Bernstein Netzwerk Computational Neuroscience
  • Home
  • Netzwerk
    • Das Bernstein Netzwerk
    • Bernstein Zentren
      • Berlin
      • Freiburg
      • Göttingen
      • München
      • Tübingen
      • Heidelberg-Mannheim
    • Bernstein Nodes
      • Bernstein Node Bochum
      • Bernstein Node Rhein-Main Region
    • Forschungsinfrastruktur
      • High Performance Simulation and Data Analysis
      • Forschungsdaten-Management
      • Wissenschaftskommunikation
      • Wissenschaftskoordination
    • Preise und Initiativen
      • Valentin Braitenberg Award
      • Brains for Brains Nachwuchspreis
      • Bernstein SmartSteps
    • Gremien des Netzwerks
    • Ethos des Netzwerks
    • Satzung
    • Mitgliedschaft
    • Historie
    • Spenden
    • Kontakt
  • Newsroom
    • Newsroom
    • Aktuelles
    • Veranstaltungen
    • Ausschreibungen
    • Medienecho
    • Publikationen des Netzwerks
    • Bernstein Bulletin
    • Presse
  • Forschung und Lehre
    • Forschung und Lehre
    • Meet the Scientist
    • Wissenschaftler:innen finden
    • Studienprogramme
      • Masterprogramme
      • Promotionsprogramme
    • Studienangebote
      • Bernstein Student Workshop Series
      • Online Learning
      • Kurse für Fortgeschrittene
      • Praktika und Abschlussarbeiten
      • Podcasts
  • Karriere
    • Karriere
    • Stellenangebote
    • Praktika und Abschlussarbeiten
  • Bernstein Conference
    • Bernstein Conference
    • Registration
    • Program
      • Satellite Workshops
      • Conference Dinner
    • Abstract Submission
    • Early Career Scientists
      • PhD Symposium
      • Postdoc Meeting
      • Travel grants
    • General Information
      • Important Dates & FAQ
      • Plan Your Visit
      • Code of Conduct
      • Data Policy
    • Past Bernstein Conferences
  • DE
  • EN
  • Click to open the search input field Click to open the search input field Suche
  • Menü Menü
Sie sind hier: Startseite1 / Newsroom2 / Aktuelles3 / Arbeitsteilung im Fliegengehirn
Martinsried – 2. Oktober 2023

Arbeitsteilung im Fliegengehirn

Das Erkennen von Bewegungen bedeutet für das Gehirn eine enorme Rechenleistung. Eine neue Studie aus Alexander Borsts Abteilung am Max-Planck-Institut für biologische Intelligenz zeigt nun, wie das Fliegengehirn diese Aufgabe meistert: Indem es eine neuronale Berechnung auf drei Netzwerk-Ebenen durchführt, wird der Rechenaufwand auf mehrere Schritte verteilt. Damit entschlüsseln die Forschenden erstmals ein Netzwerk von Nervenzellen, bei dem ein Zelltyp die gleiche Berechnung auf allen Ebenen des Netzwerks ausführt. Durch diese Aufteilung kann die Fliege zuverlässig unterschiedliche Bewegungsmuster erkennen – die Voraussetzung, um nicht vom Weg abzukommen.

Beim Bewegungssehen werden bestimmte Nervenzellen von Bewegungen in eine Richtung aktiviert, von Bewegungen in die entgegengesetzte Richtung gehemmt. Die zugrunde liegende Berechnung wird im Fliegengehirn auf allen drei Netzwerk-Ebenen durchgeführt. Abbildung: MPI für biologische Intelligenz / Julia Kuhl

Beteiligte Bernstein Mitglieder: Etienne Serbe-Kamp

Fruchtfliegen sind Meister im Erkennen von Bewegungen und das müssen sie auch sein: Schon ein leichter Windstoß kann so eine kleine Fliege aus der Flugbahn werfen. Um Kurs zu halten, orientieren sich die Fliegen am optischen Fluss. Das sind die Bewegungsmuster, die auf der Netzhaut einer Fliege entstehen, wenn sie sich bewegt. Abhängig von der Bewegungsrichtung unterscheiden sich diese Muster und geben der Fliege Aufschluss darüber, ob sie geradeaus fliegt oder sich um eine bestimmte Achse gedreht hat.

Die Abteilung von Alexander Borst untersucht, wie das Bewegungssehen im Fliegengehirn auf der Ebene kleiner Schaltkreise funktioniert. Dabei spielt der ‚Bewegungs-Antagonismus‘ eine entscheidende Rolle. Bestimmte Nervenzellen werden von Bewegungen in eine Richtung aktiviert, von Bewegungen in die entgegengesetzte Richtung gehemmt. 2015 gelang den Forscher*innen dazu ein wissenschaftlicher Durchbruch: Sie entdeckten die zelluläre Grundlage für dieses Phänomen – die sogenannten LPi-Zellen.

Seitdem lässt sich das neuronale Netzwerk des Bewegungssehen in drei Ebenen unterteilen. Als erste richtungsselektiven Zellen analysieren T4/T5-Zellen (erste Ebene) einen kleinen Bildausschnitt. Sie geben ihre Informationen an LPi-Zellen (zweite Ebene) und Ausgangszellen (dritte Ebene) weiter. LPi-Zellen hemmen Ausgangszellen, die auf gegensätzliche Richtungen reagieren und sind somit für deren Bewegungs-Antagonismus verantwortlich. Dieser verhindert, dass Ausgangszellen durch unspezifische Signale aktiviert werden. Die Ausgangszellen bündeln die Signale vieler T4/T5-Zellen und erhalten so Informationen über einen großen Bildbereich. Ergeben ihre Berechnungen, dass die Fliege vom Weg abgekommen ist, wird eine Kurskorrektur eingeleitet.

