Eine optimale Gehirnverarbeitung erfordert ein Gleichgewicht zwischen exzitatorischen und inhibitorischen Neuronen

Es ist bekannt, dass die Fähigkeit des Gehirns, Informationen zu verarbeiten, durch komplizierte Verbindungen zwischen verschiedenen Neuronenpopulationen unterstützt wird. Ein Hauptziel der neurowissenschaftlichen Forschung war es, die Prozesse zu beschreiben, über die diese Verbindungen die Informationsverarbeitung beeinflussen.

Forscher der Universität Padova, des Max -Planck -Instituts für die Physik komplexer Systeme und École Polytechnique Fédérale de Lausanne haben kürzlich eine Studie durchgeführt, die darauf abzielt, den Beitrag von exzitatorischen und inhibitorischen Neuronenpopulationen zur Kodierung des Gehirns zu verstehen. Ihre Ergebnisse, veröffentlicht In Physische Überprüfungsbriefezeigen, dass die Informationsverarbeitung maximiert wird, wenn die Aktivität von exzitatorischen und inhibitorischen Neuronen ausgeglichen ist.

„Unsere Forschung wurde von einer grundlegenden Frage in der Neurowissenschaften inspiriert: Wie formt die Struktur des Gehirns ihre Fähigkeit, Informationen zu verarbeiten?“ Giacomo Barzon, Co-Autor der Zeitung, sagte gegenüber Medical Xpress. „Das Gehirn empfängt und integriert sensorische Inputs kontinuierlich, und Neuronen wirken nicht isoliert – sie sind Teil komplexer, wiederkehrender Netzwerke. Ein besonders faszinierendes Merkmal dieser Netzwerke ist das Gleichgewicht zwischen der Aktivität von exzitatorischen und inhibitorischen Neuronen, die in verschiedenen Gehirnregionen beobachtet wurden.“

Das Hauptziel dieser jüngsten Studie von Barzon und seinen Kollegen bestand darin, festzustellen, ob das Gleichgewicht zwischen exzitatorischen und inhibitorischen Neuronen die neuronale Aktivität mehr als stabilisiert. Insbesondere untersuchte das Team die Möglichkeit, dass dieses Gleichgewicht auch die Informationsverarbeitung optimiert.

„Inspiriert von mehreren experimentellen und theoretischen Befunden, die die Bedeutung des Gleichgewichts zwischen exzitatorischen und inhibitorischen Neuronen hervorheben, analysierten wir ein Modell, das die Wechselwirkungen zwischen diesen beiden Populationen erfasst und untersucht hat-sowohl analytisch als auch numerisch-die Reaktion auf externe Signale“, erklärte Daniel M. buiello, Co-Author des Papiers. „Insbesondere durch die Verwendung von Instrumenten der Informationstheorie haben wir einen grundlegenden Kompromiss enthüllt: Neuronale Netze, die für eine genaue Codierung über lange Zeiträume optimiert wurden, können weniger auf schnelle Änderungen der Eingabe reagieren.“

Mit mathematischen und theoretischen Ansätzen zur Untersuchung der Informationsverarbeitung zeigten die Forscher, dass die Informationsverarbeitung am Rande der Stabilität am effektivsten ist, ein kritischer Zustand, in dem die Aktivität von exzitatorischen und inhibitorischen Neuronen ausgeglichen ist. Ihre Ergebnisse deuten darauf hin, dass die Feinabstimmung dieses Gleichgewichts von Anregungen nicht nur die Aktivität des Gehirns stabilisieren könnte, sondern auch eine entscheidende Rolle bei seiner Fähigkeit spielen könnte, Informationen optimal zu codieren.

„In unserer Studie konnten wir aus einer Informations-theoretischen Perspektive zeigen, dass Wechselwirkungen zwischen Anregung und Hemmung von entscheidender Bedeutung sind, damit die neuronalen Populationen Informationen über zeitvariable externe Signale codieren“, sagte Giorgio Nicoletti, Co-Autor des Papiers. „Dies ist besonders interessant, da das Gleichgewicht zwischen Anregungsinhibition als wichtiger Bestandteil bei der Regulierung der neuronalen Aktivität bekannt ist. Unser Ansatz ermöglicht es uns, einen solchen Effekt in Bezug auf Informationen als physikalische Menge zu quantifizieren.“

Diese jüngste Arbeit von Barzon, Busiello und Nicoletti könnte neue Wege für die Untersuchung der Informationsverarbeitung und deren zugrunde liegenden neuronalen Mechanismen eröffnen. In ihren nächsten Studien planen die Forscher, auf ihren Ergebnissen aufzubauen, wobei der gleiche Ansatz zur Untersuchung komplexerer Strukturen für Gehirnkonnektivität verwendet wird.

„Darüber hinaus ist die Konnektivität in realen neuronalen Netzwerken nicht statisch – sie entwickelt sich im Laufe der Zeit, die sowohl von externen Stimuli als auch durch interne Netzwerkaktivitäten beeinflusst werden“, fügte Barzon hinzu. „Diese dynamische Natur der Konnektivität könnte eine entscheidende Rolle bei der Gestaltung des Verfahrens und der Codierung von Informationen spielen und möglicherweise Einblicke in die Auswirkungen von Lernen und adaptiven Eigenschaften auf Informationen in neuronalen Systemen geben.“

© 2025 Science X Network