Abteilung Theoretische Neurowissenschaften

Leitung

Professor für Theoretische Neurowissenschaften / Abteilungsleiter

Prof. Dr. Daniel Durstewitz

Tel.: 0621 1703-2361

Fax: 0621 1703-2005

E-Mail

Sekretariat: Christine Roggenkamp, M.A.
Tel.: 0621 1703-6252, E-Mail

 

Laborgebäude, 4. OG, Raum 4.18 / Raum 4.02

Beschreibung

Die Abteilung Theoretische Neurowissenschaften verfolgt im Wesentlichen zwei Forschungsansätze:

1) Zum einen beschäftigen wir uns mit mathematischen (neuronalen Netzwerk-) Modellen von Hirnfunktionen und wie diese, im Sinne der mathematischen Statistik, systematisch aus experimentellen Daten hergeleitet (inferiert) und anhand dieser parametrisiert werden können. Datengrundlage bilden insbesondere simultane elektrophysiologische Ableitungen von Neuronenpopulationen und Neuroimaging-Zeitreihen (z. B. aus der funktionellen Magnetresonanztomographie, fMRT). Wir entwickeln sowohl biophysikalisch detaillierte Modelle spezifischer Hirnareale (z. B. Hass et al. 2016, PLoS Comp Biol) als auch abstraktere rekurrente Netzwerkmodelle der neuronalen Dynamik (z. B. Durstewitz 2017, PLoS Comp Biol). Dabei verwenden wir Ansätze des statistischen und maschinellen Lernens, um Parameter dieser Modelle direkt aus den neuronalen Zeitreihenbeobachtungen zu extrahieren (d.h. im statistischen Sinne zu ‚schätzen‘). Diese stark datengetriebenen Modelle werden dann verwendet, um Einblicke in die neuro-dynamischen und neuro-computationalen Prozesse zu erhalten, die kognitiven Funktionen zugrundeliegen, und insbesondere auch wie und warum diese unter psychiatrischen Bedingungen verändert bzw. beeinträchtigt sind. Auf der Anwendungsseite können solche Modelle dann eingesetzt werden, um neuartige diagnostische und prognostische Kriterien für psychiatrische Erkrankungen abzuleiten und effektivere und individualisierte Behandlungsmöglichkeiten zu entwickeln.

2) Zum anderen entwickeln wir statistische und maschinelle Lernalgorithmen für die Analyse von hochdimensionalen Zeitreihendaten, wie sie sich aus simultanen elektrophysiologischen Ableitungen von mehreren Dutzend bis zu Hunderten von Neuronen oder über fMRT-Methoden ergeben. Hierbei handelt es sich beispielsweise um Algorithmen, die in experimentell aufgezeichneten Zeitreihen nach signifikanten raum-zeitlichen Mustern und Aktivitätskonstellationen suchen, unter Berücksichtigung einer Reihe möglicherweise konfundierender Faktoren wie z. B. Nicht-Stationarität in den beobachteten Zeitreihen (z. B. Russo & Durstewitz 2017, eLife). Solche wiederkehrenden Muster oder ‚Motive‘, bei denen sich mehrere Neurone vorübergehend in spezifischen raum-zeitlichen Konfigurationen ("Zellverbänden") zusammenfinden, werden als mögliche Grundlage des neuronalen Codes diskutiert, d. h. der "Sprache des Gehirns". Sie könnten aber auch wichtige und prädiktive Signaturen für (beginnende) psychiatrische Erkrankungen liefern, die in diagnostischen oder prognostischen Verfahren als Biomarker genutzt werden könnten.