Organisation von kortikaler Mikro- und Makrokonnektivität umfassend erklären. Um Organisationsprinzipien kortikaler Konnektivität zu identifizieren, untersuchen wir systematisch unterschiedliche Parameter kortikaler Architektur und ihre Beziehung zur Organisation von anatomischen Verbindungen zwischen kortikalen Arealen. Charakteristische Parameter kortikaler Architektur sind zum Beispiel die unterschiedliche Dichte und Verteilung von Neuronen und Neuronentypen in den verschiedenen Schichten kortikaler Areale sowie die regionale Verteilung unterschiedlicher Rezeptoren von Neurotransmittersystemen. Die zytoarchitektonische Charakterisierung des Gehirns ist ein klassischer Ansatz der Neuroanatomie, der in den letzten Jahren durch neue Markierungstechniken sowie optische und analytische Verfahren ergänzt wurde. Dennoch steht die systematische, quantitative Erfassung von architektonischen und morphologischen Parametern für das menschliche Gehirn noch am Anfang. Es ist eine große Herausforderung, die extrem umfangreichen und detaillierten histologischen Daten („big data“) mittels neuartiger bildverarbeitender Techniken zu erfassen und zu quantifizieren. Diese Aufgabe wird beispielsweise im BigBrain- Projekt in Angriff genommen. Umfangreiche anatomische Daten existieren dagegen bereits für die Gehirne von nichtmenschlichen Primaten, der Katze oder der Maus, jedoch stellt sich für jeden einzelnen Parameter die Frage der Übertragbarkeit von Erkenntnissen zwischen den Spezies. Bereits vorliegende Analysen legen nahe, dass die regional spezifische Zytoarchitektur der Großhirnrinde eng mit der Existenz und den laminaren Projektionsmustern kortikaler Verbindungen verbunden ist. Diese Ergebnisse implizieren systematische Beziehungen zwischen den Mustern makroskopischer Verbindungen zwischen verschiedenen kortikalen Arealen und den regional spezifischen intrinsischen Schaltkreisen innerhalb von kortikalen Arealen. Solche Regelmäßigkeiten sind die Basis für generische Modelle globaler kortikaler Konnektivität,welche essenzielle anatomische und funktionelle Eigenschaften der kortikalen Organisation des Säugetiergehirns abbilden

Zusammenfassung Um die menschliche Kognition wirklich zu verstehen, ist es von essenzieller Bedeutung, das Gehirn in all seinen multiplen Ebenen zu studieren. Das Gebiet der Computational Connectomics eröffnet einen neuen Zweig in den Neurowissenschaften, in dem versucht wird, verschiedene empirische Beobachtungen mit einem mathematischen Modell des Gehirns zu erklären. Eine bemerkenswerte Innovation stellt hier die Plattform The Virtual Brain (TVB) dar. Sie ermöglicht die Modellierung und Simulation des vollständigen menschlichen Gehirns. Dabei wird die individuelle Konnektivität einer Person, also ein Gerüst von langen Nervenfaserbündeln im Gehirn, mit biologisch realistischen Modellen der lokalen Neuronenpopulationen kombiniert. Das Virtual Brain erlaubt die Simulation und Vorhersage der globalen neuronalen Aktivität, die sich in der gesamten kortikalen und sub-kortikalen grauen Substanz entfaltet. Dabei werden auch diejenigen Signale simuliert, die wir bei individuellen Personen mit invasiven und nichtinvasiven Methoden messen können. TVB wird aktuell genutzt, um strukturelle und funktionelle Veränderungen im erkrankten Gehirn zu untersuchen. Es wurden bereits Erfolge in der Erforschung des Schlaganfalls und der Epilepsie verbucht. Die durch TVB ermöglichten personenbezogenen neuronalen Modelle eröffnen neue Möglichkeiten zur sicheren und effizienten personalisierten Diagnostik, Prognostik und Therapie bei verschiedenen neurologischen und kognitiven Erkrankungen

The complete mapping of neuronal circuits in at least parts of brains has received substantial attention recently. Methodological breakthroughs have made the imaging of ever larger tissue blocks realistic using 3-dimensional electron microscopy. Analysis of such data, however, is still limiting the neuroscientific insights obtainable from cellular connectomics data. What is the state of this scientific field, which insights have been obtained, which are in reach? This brief overview summarizes the current knowledge in cellular connectomics.

