Das WIN-Kolleg | 253

3. Bildgebende Darstellung der Populationsaktivität im Bulbus olfactonus
Stimulation mit monomolekularen Geruchstoffen ruft auf Ebene des Bulbus olfac-
torius geruchstoffspezifische dynamische Muster elektrischer Aktivität hervor, die
mit spannungsabhängigen Farbstoffen dargestellt werden können (Spors und Grin-
vald, 2002). Um diese Muster auf der Eingangsebene des Bulbus olfactonus zu
untersuchen, haben wir die olfaktorischen Rezeptorneurone über die Nase mit
einem kalziumsensitiven Farbstoff (Calcium Green Dextran) angefärbt. In frei
atmenden und künstlich beatmeten narkotisierten Mäusen haben wir so die raum-
zeitlichen Aktivierungsmuster bestimmt (Abb. 2). Unterschiedliche Glomeruli des-
selben Tieres antworteten mit verschiedener Latenz, Anstiegszeit, Modulation durch
die Atmung und Abklingzeit. Die zeitlichen Antworteigenschaften individueller Glo-
meruli waren bestimmt durch die funktionell-anatomische Identität der Glomeruli,
die Art des Geruchstoffs, die Geruchstoffkonzentration, die Atemfrequenz und die
Flussrate. Der Wechsel von natürlicher zu künstlicher Atmung veränderte das Aus-
maß der Atemmodulation des Signals, während Unterschiede der Latenz, der
Anstiegszeit und der Amplitude über Glomeruli und Geruchstoffe erhalten blieben.
Dies bedeutet, dass die räumlichen Aktivierungsmuster sich während einer Stimulus-
präsentation in geruchstoffspezifischer Weise verändern. Die raum-zeitliche Dyna-
mik der Aktivierungsmuster muss daher in Modellen der Geruchstoffrepräsentation
und -kodierung berücksichtigt werden.
4. Mathematische Modellierung und Analyse
Aufbauend auf Messungen biologischer Signale ist eines der vorrangigen Projektziele,
grundlegende Zusammenhänge herauszukristallisieren und quantitativ mit mathe-
matischen Methoden beschreiben und verstehen zu können. Die Interpretation der
oben dargestellten komplexen raumzeitlichen Muster erfolgt durch Modellierung
der Dynamik der Geruchstoffantwort auf makroskopischer Ebene und Zerlegung
des Signals in einfache Komponenten. Hierzu wurden verschiedene Verfahren der
Hauptkomponenten-Analyse {Principal Component Analysis, PCA) und Unabhängi-
gen Komponenten Analyse {Independent Component Analysis, ICA) verwendet. Beide
Verfahren erlauben die Zerlegung der raum-zeitlichen Muster in räumliche Moden
und deren Zeitserien. Bei der PCA können die Moden aufgrund ihrer Orthogona-
lität direkt nach ihrem Beitrag zum Gesamtsignal klassifiziert und dadurch zur
Dimensionsreduktion eingesetzt werden. Die ICA dient der Trennung statistisch
unabhängiger additiver Beiträge verschiedener biologischer funktioneller Einheiten
(Signalquellen). Gleichzeitig aktivierte funktionelle Module (Glomeruli) können
bestimmt und fast vollständig von einander getrennt werden (Abb. 2). Additiv zum
Signal auftretenden Artefakte (z. B. Herzschlagartefakt) können identifiziert und
abgezogen werden.
Um Voraussagen über mögliche Auswirkungen der durch viralen Gentransfer
bedingten molekularen Veränderungen treffen zu können, haben wir begonnen,
kleine neuronale Netzwerke zu modellieren. In einem Netzwerkmodell des Bulbus