Nervenzellen brauchen Gesellschaft: Während eine einzelne Zelle wenig bewirken kann, werden Nervenzellen im Verbund zu einem mächtigen Netzwerk, das zum Beispiel unser Verhalten steuert. Dabei tauschen die Zellen Informationen über ihre Kontaktstellen, die Synapsen, aus. Das Wissen darüber, welche Nervenzellen wann und wo miteinander verbunden sind, trägt entscheidend dazu bei, grundlegende Hirnfunktionen ebenso wie übergeordnete Prozesse wie Lernen, Gedächtnis, Bewusstsein und Erkrankungen des Nervensystems zu verstehen. Denn Forscher vermuten, dass der Schlüssel zu alldem in der Verschaltung der rund 100 Milliarden Zellen im menschlichen Gehirn liegt. Um diesen Schlüssel verwenden zu können, müsste jedoch das Konnektom erfasst werden – jede Nervenzelle eines Gehirns mit ihren tausenden Kontakten und Partnerzellen. Noch vor wenigen Jahren schien so etwas gänzlich unmöglich – zumindest in vertretbarer Zeit. Zum einen ist es enorm aufwändig, die hauchdünnen, aber enorm zahlreichen Verknüpfungen der Nervenzellen zu erfassen und abzubilden. Zum anderen aber waren bisher selbst die besten Computeralgorithmen zu ungenau, um die Fortsätze der Nervenzellen über lange Strecken zuverlässig zu verfolgen und die Synapsen zu erkennen. Daher müssen immer noch Menschen in stundenlanger Bildschirmarbeit die Synapsen in den Bilderstapeln aus dem Elektronenmikroskop identifizieren.
Supermikroskop und neuronale Netze als Helfer
Jetzt jedoch könnten Wissenschaftler vom Max-Planck-Institut für Neurobiologie in Martinsried gleich beide Probleme gelöst haben. Bereits in den vergangenen Jahren entwickelten sie Färbe- und Mikroskopiemethoden, mit denen Hirngewebeproben in einem automatisierten Prozess in dreidimensionale, hochaufgelöste Elektronenmikroskop-Bilder verwandelt werden. Ihr neuestes Mikroskop, das als Prototyp im Einsatz ist, tastet die Oberfläche einer Probe gleich mit 91 Elektronenstrahlen parallel ab, bevor die nächste Probenebene freigelegt wird. Dadurch erhöht sich die Datenerfassungsrate um mehr als das Fünfzigfache. Ein ganzes Mäusegehirn kann so anstatt in vielen Jahrzehnten innerhalb weniger Jahre erfasst werden. Doch mit der Digitalisierung der Daten ist es nicht getan, als nächstes muss auf Basis dieser Informationen die Rekonstruktion des dreidimensionalen Verknüpfungsnetzwerks erfolgen. Diesen Schritt haben nun Jörgen Kornfeld vom Max-Planck-Institut für Neurobiologie und seine Kollegen geschafft. Sie haben mehrere künstliche neuronale Netze so trainiert, dass eine enorm beschleunigte Rekonstruktion von Nervenzellschaltplänen möglich ist.
Künstliche neuronale Netze sind lernfähige Algorithmen, die nach dem Vorbild unseres Gehirns funktionieren. Bei ihnen arbeiten hierarchisch gegliederte Rechenknoten zusammen und können aus Beispielen und Erfahrungen lernen und dieses Wissen auch verallgemeinern. Solche neuronalen Netze werden heute bereits erfolgreich in der Bildverarbeitung und Mustererkennung eingesetzt. “Da war der Weg nicht weit zum Einsatz eines künstlichen Netzes für die Analyse eines echten neuronalen Netzes”, sagt Kornfeld. Ganz so einfach wie es klingt, war es allerdings nicht. In monatelanger Arbeit trainierten und testeten die Wissenschaftler sogenannte “Convolutional Neural Networks” darauf, Zellfortsätze, Zellbestandteile und Synapsen in den Bilddaten zu erkennen und voneinander zu unterscheiden. Das so entstandene SyConn Netzwerk kann nun, nach einer kurzen Anlernphase, diese Strukturen selbstständig identifizieren. Die Anwendung auf Datensätze aus dem Singvogelgehirn zeigte, dass SyConn so zuverlässig ist, dass ein menschliches Fehlerlesen überflüssig wird.
