Hintergrund:

Das menschliche Gehirn, ein unglaublich komplexes biologisches System, das aus Milliarden von Neuronen und Billionen von Synapsen besteht, besitzt bemerkenswerte Fähigkeiten zur Informationsverarbeitung und komplexer Rechenleistung. Neuronen, die grundlegenden Bausteine des Gehirns, führen elementare Rechenoperationen durch, um im Verbund durch enge Zudammenarbeit, hochkomplexe Berechnungen auszuführen, welche kognitive Funktionen und Verhalten hervorrufen. Besonders die verbreitete Informationsverarbeitung im Gehirn stützt sich stark auf rhythmische neuronale Aktivitäten, die durch synchronisierte Oszillationen bei bestimmten Frequenzen charakterisiert sind. Diese Oszillationen spielen eine entscheidende Rolle bei der Koordinierung der Gehirnaktivität, da sie die Kommunikation zwischen verschiedenen neuralen Schaltkreisen [1] erleichtern, indem sie effektiv als zeitliches Fenster wirken,welches einen effizienten Informationsaustausch innerhalb spezifischer Frequenzbereiche ermöglichen. Um die distribuierte Informationsverarbeitung in neuronalen Systemen genauer zu verstehen, kann es hilfreich sein, sie in ihre Bestandteile, nämlich Informationsübertragung, Speicherung und Modifikation, aufzuschlüsseln. Dies erfordert jeweils präzise mathematische Definitionen [2]. Die Informationstheorie bietet sich zur Messung der Informationsverarbeitung an, da sie eine mathematisch vollständige Beschreibung des Konzepts von Information und Kommunikation bietet. Die fundamentalen informationsverarbeitenden Rechenperationen gelten als wesentliche Voraussetzung für die universelle Informationsverarbeitung in jedem System [3]. Durch Quantifizierung und Analyse dieser fundamentalen Rechenperationen gewinnen wir wertvolle Einblicke in die höhere komplexe Berechnungen des Gehirns sowie daraus resultierende kognitive Fähigkeiten. Da die Informationsverarbeitung im Gehirn eng mit rhythmischer Aktivität verbunden ist, besteht die Notwendigkeit, eine Verbindung zwischen informations theoretischen Maße und Frequenzkomponenten herzustellen. Bisherige Versuche, frequenzauflösende informationstheoretische Maße zu erzielen, haben sich größtenteils auf Schmalbandfilterung [4] gestützt, die mit mehreren bekannten Problemen wie Phasenverschiebung und häufigen falsch positiven Ergebnissen [5] verbunden ist, oder auf einer Vereinfachung der Berechnung auf wenige Variablen beruht [6], was zur Versäumnis wichtiger Informationen der analysierten Gehirnsignalen führen kann. Daher zielt die vorliegende Arbeit darauf ab, ein frequenzauflösendes Maß für zwei entscheidende Bestandteile der Informationsverarbeitung zu etablieren: die Informationsübertragung und die Informationsspeicherung. Durch die Entwicklung neuer Methoden soll diese Forschungsarbeit dazu beitragen, die Rolle neuronaler Schwingungen für die Informationsverarbeitung des Gehirns besser zu verstehen. Darüber hinaus wurde eine umfassende Untersuchung durchgeführt, welche die Kommunikation zwischen zwei für die Inhibition von Bewegung wichtigen frontalen Hirnregionen, nämlich dem rechten inferioralen frontalen Gyrus (rIFG) und dem prä-supplementären motorischen Kortex (pre-SMA). Hier wurde postuliert, dass neuronale Oszillationen im Beta-Band (12 - 30 Hz) eine entscheidende Rolle bei der Reaktionshemmung spielen. Eine langjährige Frage in diesem Bereich war es, zu klären, welche dieser beiden Hirnregionen den Hemmungsprozess zuerst signalisiert und die andere damit beeinflusst [7]. Darüber hinaus wurde bereits vermutet, dass Beta-Schwingungen die Informationsübertragung zwischen diesen Regionen tragen. Die vorliegende Arbeit befasst sich mit neuer methodischer Entwicklung und Anwendung von spektraler Informationsverarbeitung