Untersuchungen lernabhängiger Veränderungen struktureller Konnektivität im Gehirn mit Hilfe von Diffusions-MRT und multivariater Mustererkennung

• Antragsteller: Professor Dr. Steffen Gais; Professor Dr. Christian Leibold
• Fachliche Zuordnung: Kognitive, systemische und Verhaltensneurobiologie ; Allgemeine, Kognitive und Mathematische Psychologie
• Förderung: Förderung von 2019 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 416445108

Das Gedächtnis basiert auf dem Zusammenspiel verschiedener Gedächtnissysteme innerhalb der neuronalen Netzwerke des Gehirns. Während des Lernens wird eine Restrukturierung der synaptischen Verbindungen angestoßen. Im darauffolgenden Konsolidierungsintervall sorgen weitere synaptische und netzwerkweite Veränderungen dafür, dass der neue Gedächtnisinhalt stabilisiert und in die vorhandene Gedächtnisstruktur integriert wird. Neuere Entwicklungen im Bereich der diffusionsgewichteten Magnetresonanztomographie weisen darauf hin, dass auch diese schnellen strukturellen Veränderungen, wie sie durch Lernen ausgelöst werden, im Menschen in vivo abgebildet werden können. Erste Studien und vorläufige Daten aus eigenen Pilotexperimenten zeigen, dass Änderungen der Konnektivität im Gehirn schon 60-90 min nach dem Lernen sowohl auf mikrostruktureller Ebene (graue Substanz) als auch auf makrostruktureller Ebene (weiße Substanz) nachgewiesen werden können. Die Verwendung von Lernaufgaben ermöglicht es daher, zu untersuchen welchen Einfluss die Gehirnstruktur auf die neuronale Funktion und die Kognition hat. Weil Konnektivitätsdaten von Natur aus hoch multivariat sind, verwenden wir für die statistische Analyse und Signifikanztestung einen Ansatz aus dem maschinellen Lernen (multivariate Mustererkennung, MVPA). Wir haben diese Methode bereits erfolgreich auf Schlafaufnahmen angewendet, in denen die Hirnaktivität während des Schlafs mittels high-density EEG über die komplette Nacht aufgezeichnet wurde. Hier wollen wir das experimentelle Design, die Signalvorverarbeitung und die Auswahl der zu analysierenden Signaleigenschaften (Features) an Diffusions-MRI anpassen. Wir werden die lokalen und globalen Veränderungen der Hirnkonnektivität durch systemische Gedächtniskonsolidierungsprozesse in den Stunden und Tagen nachdem Probanden eine Lernaufgabe durchgeführt haben untersuchen. Insbesondere wollen wir dabei die Veränderungen der Konnektivität über Schlaf- und Wachphasen analysieren. Auf der anderen Seite werden wir auch untersuchen, welche Vorhersagen die Hirnkonnektivität eines Probanden über dessen Gedächtnisleistungen zulässt. Dieses Projekt ermöglicht es, die neurobiologische Bedeutung der strukturellen Hirnkonnektivität für Lernen und Gedächtnis zu ergründen, und wird gleichzeitig dazu beitragen, die Verwendung multivariater Mustererkennung zum Testen statistischer Hypothesen in hoch multivariaten Daten weiterzuentwickeln.

• DFG-Verfahren: Sachbeihilfen