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.
“Das ist absolut fantastisch, denn mit einer so geringen Fehlerrate hatten wir eigentlich gar nicht gerechnet”, freut sich Kornfeld über den Erfolg. Eine berechtigte Freude, denn die neu entwickelten künstlichen neuronalen Netze können Neurobiologen in Zukunft viele tausend Stunden monotoner Arbeit abnehmen – und so die Zeit bis zur Entschlüsselung des Konnektoms, und vielleicht auch des Bewusstseins, um viele Jahre verkürzen.
