Connectomics-basierte Modellierung der inneren Retina

• Antragsteller: Professor Dr. Philipp Berens; Professor Dr. Kevin Briggman, Ph.D.; Professor Dr. Thomas Euler
• Fachliche Zuordnung: Experimentelle und theoretische Netzwerk-Neurowissenschaften ; Molekulare Biologie und Physiologie von Nerven- und Gliazellen
• Förderung: Förderung seit 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 346384612

Visuelle Verarbeitung beginnt in der Netzhaut, in der mindestens 40 verschiedene Bildeigenschaften extrahiert und parallel an höhere Gehirnzentren weitergeleitet werden. Eine der größten verbleibenden Herausforderungen der Netzhautforschung ist es zu verstehen, wie diese verschiedenen Informationskanäle innerhalb der Netzhaut-Schaltkreise entstehen. Bisher versteht man nur einige wenige dieser Schaltkreise wirklich gut; in jedem dieser Fälle war das Verständnis der Rolle eines bestimmten Typs von Interneuron maßgeblich für die Aufdeckung der neuronalen Berechnung. Diese überwiegend inhibierenden Interneurone gehören meist zur Klasse der Amakrinzellen (AZs). Trotz der Schlüsselrolle der AZs bei den Berechnungen in der Netzhaut ist erstaunlich wenig über die große Mehrheit der >60 genetischen AZ-Typen und ihre komplizierten Netzwerke bekannt. In der ersten Phase des Schwerpunktprogramms 2041 "Computational Connectomics" hatte unser Projekt zum Ziel, die funktionellen Rollen der AZs für die Bildverarbeitung in der Netzhaut weiter zu untersuchen. Wir entwickelten einen neuen Messansatz für die 2-Photonen-Bildgebung in der Netzhaut und kombinierten funktionelle Daten, die mit einem vielfältigen Satz an visuellen Stimuli aufgezeichnet wurden, mit kontaktbasierten Konnektivitätsdaten, um ein prädiktives Modell für die zeitliche Verarbeitung in der inneren Netzhaut – einschließlich der AZ-Schaltkreise – zu entwickeln. Für die nächste Phase planen wir unser Modell um räumliche Stimuli zu erweitern. Zudem werden wir es auf neue elektronenmikroskopische Rekonstruktionen mit Konnektivität auf Synapsenebene und Dual-Imaging-Funktionsdaten stützen. Zunächst werden wir einen neuen, funktionell annotierten Connectomics-Datensatz der Mäusenetzhaut mit Synapsenauflösung erzeugen. Dazu werden wir ein Mehrstrahl-Rasterelektronenmikroskop verwenden, mit dem große Abbildungsvolumina in Wochen statt Monaten gesammelt werden können. Dann werden wir eine automatische Pipeline entwickeln, um die rekonstruierten Zellen in Typen zu klassifizieren und sie mit funktionellen Daten abzugleichen. Wir werden 2-Photonen-Bildgebung verwenden, um gleichzeitig die Glutamatausschüttung an Axonterminalien der Bipolarzellen (BZ) und die Aktivität in AZ-Dendriten durch die gesamte Tiefe der inneren plexiformen Schicht hindurch zu messen. Als nächstes werden wir beide Datenmodalitäten integrieren, indem wir ein Modell für die zeitlich-räumliche Verarbeitung auf der Grundlage der Konnektivitätsdaten zwischen BZ- und AZ-Typen aufstellen und dessen Parameter auf der Grundlage der funktionellen Daten herleiten. Durch Iteration werden wir das Modell verbessern, indem wir sukzessive mehr Details zur Konnektivität hinzufügen und es mit funktionellen Daten aus Experimenten fitten, die auf der Grundlage von Modellierungsergebnissen aus früheren Runden entworfen wurden. Das Projekt wird uns somit erlauben, unser Wissen über die Rolle der AZ bei Netzhautberechnungen erheblich zu erweitern.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 2041: Computational Connectomics