When trying to gain intuitions about the computations implemented in neural circuits, we often use comparisons with electronic circuits. However, one fundamental difference to hard-wired electronic circuits is that the structure of neural circuits undergoes constant remodeling. Here, we discuss recent findings highlighting the dynamic nature of neural circuits and the underlying mechanisms. The dynamics of neural circuits follows rules that explain steady state statistics of synaptic properties observed at a single time point. Interestingly, these rules allow the prediction of future network states and extend the insights gained from serial sectioning electron microscopy of brain samples, which inherently provides information from only a single time point. We argue how the connectome’s dynamic nature can be reconciled with stable functioning and long-termmemory storage and how it may even benefit learning.

Connectomics, the study of circuit architecture, has the potential to reveal the connectivity of any brain or brain area with single-synapse resolution. This is extremely exciting but at the same time quite daunting. The exciting part is obvious. The daunting part is less so, and relates to the challenge of extracting principles from overwhelming masses of high-resolution data. You might say that it is a nice problem to have, and I will agree. What I will argue here is that, if our goal is to derive from such data a general and theoretical understanding of the brain, wemust nowmore than ever take advantage of comparative approaches.

Brain regions of the cerebral cortex differ in their cytoarchitecture as well as in the intrinsic connectivity within an area and the organization of macroscopic connections between different cortical areas. Nonetheless, it is not clear which rules underlie the relationship of cellular and fiber architecture, and how the characteristic cortical microand macro-connectivity are related to each other. In order to identify principles of cortical connectivity, we systematically investigate various parameters of cortical architecture and their relation to the organization of anatomical connections among cortical areas. Characteristic parameters of cortical architecture include the differential density and distribution of neurons and neuron types across the layers of cortical areas, as well as the regional distribution of different receptors of neurotransmitter systems. The cytoarchitectonic characterization of the brain is a classic approach of neuroanatomy, which recently has been supplemented by new techniques for labeling specific neural components as well as novel optical and analytical approaches. However, the systematic quantitative acquisition of architectonic and morphological parameters of the human brain has only just begun. It is a fundamental challenge to gather and quantify the extremely extensive and detailed histological data (“big data”) by novel image processing techniques. This challenge is taken up in the BigBrain project. Extensive anatomical data already exist for a number of animal models, for example, the brains of nonhuman primates, the cat or the mouse. However, for each single parameter it has to be demonstrated how far these data can be generalized across species. Previous analyses support the notion that the regionally specific cytoarchitecture of the cerebral cortex is closely linked to the existence and the laminar projection patterns of corticocortical connections. These results imply systematic relationships between the patterns of macroscopic connections among cortical areas and the regionally specific intrinsic circuitry within cortical areas. Such relations are the basis of generic models of multiscale cortical connectivity, which reflect essential anatomical and functional properties of mammalian cortical organization.

To understand human cognition, it is essential to study the brain on multiple levels, from microscopic to macroscopic scales. Computational connectomics is a new area of neuroscience where scientists seek to combine empirical observations within a computational theory of the brain. The whole-brain network modeling and simulation platform, The Virtual Brain (TVB), is a remarkable innovation in the field of computational connectomics. By combining the connectivity of individual persons with local biologically realistic populationmodels, TVB allows simulation and prediction of the local activity of neuronal populations and the global activity unfolding along the gray matter, both of which can be linked to empiricalmeasures of electrical, hemodynamic, and structural aspects of the brain. TVB is currently used to study the structural, functional, and computational alterations in the diseased brain with reported successes in stroke and epilepsy. Subjectspecific brain models provided by TVB will result in robust and efficient personalized diagnostics, prognostics, and treatment.