womenhealthsecret.com

Die Entwicklung eines Computersystems, das die Fähigkeit des menschlichen Gehirns, neue Aufgaben zu erlernen, reproduzieren kann, ist seit Jahrzehnten der Traum der Wissenschaftler. MIT-Forscher sind nun einen riesigen Schritt näher, diesen Traum zu verwirklichen, indem sie einen Computerchip entwerfen, der nachahmt, wie sich die Neuronen des Gehirns als Reaktion auf neue Informationen anpassen. Dieser Prozess, der als Plastizität bekannt ist, wird als Grundlage vieler Gehirnfunktionen wie Gedächtnis und Lernen angesehen. Die Ergebnisse werden diese Woche von Senior Autor Chi-Sang Poon an der National Academy of Sciences beschrieben.
Der Siliziumchip mit etwa 400 Transistoren kann die Aktivität einer einzelnen Gehirnsynapse simulieren. Eine Synapse ist eine Verbindung zwischen zwei Neuronen, Zellen, die darauf spezialisiert sind, Signale an einzelne Zielzellen weiterzuleiten, und eine Synapse ist das Mittel, mit dem sie dies tun.
Chi-Sang Poon, Hauptforschungswissenschaftler der Harvard-MIT-Abteilung für Gesundheitswissenschaften und Technologie, sagt, sie erwarten, dass dieser Chip Neurowissenschaftlern helfen wird, mehr über die Funktionsweise des Gehirns zu lernen. Der Chip könnte auch in neuralen prothetischen Vorrichtungen wie künstlichen Retinas verwendet werden.

Modellierung von Synapsen

Das Gehirn enthält etwa 100 Milliarden Neuronen, die Synapsen mit vielen anderen Neuronen bilden. Eine Synapse ist die Spalte (gap junction) zwischen zwei Neuronen, die eine als präsynaptisches Neuron und die andere als postsynaptisches Neuron. Das präsynaptische Neuron setzt Neurotransmitter frei, dh Glutamat und GABA, die an die Rezeptoren der postsynaptischen Zellmembran binden und Ionenkanäle aktivieren, die in der Lage sind, elektrischen Strom zu leiten.
Das elektrische Potential der Zelle wird verändert, indem diese Ionenkanäle geöffnet und geschlossen werden, was bewirkt, dass Spannungsänderungen in der präsynaptischen Zelle Spannungsänderungen in der postsynaptischen Zelle induzieren. Dieser elektrische Impuls wird Aktionspotential genannt.
Die gesamte synaptische Aktivität hängt von diesen Ionenkanälen ab, die den Fluss geladener Atome kontrollieren, dh Natrium, Kalium und Kalzium. Diese Ionenkanäle sind fundamental für zwei Prozesse, wie die Langzeitpotenzierung (LTP), die Synapsen verstärkt, und die Langzeitdepression (LTD), die Synapsen schwächt.
Die MIT-Forscher haben den Computerchip so entworfen, dass die Transistoren die Aktivität verschiedener Ionenkanäle nachahmen können. Im Gegensatz zu den meisten Chips, die im binären Ein / Aus - Modus arbeiten, haben die Forscher den neuen Gehirnchip so entworfen, dass Strom durch die Transistoren in analoger und nicht digitaler Weise fließt, wobei ein elektrischer Potentialverlauf den Strom durch den Strom treibt Transistoren ähnlich zu Ionen, die durch Ionenkanäle in einer Zelle fließen.
Poon Kommentare:
"Wir können die Parameter der Schaltung so anpassen, dass sie bestimmten Ionenkanälen entsprechen. Wir haben jetzt eine Möglichkeit, jeden einzelnen ionischen Prozess, der in einem Neuron abläuft, zu erfassen."

Früher bauten die Forscher Schaltkreise, die nur das Abfeuern eines Aktionspotentials simulieren konnten, ohne dass alle Umstände, die die Potentiale erzeugen, vorhanden sind. Poon fügt hinzu:
"Wenn Sie die Gehirnfunktion wirklich realistisch nachahmen möchten, müssen Sie mehr tun als nur das Spiken. Sie müssen die intrazellulären Prozesse aufzeichnen, die auf Ionenkanälen basieren."

Die MIT-Forscher erwarten, dass ihr Chip für Gebäudesysteme verwendet wird, um spezifische neuronale Funktionen wie das visuelle Verarbeitungssystem zu modellieren, das im Vergleich zu digitalen Computern bedeutend schneller sein könnte. Das Simulieren eines einfachen Gehirnschaltkreises kann Stunden oder sogar Tage dauern, selbst bei Computersystemen mit hoher Kapazität, während die Simulation mit dem analogen Chipsystem sogar schneller ist als das biologische System.
Laut Poon könnte der Bau von Chips, die mit biologischen Systemen interagieren können, eine weitere potenzielle Anwendung sein, die einer möglichen Kommunikation zwischen dem Gehirn und neuralen Prothesen, wie künstlichen Netzhäuten, zugute kommen könnte. In der fernen Zukunft könnten diese Chips auch als Bausteine ​​für künstliche Intelligenz dienen.

Debatte gelöst

Der Chip wurde bereits vom MIT-Team verwendet, um eine Lösung für eine lange Debatte über das Auftreten von LTD vorzuschlagen.
Nach einer Hypothese hängen LTD und LTP von der Häufigkeit von Aktionspotentialen ab, die in der postsynaptischen Zelle stimuliert werden. Eine neuere Theorie schlägt jedoch vor, dass das Timing der Ankunft der Aktionspotentiale an der Synapse der Schlüssel ist, von dem Langzeitpotenzierung und Langzeitdepression abhängen, da beide die Beteiligung von Ionenkanälen, die als NMDA-Rezeptoren bekannt sind, erfordern postsynaptische Aktivierung.
Eine andere neuere Theorie schlägt vor, dass beide Modelle vereinheitlicht werden könnten, wenn ein zweiter Typ von Rezeptor beim Detektieren dieser Aktivität beteiligt wäre. Ein möglicher Kandidat für den zweiten Rezeptor ist der Endocannabinoid-Rezeptor.
Endocannabinoide, vergleichbar mit der Struktur von Marihuana, werden im Gehirn produziert und spielen eine Rolle bei verschiedenen Funktionen, wie Schmerzempfindung, Appetit und Gedächtnis. Nach den Theorien einiger Wissenschaftler, wenn Endo-Cannabinoide, die in der postsynaptischen Zelle produziert werden, in die Synapse freigesetzt werden, aktivieren sie präsynaptische Endo-Cannabinoid-Rezeptoren, und LTD wird auftreten, wenn NMDA-Rezeptoren gleichzeitig aktiv sind.
Den Forschern gelang es, sowohl LTD als auch LTP durch die Aufnahme von Transistoren in ihren Chips, die Endocannabinoidrezeptoren modellierten, genau zu simulieren. Poon erklärte, dass trotz der Unterstützung früherer Experimente bis jetzt niemand "all dies zusammengebracht und rechnerisch demonstriert habe, dass das tatsächlich funktioniert und so funktioniert es."
Die Studie wurde von Chi-Sang Poon, dem Hauptforschungswissenschaftler der Harvard-MIT-Abteilung für Gesundheitswissenschaften und Technologie, geleitet. Guy Rachmuth, ein ehemaliger Postdoc in Poons Labor, war Hauptautor. Andere Autoren sind Mark Bear, der Picower Professor für Neurowissenschaften am MIT und Harel Shouval von der University of Texas Medical School.
Geschrieben von Petra Rattue
Top