Wie ein Ganzhirn-Computermodell die Acetylcholin-Rezeptordichte mit neuronaler Dynamik verknüpft

Anstatt einheitliche kortikale Eigenschaften anzunehmen, hatte jede der 68 Regionen ihr eigenes Rezeptordichte-Profil. Dies ermöglichte es dem Modell zu erfassen, wie identische chemische Signale je nach lokaler molekularer Architektur unterschiedliche Netzwerkeffekte hervorrufen . Dieser Ansatz baut auf einer wachsenden Zahl von Forschungsarbeiten auf, die zeigen, dass die Verteilung von Neurotransmitter-Rezeptoren nicht zufällig ist, sondern organisierten räumlichen Gradienten in der Großhirnrinde folgt .

Wichtigste Erkenntnisse

Verbesserte Synchronisation und Informationsfluss

Die Einbeziehung realistischer Rezeptorheterogenität verbesserte die funktionelle Konnektivität zwischen den Arealen und die Informationslenkung signifikant im Vergleich zu einem Modell, in dem sich alle Regionen identisch verhielten . Diese biologische Variabilität ermöglicht flexiblere und koordiniertere Gehirnzustände . Der Befund deckt sich mit früheren Arbeiten, die zeigten, dass eine hierarchische Heterogenität der lokalen synaptischen Stärken die Modellanpassung an fMRI-gemessene funktionelle Konnektivität im Ruhezustand verbessert .

Spontane lokalisierte langsame Wellen

Vielleicht das auffälligste Ergebnis: Das Modell reproduzierte auf natürliche Weise ein reales Gehirnphänomen – schlafähnliche langsame Oszillationen, die in bestimmten kortikalen Regionen auftreten, während der Rest der Großhirnrinde in einem wachähnlichen Zustand verharrte . Dies ahmt das nach, was während Aufmerksamkeitslücken, Schlafentzug und um Hirnläsionen herum geschieht . Die Ergebnisse stimmen mit früheren Forschungsarbeiten überein, die zeigen, dass niedrige Acetylcholinspiegel während des Schlafs die Mikroschaltkreisaktivität in langsame Oszillationen und Netzwerksynchronität treiben .

Regionenspezifische Neuromodulation

Acetylcholin wirkt nicht einheitlich im Gehirn. Seine Wirkung hängt davon ab, wo seine Rezeptoren konzentriert sind, was bedeutet, dass dasselbe chemische Signal in verschiedenen Kortexarealen unterschiedliche Netzwerkdynamiken hervorrufen kann . Hohe ACh-Konzentrationen, wie sie während des Wachseins oder bei Aufmerksamkeitsaufgaben auftreten, desynchronisieren die Netzwerkaktivität, während niedrige ACh-Spiegel das Auftreten synchronisierter Slow-Wave-Muster ermöglichen .

Eine Brücke zwischen den Skalen

Die Studie liefert einen konkreten rechnerischen Rahmen, der die mikroskopische molekulare Chemie (Rezeptorverteilung) mit der makroskopischen, das gesamte Gehirn umfassenden funktionellen Aktivität verbindet . Die Autoren schlagen vor, dass dieser Ansatz dazu beitragen könnte, Zustandsübergänge bei Bewusstseinsstörungen, fokalen Hirnverletzungen und neurodegenerativen Erkrankungen zu erklären .

Warum das wichtig ist

Die meisten groß angelegten Gehirnmodelle vereinfachen die Dinge, indem sie jede kortikale Region so behandeln, als ob sie auf die gleiche Weise funktionierte . Dieses neue Modell geht einen anderen Weg: Es bezieht detaillierte Karten der muskarinischen Acetylcholin-Rezeptordichten ein und schafft so eine realistischere Simulation, wie das Gehirn zwischen bewussten und unbewussten Zuständen wechseln könnte .

Das Modell wurde im Rahmen von The Virtual Brain Twin Project und der EBRAINS 2.0 Forschungsinfrastruktur entwickelt . Die Arbeit wurde von Leonardo Dalla Porta am Institut d'Investigacions Biomèdiques August Pi i Sunyer (IDIBAPS) geleitet, in Zusammenarbeit mit Forschern am CEITEC - Central European Institute of Technology .