Modellierung der Bildung von Vorhersagefehler-Neuronen in komplexen neuronalen Netzwerken

• Antragstellerin: Dr. Loreen Hertäg, Ph.D.
• Fachliche Zuordnung: Experimentelle und theoretische Netzwerk-Neurowissenschaften
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 460088091

Es gibt immer mehr Hinweise dafür, dass neuronale Schaltkreise die durch unsere Sinne wahrgenommenen Inputs mit Vorhersagen darüber vergleichen, was wir sehen, hören, riechen oder fühlen (werden). Die Kernelemente dieses Vergleichs sind Vorhersagefehler-Neurone, die durch Änderung ihrer Aktivität Fehlanpassungen zwischen tatsächlichen und vorhergesagten Reizen signalisieren. Es wird angenommen, dass die Aktivität von Vorhersagefehler-Neuronen die Grundlage für die Anpassung und Verfeinerung unseres inneren Modells der Welt (d. h. unserer Überzeugungen und Erwartungen) ist, indem es Plastizität in hierarchischen neuronalen Netzen steuert. Während im gesamten Gehirn neuronale Signaturen von Vorhersagefehlern gefunden wurden, ist nur wenig über die zugrunde liegenden Mechanismen auf Netzwerkebene bekannt, die die Berechnung von Vorhersagefehlern in exzitatorischen Neuronen beeinflussen. Die zentrale Hypothese des Forschungsvorhabens ist, dass Vorhersagefehler-Neurone durch ein kompliziertes Zusammenspiel inhibitorischer Interneurone entstehen, welches darauf abzielt, Erregung und Hemmung in verschiedenen Kompartiments exzitatorischer Zellen für vorhergesagte sensorische Stimuli auszugleichen. Das Ziel des Projektes ist es daher, die Bedingungen an Neurone, Synapsen und Konnektivität zu entschlüsseln, unter denen komplexe Netzwerke mit exzitatorischen Zellen und mehreren Arten von inhibitorischen Interneuronen Fehlanpassungen zwischen tatsächlichen und vorhergesagten sensorischen Inputs berechnen können. Zu diesem Zweck werden wir mathematische Analysen verwenden, um Interneuronmotive abzuleiten, die gleichzeitig die Entstehung verschiedener Arten von Vorhersagefehler-Neuronen ermöglichen. Im nächsten Schritt werden wir die Regeln für synaptische Plastizität ableiten, die es Netzwerken mit exzitatorischen und inhibitorischen Neuronen ermöglichen, sich selbst in heterogene Komparatorschaltungen zu organisieren. Schließlich werden wir untersuchen, wie bekannte neuronale und synaptische Eigenschaften verschiedener Zellklassen die Bildung, Robustheit und Spezifität von Vorhersagefehler-Neuronen beeinflussen. Die hier vorgeschlagene Arbeit wird daher zu einem besseren Verständnis der Netzwerkeigenschaften und -prinzipien führen, die der enormen Fähigkeit neuronaler Schaltkreise zugrunde liegen, ihre Eingaben vorherzusagen und Fehlanpassungen zu erkennen.

• DFG-Verfahren: Sachbeihilfen