womenhealthsecret.com

Durch die Modellierung des Kompromisses zwischen zwei konkurrierenden Wegen, nützliche Verbindungen herzustellen, hat ein Team von Wissenschaftlern aus Großbritannien und den USA ein bemerkenswert vollständiges statistisches Bild des komplexen Netzwerks des menschlichen Gehirns erstellt . Sie schlagen vor, dass das einfache mathematische Modell uns nicht nur hilft, gesunde Gehirne besser zu verstehen, sondern auch einzigartige Einblicke in Schizophrenie und ähnliche Störungen bietet.
Die Wissenschaftler berichten über ihre Arbeit in einer kürzlich erschienenen Ausgabe der Proceedings der National Academy of Sciences (PNAS) und kommentieren sie in einer Presseerklärung vom 12. April.
Der Hauptautor der Studie ist Ed Bullmore, Professor am Department für Psychiatrie, Behavioral and Clinical Neuroscience Institute an der Universität von Cambridge in Großbritannien.
In der Art, wie es Verbindungen herstellt, erscheint die "Verdrahtung" des menschlichen Gehirns ähnlich wie andere komplexe Netzwerke wie soziale Netzwerke und das World Wide Web.
Bis zu dieser Studie wussten wir jedoch wenig über die Regeln, die mit der Gestaltung des menschlichen Gehirnnetzwerks verbunden sind, wie die Autoren in ihren Hintergrundinformationen erklären:
"Obwohl ein hochentwickelter Satz von Maßen verfügbar ist, um die Topologie von Gehirnnetzwerken zu beschreiben, bleiben die Selektionsdrücke, die ihre Bildung antreiben, weitgehend unbekannt."
Bullmore und Kollegen fanden heraus, dass sie aus zwei konkurrierenden Belastungen ein gutes Modell herstellen konnten: eine "Entfernungsstrafe" für die Aufrechterhaltung von Verbindungen über große Entfernungen und eine Präferenz für die Verbindung von Regionen (einschließlich derer, die ziemlich weit voneinander entfernt sind), die ähnlichen Input haben. Zuerst hatten sie nur die erste, aber als sie die zweite einführten, verbesserte sich das Modell erheblich, wie Bullmore selbst erklärt:
"Es gibt eine Menge Beweise dafür, dass die Verdrahtung von Brain Networks die Verbindungskosten minimiert. Weniger kostspielige Verbindungen über kurze Distanzen sind viel zahlreicher als teurere Verbindungen über lange Distanzen. Unser Modell enthält also realistisch eine Distanzstrafe für lange Distanzen - Distanzverbindungen, die dazu beitragen, die Verbindungskosten niedrig zu halten. "
"Allerdings", fügt er hinzu, "stellten wir fest, dass Kostenkontrolle allein nicht ausreichte, um eine breite Palette von Netzwerkeigenschaften zu reproduzieren. Dafür mussten wir einen wirtschaftlichen Kompromiss zwischen Kostenkontrolle und einem anderen Begriff, der neue, direkte bevorzugte Verbindungen zwischen Regionen, die ähnliche Inputs teilten oder anderweitig indirekt miteinander verbunden waren. "
Das Team schreibt, dass diese zwei "biologisch plausiblen Faktoren" zusammen reichten, um eine "beeindruckende Bandbreite an topologischen Eigenschaften funktionaler Gehirnnetzwerke" darzustellen.
Sie kalibrierten das Modell unter Verwendung von funktionellen Magnetresonanztomographie (fMRT) -Daten von einer Gruppe von gesunden Freiwilligen und zeigten dann, dass es eine gute Anpassung an Netzwerke lieferte, die in einem zweiten unabhängigen Datensatz geschätzt wurden.
Darüber hinaus, indem sie das Modell leicht "verstimmte", so dass es mehr Verbindungen zwischen entfernten Hirnregionen favorisierte, fanden sie, dass es "eine vernünftige Simulation der abnormalen Eigenschaften von Gehirnfunktionsnetzwerken bei Menschen mit Schizophrenie erzeugte".
Co-Autorin Dr. Petra E. Vértes, ebenfalls von der University of Cambridge, sagt:
"Dieses Ergebnis spiegelt einige frühere Neuroimaging-Ergebnisse wider, die darauf hindeuten, dass Gehirnnetzwerke bei Schizophrenie mit einem abnormalen Kompromiss zwischen Verbindungskosten und anderen topologischen Eigenschaften von Gehirnnetzwerken in Verbindung gebracht werden können."
Die Autoren schlagen vor, dass einfache Modelle wie diese auf der Grundlage von Trade-Off-Regeln zur Konnektivität zwischen verschiedenen Hirnarealen viele Aspekte der Organisation von Gehirnnetzwerken sowohl in Bezug auf Gesundheit als auch auf Krankheiten erklären können.
Geschrieben von Catharine Paddock

Top