AG Systems Neurophysiology Group

Die Arbeitsgruppe wurde im Rahmen des Bernstein Zentrums für Computational Neuroscience im Jahr 2010 am ZI begründet. Die AG begann, eine bis dahin am ZI nicht existierende in-vivo Elektrophysiologie aufzubauen. Inzwischen bestehen  enge Kollaborationen innerhalb des ZI mit Professor Durstewitz und Dr. Kelsch, sowie mit der University of California in Los Angeles und mit dem Center of Advanced European Studies and Research (CAESAR) in Bonn.

Im Mittelpunkt des Forschungsinteresses stehen höhere Hirnprozesse, die für die Psychiatrie von Relevanz sind. Experimentelle Forschung in diesem Bereich ist aus unserer Sicht nur durch Messungen am Gehirn von lebenden Tieren möglich. Die AG untersucht einzelne Neurone im Cortex und Hippocampus von Ratten und Mäusen, und wir messen Membranpotentiale, Aktionspotentiale und Feldpotentiale. So wird versucht, die Aktivität einzelner Neuronen mit der Gesamtaktivität einer Gehirnregion unter bestimmten Bedingungen in Beziehung zu setzen. Beispielsweise wird der Informationsfluss zwischen Neocortex, Entorhinalem Cortex und Hippocampus auf elektrophysiologischer und anatomischer Ebene untersucht undpharmakologisch beeinflusst.. Die Mechanismen dieser Aktivität spielen eine zentrale Rolle bei der Gedächtnisbildung bzw. beim Vergessen und versprechen somit Anknüpfungspunkte für psychiatrisch relevante therapeutische Beeinflussung. Daneben forscht die AG nach elektrophysiologischen Korrelaten für Auffälligkeiten beispielsweise in genetischen Tiermodellen für psychiatrische Erkrankungen.

Wir gehen davon aus, dass zum Verständnis komplexer Hirnfunktion und für gezielte in-vivo Experimente ein (Computer-)modellbasiertes Verständnis enorm hilfreich, wenn nicht gar  oft unerlässlich - ist. Daher arbeitet die AG eng mit Professor Durstewitz und seinen Mitarbeitern zusammen. Das Ziel ist es, aus an der Biologie orientierten Computermodellen bestimmter neuronaler Netzwerke Vorhersagen abzuleiten und diese experimentell zu testen, in der Absicht so zu einem streng mechanistischen Verständnis des Netzwerks zu gelangen.