Durch Zufall konnten die Forschenden dem Wissen über das Netzwerk neue Details hinzufügen. Georg Ammer, Erstautor der Studie, testete neues Elektrophysiologie-Equipment. Als ‚Testobjekte‘ entschied er sich für LPi-Zellen und war plötzlich mit völlig unerwarteten Messergebnissen konfrontiert. Um der Sache auf den Grund zu gehen, kombinierten der Neurobiologe und seine Kolleg*innen verschiedene experimentelle Methoden, einschließlich spannungs-abhängiger Farbstoffe und der Analyse von Konnektom-Datensätzen. Sie stellten fest, dass LPi-Zellen ihre hemmende Funktion auf allen Ebenen des Netzwerks ausüben. Sie inhibieren nicht nur Ausgangszellen mit gegensätzlicher Vorzugsrichtung, sondern auch T4/T5-Zellen und andere LPi-Zellen. „Dieses Ergebnis hat uns sehr überrascht“, berichtet Georg Ammer. „Wir kannten bis zu dem Zeitpunkt kein Netzwerk, bei dem die gleiche neuronale Berechnung auf jeder Ebene durchgeführt wird – und dann auch noch vom gleichen Zelltyp.“

Dabei wirkten die LPi-Zellen zunächst eher unscheinbar. Sie stellen innerhalb des Netzwerkes nur etwa 5-10% aller Synapsen. Elektrophysiologie-Experimente konnten jedoch zeigen, dass es diese hemmenden Synapsen in sich haben: Sie sind in etwa zehn- bis 20-mal stärker als aktivierende Synapsen und somit trotz ihrer Unterzahl in der Lage, ähnlich große Spannungsänderungen hervorzurufen.

Doch warum findet die gleiche Berechnung auf drei Stellen verteilt und nicht nur einmal am Ende statt? Was zunächst eher umständlich klingt, konnten die Forschenden unter anderem mit Computermodellen erklären. Indem lokale Störsignale bereits auf den ersten beiden Ebenen herausgefiltert werden, werden Ausgangszellen nicht mit Unwichtigem überladen und bleiben für relevante Informationen ansprechbar. So können sie selbst unter schwierigen Bedingungen Bewegungsmuster höchstsensitiv voneinander unterscheiden.

Die Hemmung zwischen zwei gegensätzlich geschalteten Kanälen, wie beim Bewegungs-Antagonismus, ist ein universeller Baustein neuronaler Netzwerke. „Es könnte gut sein, dass auch in anderen Spezies und verschiedensten Hirnregionen die gleiche Berechnung auf mehrere Ebenen verteilt wird, dieses Prinzip also auch dort große funktionelle Bedeutung hat“, erklärt Alexander Borst. Schwierige Arbeitsaufgaben in kleinere Häppchen aufzuteilen ist somit nicht nur in unserem Alltag eine hilfreiche Strategie – auch Nervenzellen profitieren von diesem Vorgehen.

Weiterführende Verlinkungen

Originale Pressemitteilung

> mehr

Wissenschaftliche Publikation

> mehr

Arbeitsteilung im Fliegengehirn

9. Oktober 2023/in /von Alexander Lammers

Kontakt Aktuelles

Kontakt

Dr. Georg Ammer

Max-Planck-Institut für biologische Intelligenz

georg.ammer@bi.mpg.de

Prof. Dr. Alexander Borst

Max-Planck-Institut für biologische Intelligenz

alexander.borst@bi.mpg.de

Bernstein Netzwerk Computational Neuroscience Logo

Mitglied werden
Satzung
Spenden
Newsletter abonnieren

 

Folgen Sie uns auf

LinkedIn
Bluesky
Vimeo
X
© 2025 Bernstein Netzwerk Computational Neuroscience
  • Kontakt
  • Impressum
  • Datenschutz
Nach oben scrollen Nach oben scrollen Nach oben scrollen
Cookie-Zustimmung verwalten
Wir verwenden Cookies, um unsere Website und unseren Service zu optimieren.
Funktional Immer aktiv
Der Zugriff oder die technische Speicherung ist unbedingt für den rechtmäßigen Zweck erforderlich, um die Nutzung eines bestimmten Dienstes zu ermöglichen, der vom Abonnenten oder Nutzer ausdrücklich angefordert wurde, oder für den alleinigen Zweck der Übertragung einer Nachricht über ein elektronisches Kommunikationsnetz.
Vorlieben
Die technische Speicherung oder der Zugriff ist für den rechtmäßigen Zweck der Speicherung von Voreinstellungen erforderlich, die nicht vom Abonnenten oder Nutzer beantragt wurden.
Statistiken
Die technische Speicherung oder der Zugriff, der ausschließlich zu statistischen Zwecken erfolgt. Die technische Speicherung oder der Zugriff, der ausschließlich zu anonymen statistischen Zwecken verwendet wird. Ohne eine Aufforderung, die freiwillige Zustimmung Ihres Internetdienstanbieters oder zusätzliche Aufzeichnungen von Dritten können die zu diesem Zweck gespeicherten oder abgerufenen Informationen allein in der Regel nicht zu Ihrer Identifizierung verwendet werden.
Marketing
Die technische Speicherung oder der Zugriff ist erforderlich, um Nutzerprofile zu erstellen, um Werbung zu versenden oder um den Nutzer auf einer Website oder über mehrere Websites hinweg zu ähnlichen Marketingzwecken zu verfolgen.
Optionen verwalten Dienste verwalten Verwalten Sie {vendor_count} Lieferanten Lesen Sie mehr über diese Zwecke
Einstellungen
{title} {title} {title}