in neuronalen Daten in drei Studien. Studie 1 konzentriert sich auf die wichtige Rolle der Informationsübertragung, gemessen durch Transferentropie, in verteilter Rechenaktivität im Gehirn. Die Muster der Informationsübertragung zu verstehen ist entscheidend, um die Rechenalgorithmen in komplexen Systemen wie dem Gehirn zu entschlüsseln. Da viele natürliche Systeme auf rhythmischen Prozessen verteilter Berechnungen basieren, ist ein frequenzauflösendes Maß der Informationsübertragung äußerst wertvoll. Deshalb wird hier ein neuartiger Algorithmus vorgestellt, der Frequenzen identifiziert, die für das Senden und Empfangen von Informationen in einem Netzwerk verantwortlich sind. Der Ansatz nutzt die umkehrbare Maximum-Overlap-Diskrete-Wavelet- Transformation (MODWT), um Ersatzdaten zur Berechnung der Transferentropie zu erstellen und Probleme im Zusammenhang mit Phasenverschiebungen und Filterung zu eliminieren. Die Messung der frequenzauflösenden Informationsübertragung stellt jedoch ein Problem der partiellen Informationszerlegung dar [8], das noch nicht vollständig gelöst ist. Die Leistung des Algorithmus wird anhand von simulierten Daten validiert und auf menschliche Magnetoenzephalographie (MEG) Messdanten owie lokale Feldpotentiale (LFP) des Frettchens angewendet. Bei menschlichen MEG Messungen zeigt die Studie eine komplexe spektrale Konfiguration der kortikalen Informationsübertragung, die einen Informationsfluss sehr hoher Frequenzen (über 100 Hz) zu ähnlich hohen Frequenzen als auch Frequenzen um 20 Hz im Temporallapen zeigt. Entgegen der bisherigen Annahme legen die Ergebnisse nahe, dass niedrige Frequenzen nicht ausschließlich Informationen an hohe Frequenzen senden. Im LFP des Frettchens übertragt der präfrontale Kortex Informationen im niedrigen Frequenzbereich, insbesondere Frequenzen von 4 − 8 Hz. Auf der Empfängerseite zeigt der primäre visuelle Kortex V1 eine Präferenz für sehr hohe Frequenzen > 125 Hz. Die spektral aufgelöste Informationstransfer ermöglicht, unser Verständnis für rhythmischen Informationsaustausch in natürlichen Systemen zu vertiefen so Recheneigenschaften von Oszillationen kognitiver Funktionen besser zu verstehen. In Studie 2 lag der Schwerpunkt auf dem zweiten grundlegenden Aspekt der Informationsverarbeitung: der aktiven Informationsspeicherung (AIS). Die AIS schätzt ab, wie viel Information eines Prozesses folgender Messzeitpunkte basierend auf vergangenen Messzeitpunkten vorhergesagt werden kann. Bei Prozessen, die entweder wenig Information erzeugen (geringe Entropie) oder die hoch unvorhersagbar sind, ist die AIS niedrig, während Prozesse, die vorhersagbar sind, aber viele verschiedene Zustände mit gleichen Wahrscheinlichkeiten haben, eine hohe AIS aufweisen [9]. In diesem Zusammenhang haben wir eine neuartige spektral aufgelöste AIS eingeführt. Durch die Nutzung intrakortikaler Aufzeichnungen neuronaler Aktivität bei narkotisierten Frettchen vor und nach dem Verlust des Bewusstseins (loss of consciousness, LOC) zeigt die Studie, dass die Modulation der AIS durch Anästhesie in verschiedenen Frequenzbändern, kortikalen Schichten und Hirnregionen hoch spezifisch ist. Die Ergebnisse zeigen, dass die Auswirkungen der Anästhesie auf die AIS in den supragranulären Schichten im hohen und niedrigen Gamma-Band ausgeprägt sind, während das Alpha/Beta-Band die stärkste Abnahme der AIS in den infragranulären Schichten zeigt, was in Übereinstimmung mit der Theorie der prädiktiven Kodierung (predictive coding) ist. Zusätzlich beeinflusst Isofluran die lokale Informationsverarbeitung in spezifischer Weise in Abhängigkeit von der Frequenz. Zum Beispiel führen steigende Isofluran-Konzentrationen zu einer Abnahme der AIS