Ein Gehirn hochladen
- Leon Wirz
- 16. März
- 4 Min. Lesezeit
Eon-Systems | Publiziert in Nature (Oktober 2024) und Nature Machine Intelligence (2024) | FlyWire Consortium, Princeton University, University of Cambridge, Howard Hughes Medical Institute
Einleitung
Seit Jahrzehnten verfolgen Neurowissenschaftler eines der ehrgeizigsten Ziele der Biologie: das vollständige Verständnis eines Gehirns von seiner Struktur bis hin zu seinem Verhalten. Ein entscheidender Schritt in diese Richtung ist kürzlich gelungen.
Forschende des FlyWire Consortium haben gemeinsam mit Wissenschaftlern der Princeton University, der University of Cambridge und des Howard Hughes Medical Institute erstmals die komplette Verschaltung eines erwachsenen Fruchtfliegen-Gehirns rekonstruiert.
Dieses sogenannte Connectom umfasst rund 139'000 Neuronen und über 50 Millionen synaptische Verbindungen. Noch bemerkenswerter ist jedoch, dass diese neuronale Struktur anschließend verwendet wurde, um ein grossskaliges Computermodell des Gehirns zu erstellen.
Als Forschende dieses digitale Gehirn in eine Simulation einbetteten, zeigte es realistische neuronale Aktivitätsmuster und Verhaltensdynamiken, ohne vorheriges Training, wie man es aus der künstlichen Intelligenz kennt.
Die Ergebnisse legen nahe, dass die Struktur eines Gehirns selbst bereits einen großen Teil seiner Funktion bestimmt.
Die zentrale Entdeckung
Der zentrale Befund dieser Forschung ist, dass die Architektur eines Gehirns alleine bereits komplexe neuronale Aktivität erzeugen kann.
Moderne KI-Systeme benötigen in der Regel enorme Trainingsdatensätze, um sinnvolle Verhaltensmuster zu entwickeln. In der Simulation des Fruchtfliegen-Gehirns hingegen entstanden realistische Aktivitätsmuster direkt aus der biologischen Verschaltung der Neuronen.
Das digitale Modell basiert vollständig auf der tatsächlichen neuronalen Struktur des Fruchtfliegen-Gehirns, die mittels hochauflösender Elektronenmikroskopie rekonstruiert wurde. In der Simulation erzeugte dieses Netzwerk stabile Aktivitätsmuster, die mit experimentellen Messungen aus lebenden Tieren übereinstimmen.
Diese Beobachtung unterstützt eine zentrale Hypothese der modernen Neurowissenschaft: Evolution kodiert grundlegende Verhaltensfähigkeiten bereits in der Struktur neuronaler Netzwerke. Lernen und Erfahrung modifizieren diese Strukturen anschließend weiter.
Wie die Studie durchgeführt wurde
Die Arbeit bestand aus zwei zentralen Schritten: der Rekonstruktion des Connectoms und der anschließenden Simulation des Gehirns.
Rekonstruktion des Gehirns
Zunächst wurde das Gehirn einer Fruchtfliege mithilfe von Elektronenmikroskopie vollständig gescannt. Das Gehirn wurde in Tausende ultradünne Schichten geschnitten, die jeweils mit Nanometerauflösung abgebildet wurden.
Mithilfe von KI-Algorithmen und umfangreicher manueller Überprüfung identifizierten die Forschenden:
einzelne Neuronen
deren Verzweigungen
sämtliche synaptischen Verbindungen
Das resultierende Datenset stellt die bislang detaillierteste Rekonstruktion eines tierischen Gehirns dar.
Aufbau der Simulation
Im nächsten Schritt wurde dieses Connectom in ein computergestütztes neuronales Netzwerkmodell übertragen.
Jedes Neuron wurde mathematisch modelliert und entsprechend seiner biologischen Verbindungen mit anderen Neuronen verknüpft. Die Simulation berücksichtigte dabei wichtige neurobiologische Eigenschaften, etwa:
exzitatorische und inhibitorische Synapsen
zeitliche Verzögerungen in der Signalübertragung
neuronale Aktivitätsdynamiken
Das digitale Gehirn wurde anschließend in eine virtuelle Umgebung integriert, in der sensorische Eingaben verarbeitet und motorische Reaktionen erzeugt werden konnten.
Zentrale Ergebnisse
Die Simulation lieferte mehrere bemerkenswerte Ergebnisse.
Erstens zeigte das Netzwerk stabile Aktivitätsmuster, die denen realer Fruchtfliegen ähneln.
Zweitens konnten im Modell mehrere Verhaltensprogramme gleichzeitig entstehen, was darauf hinweist, dass unterschiedliche neuronale Schaltkreise verschiedene Funktionen unterstützen.
Am überraschendsten war jedoch, dass diese Aktivitätsmuster ohne klassisches Training entstanden.
