Die Neuronendichten in kortikalen Bereichen im Gehirn von Säugetieren folgen einem konsistenten Verteilungsmuster. Diese Erkenntnis hat tiefgreifende Auswirkungen auf die Modellierung des Gehirns und die Entwicklung gehirninspirierter Technologien. Bildnachweis: Morales-Gregorio
Forscher des Human Brain Project vom Forschungszentrum Jülich und der Universität zu Köln (Deutschland) haben herausgefunden, wie die Neuronendichten über und innerhalb kortikaler Bereiche im Gehirn von Säugetieren verteilt sind. Sie haben ein grundlegendes Organisationsprinzip der kortikalen Zytoarchitektur enthüllt: die allgegenwärtige logarithmische Normalverteilung der Neuronendichten.
Die Anzahl der Neuronen und ihre räumliche Anordnung spielen eine entscheidende Rolle bei der Gestaltung der Struktur und Funktion des Gehirns. Doch trotz der Fülle verfügbarer zytoarchitektonischer Daten bleiben die statistischen Verteilungen der Neuronendichten weitgehend unbeschrieben. Die neue Studie des Human Brain Project (HBP), veröffentlicht in der Zeitschrift Zerebraler Kortexerweitert unser Verständnis der Organisation des Gehirns von Säugetieren.
Analyse der Datensätze und der Lognormalverteilung
Neun öffentlich verfügbare Datensätze von sieben Spezies (Maus, Weißbüschelaffe, Makaken, Galago, Eulenaffe, Pavian und Mensch) bildeten die Grundlage für die Untersuchungen des Forschungsteams. Nach der Analyse der jeweiligen kortikalen Bereiche stellten sie fest, dass die Neuronendichten in diesen Bereichen einem konsistenten Muster folgen – einer logarithmischen Normalverteilung. Dies deutet auf ein grundlegendes Organisationsprinzip hin, das der Dichte der Neuronen im Gehirn von Säugetieren zugrunde liegt.
Eine Lognormalverteilung ist eine statistische Verteilung, die durch eine schiefe glockenförmige Kurve gekennzeichnet ist. Es entsteht beispielsweise, wenn die Exponentialfunktion einer normalverteilten Variablen berechnet wird. Sie unterscheidet sich in mehrfacher Hinsicht von einer Normalverteilung. Am wichtigsten ist, dass die Kurve einer Normalverteilung symmetrisch ist, während die Kurve der Lognormalverteilung asymmetrisch ist und einen starken Rand aufweist.
Implikationen und Relevanz der Ergebnisse
Diese Erkenntnisse sind entscheidend für eine präzise Gehirnmodellierung. „Nicht zuletzt, weil die Verteilung der Neuronendichten die Netzwerkkonnektivität beeinflusst“, sagt Sacha van Albada, Leiter der Gruppe Theoretische Neuroanatomie am Forschungszentrum Jülich und leitender Autor der Arbeit. „Wenn beispielsweise die Dichte der Synapsen konstant ist, erhalten Regionen mit geringerer Neuronendichte mehr Synapsen pro Neuron“, erklärt sie. Solche Aspekte sind auch für die Gestaltung gehirninspirierter Technologien wie neuromorpher Hardware relevant.
„Da außerdem kortikale Bereiche häufig anhand der Zytoarchitektur unterschieden werden, kann die Kenntnis der Verteilung der Neuronendichten für die statistische Beurteilung von Unterschieden zwischen Bereichen und der Lage der Grenzen zwischen Bereichen relevant sein“, fügt van Albada hinzu.
Verständnis der Lognormalverteilung in Gehirnmerkmalen
Die Ergebnisse stimmen mit früheren Beobachtungen überein, dass überraschend viele Merkmale des Gehirns einer logarithmischen Normalverteilung folgen. „Ein Grund dafür, dass es in der Natur sehr häufig vorkommt, liegt darin, dass es entsteht, wenn man das Produkt vieler unabhängiger Variablen bildet“, sagt Alexander van Meegen, Mitautor der Studie. Mit anderen Worten: Die logarithmische Normalverteilung entsteht auf natürliche Weise als Ergebnis multiplikativer Prozesse, ähnlich wie die Normalverteilung entsteht, wenn viele unabhängige Variablen summiert werden.
„Anhand eines einfachen Modells konnten wir zeigen, wie die multiplikative Proliferation von Neuronen während der Entwicklung zu den beobachteten Neuronendichteverteilungen führen kann“, erklärt van Meegen.
Der Studie zufolge könnten kortexweite Organisationsstrukturen im Prinzip Nebenprodukte der Entwicklung oder Evolution sein, die keiner Rechenfunktion dienen; aber die Tatsache, dass die gleichen Organisationsstrukturen für mehrere Arten und in den meisten kortikalen Bereichen beobachtet werden können, legt nahe, dass die logarithmische Normalverteilung einen gewissen Zweck erfüllt.
„Wir können nicht sicher sein, wie die logarithmische Normalverteilung der Neuronendichten die Gehirnfunktion beeinflussen wird, aber sie wird wahrscheinlich mit einer hohen Netzwerkheterogenität verbunden sein, was rechnerisch vorteilhaft sein kann“, sagt Aitor Morales-Gregorio, Erstautor der Studie, und zitiert frühere Arbeiten Dies deutet darauf hin, dass Heterogenität in der Konnektivität des Gehirns eine effiziente Informationsübertragung fördern kann. Darüber hinaus unterstützen heterogene Netzwerke robustes Lernen und verbessern die Gedächtniskapazität neuronaler Schaltkreise.
Referenz: „Ubiquitäre logarithmische Normalverteilung der Neuronendichten in der Großhirnrinde von Säugetieren“ von Aitor Morales-Gregorio, Alexander van Meegen und Sacha J van Albada, 6. Juli 2023, Zerebraler Kortex.
DOI: 10.1093/cercor/bhad160