in der Alpha-Frequenz, aber zu einer Zunahme der AIS im Bereich der Delta-Frequenz (< 2 Hz). Insgesamt bietet die Analyse der spektral aufgelösten AIS wertvolle Einblicke in Veränderungen der kortikalen Informationsverarbeitung unter Anästhesie. In Studie 3 haben wir die entscheidende Rolle neuronaler Schwingungen bei der Informationsverarbeitung vertieft, indem wir die neuronalen Netzwerkmechanismen der Reaktionshemmung untersucht haben. Eine langanhaltende Debatte drehte sich darum, den kortikalen Initiator der Reaktionshemmung im Beta-Band zu identifizieren, wobei zwei Hauptregionen vorgeschlagen wurden: das rechte rIFG und der prä-SMA. Diese dritte Studie zielte darauf ab, zu bestimmen, welche dieser Regionen zuerst aktiviert wird und eine potenzielle Informationsübertragung auf die andere Region ausübt. Unter Verwendung von hochauflösender Magnetoenzephalographie (MEG) und einer relativ großen Kohorte von Probanden wurde ein signifikanter Durchbruch erzielt, indem gezeigt wurde, dass das rIFG signifikant früher aktiviert wird als das prä-SMA. Der Beginn der Beta-Band-Aktivität im rIFG erfolgte etwa 140 ms nach dem STOP-Signal. Weitere Analysen zeigten, dass die Beta-Band-Aktivität im rIFG entscheidend für erfolgreiche Verhaltensinhibierung war, wie durch vorhersagbare Inhibitionsperformanz belegt wird. Die Konnektivitätsanalyse enthüllte, dass der rIFG Informationen im Beta-Band an die prä-SMA sendet, aber nicht umgekehrt, was die Dominanz des rIFG im Prozess der Reaktionshemmung betont. Die Ergebnisse unterstützen stark die Hypothese, dass der rIFG die Inhibition initiiert und Beta-Oszillationen zu diesem Zweck nutzt. Diese Erkenntnisse bieten neue Indikation Interventionen zur räumlich lokalen Manipulation von Oszillationen zur Beeinflussung der Reaktionshemmung.

Zusammenfassung:

Zusammenfassend führt die vorliegende Arbeit einen neuartigen Algorithmus ein, der Frequenzen aufzeigt, welche Informationen zwischen Quellen und Zielen im Gehirn übertragen. Dies bietet wertvolle Einblicke in die Berechnungsdynamik neuronaler Prozesse. Die spektral aufgelöste Informationstransfer wurde erfolgreich auf experimentelle neuronale Daten intrakranialer Aufzeichnungen bei Frettchen und MEG-Aufzeichnungen von Menschen angewendet. Darüber hinaus enthüllte die Untersuchung der Analyse der aktiven Informationsspeicherung (AIS) unter Anästhesie, dass die spektral aufgelöste AIS einzigartige zusätzliche Einblicke jenseits der traditionellen spektralen Power Spektral Analyse bietet. Durch die Untersuchung von Veränderungen in der neuronalen Informationsverarbeitung zeigt die Studie, wie die AIS-Analyse das Verständnis der Auswirkungen von Anästhesie auf die kortikale Informationsverarbeitung vertiefen kann. Darüber hinaus bieten die Ergebnisse der dritten Studie starke Beweise für die entscheidende Rolle von Beta-Oszillationen in der Informationsverarbeitung, insbesondere für die Reaktionshemmung. Die Forschung zeigt erfolgreich, dass Beta-Oszillationen im rIFG als Schlüsselinitiator des Prozesses der Reaktionshemmung fungieren und als top-down Kontrollmechanismus agieren. Die Identifizierung von Beta-Oszillationen als entscheidender Faktor in der Informationsverarbeitung eröffnet Möglichkeiten für weitere Forschung und gezielte Interventionen bei neurologischen Störungen. Insgesamt hebt die vorliegende Arbeit die Rolle der spektral aufgelösten Informationsverarbeitung in neuronalen Systemen hervor, indem sie nicht nur neuartige Algorithmen einführt, sondern diese auch erfolgreich auf experimentelle oszillatorische neuronale Aktivität in Bezug auf niedrigere kortikale Informationsverarbeitung (Anästhesie) sowie höhere Prozesse (kognitive Reaktionshemmung) anwendet.