Statt durch Datenlernen entstand das Verhalten offenbar direkt aus der biologischen Netzwerkstruktur.
Limitationen der Studie
Trotz ihrer Bedeutung bleibt diese Arbeit ein erster Schritt hin zu realistischen Gehirnsimulationen.
Ein wichtiger Punkt ist die biologische Vereinfachung des Modells. Die Simulation bildet nicht alle molekularen Prozesse ab, die in echten Neuronen stattfinden.
Auch das Connectom selbst ist nicht vollkommen fehlerfrei. Selbst mit modernster Bildgebung können einzelne synaptische Verbindungen übersehen oder falsch klassifiziert werden.
Darüber hinaus ist die simulierte Umwelt deutlich einfacher als die reale Welt. In der Natur integrieren Fruchtfliegen komplexe sensorische Informationen aus verschiedenen Sinnesmodalitäten.
Schließlich ist das Fruchtfliegen-Gehirn trotz seiner Komplexität immer noch vergleichsweise klein. Das menschliche Gehirn enthält etwa 86 Milliarden Neuronen und ist damit um mehrere Größenordnungen komplexer.
Relevanz für die Schweiz
Die Schweiz ist international stark in der computational neuroscience vertreten. Besonders hervorzuheben ist das Blue Brain Project an der École Polytechnique Fédérale de Lausanne (EPFL), das detaillierte digitale Modelle von Säugetiergehirnen entwickelt.
Die vollständige Simulation eines Fruchtfliegen-Gehirns ergänzt diese Forschung auf wichtige Weise. Während Projekte wie Blue Brain einzelne Gehirnregionen detailliert modellieren, liefert das Fruchtfliegen-Connectom die erste vollständige Verschaltung eines gesamten Gehirns.
Für Schweizer Forschungseinrichtungen eröffnen solche Datensätze neue Möglichkeiten:
Entwicklung biologisch inspirierter KI-Systeme
Analyse komplexer neuronaler Netzwerke
neue Modelle zur Erforschung neurologischer Erkrankungen
Potenzielle Auswirkungen
Auch wenn diese Forschung primär Grundlagenwissenschaft ist, könnten ihre langfristigen medizinischen Auswirkungen erheblich sein.
Ein besseres Verständnis neuronaler Schaltkreise könnte helfen, Fehlfunktionen in Gehirnnetzwerken zu identifizieren, die bei vielen Erkrankungen eine Rolle spielen.
Mögliche Anwendungsfelder umfassen:
neurodegenerative Erkrankungen wie Alzheimer oder Parkinson
psychiatrische Störungen mit Netzwerkdysfunktionen
Entwicklung neuer Brain-Computer-Interfaces
präzisere Modelle für Medikamententests
Risiken
Fortschritte in der Gehirnsimulation werfen auch neue ethische und wissenschaftliche Fragen auf.
Ein langfristiges Thema ist die Möglichkeit, dass zunehmend komplexe neuronale Simulationen entstehen könnten, die Aspekte von künstlicher oder digitaler Kognition zeigen.
Zudem besteht die Gefahr, dass Simulationen überinterpretiert werden. Modelle können realistisch wirken, basieren jedoch oft auf vereinfachten Annahmen.
Daher bleibt es entscheidend, Ergebnisse aus Simulationen stets mit experimentellen Daten zu vergleichen.
Gesamtbewertung
Die vollständige Rekonstruktion und Simulation eines Fruchtfliegen-Gehirns stellt einen Meilenstein in der Connectomik und der computational neuroscience dar.
Zum ersten Mal wurde ein digitales Modell erstellt, das auf der vollständigen neuronalen Verschaltung eines Tiergehirns basiert.
Die Beobachtung, dass realistische Aktivitätsmuster ohne Training entstehen können, unterstreicht die zentrale Rolle der biologischen Netzwerkstruktur für die Entstehung von Verhalten.
Ausblick
In den kommenden Jahren werden Forschende versuchen, diese Modelle weiter zu verbessern.
Wichtige nächste Schritte sind:
präzisere Rekonstruktionen neuronaler Verbindungen
Integration zusätzlicher biologischer Prozesse
Simulation komplexerer Nervensysteme
Auch wenn die Simulation eines menschlichen Gehirns noch in weiter Ferne liegt, zeigt die Fruchtfliege, dass die vollständige digitale Rekonstruktion eines Gehirns keine rein theoretische Vision mehr ist.
Referenzen
Dorkenwald, S., Matsliah, A., Sterling, A.R. et al. Neuronal wiring diagram of an adult brain. Nature 634, 124–138 (2024).
Schlegel, P., Yin, Y., Bates, A.S. et al. Whole-brain annotation and multi-connectome cell typing of Drosophila. Nature 634, 139–152 (2024).
Kommentare