Das WIN-Kolleg | 243

2. Darstellung der neuronalen Aktivität in vivo mit bildgebenden und
elektrophysiologischen Verfahren (Teilbereich Hartwig Spors)
Um die physiologischen Effekte der molekularen Veränderungen zu verstehen und
so Modelle der Geruchsunterscheidung zu erstellen, ist es unumgänglich, die phy-
siologische Aktivität in vivo zu messen. In einem ersten Schritt ist es notwendig, die
Aktivitätsmuster während der Geruchsstimulation in Wildtyptieren möglichst genau
zu beschreiben. Die wichtigsten Ergebnisse hierzu sind im Folgenden kurz zusam-
mengefasst. Geruchsstoffrepräsentationen in der ersten Verarbeitungsstufe (Bulbus
olfaktorius) sind dynamisch (Spors and Gnnvald, 2002). Sie verändern sich in
geruchsspezifischer Weise bereits während des für die Geruchsunterscheidung
bedeutenden Zeitfensters (Abbildung 1) (Abraham et al., 2004). Diese zeitliche
Dynamik wird nicht erst, wie bisher angenommen, im Netzwerk des Bulbus olfak-
torius generiert, sondern existiert schon auf der Eingangsebene zum Bulbus olfak-
torius, d.h. den Terminalien der Axone der Rezeptorneuronen (Spors et al., 2006).
Für die Untersuchung der Effekte molekularer Veränderungen ist es sehr
wichtig, Aktivierungsmuster zwischen verschiedenen Tieren vergleichen zu können.
Deshalb haben wir untersucht, wie reproduzierbar die zeitlichen Muster im Ver-
gleich zwischen verschiedenen Tieren sind. Für die räumlichen Muster war dies
bereits vorher untersucht worden (Spors unpublished results). Die zeitlichen Ant-
wortprofile waren sowohl auf einer groben räumlichen Skala — verschiedene Regio-
nen des Bulbus olfaktorius als auch auf der feinen Skala individueller Glomeruli
reproduzierbar (Abbildung 2).
Das Projekt der Datenanalyse durch Principal Component Analysis (PCA) und
Independent Component Analysis (ICA) konnte abgeschossen werden. Wir
konnten zeigen, dass bei Dimensionsreduktion der Originaldaten durch PCA und
ICA Detailverluste gering, aber nicht vermeidbar sind. Der überwiegende Teil der
verloren gegangenen Varianz ist allerdings Stimulus unabhängig, d.h. vor allem Arte-
fakte und Rauschen gehen bei der Dimensionsreduktion verloren. Der Vergleich der
ICA Analyse für Netzwerkantworten (spannungsabhängiger Farbstoff) und für Ein-
gangsmuster (Kalziumfarbstoff) zeigt, dass in beiden Fällen sich entsprechende neu-
ronale Untergruppen identifizieren lassen. Dies lässt auch eine weitere Anwendbar-
keit der ICA und PCA beim Vergleich der Antwortmuster von wildtyp und mole-
kular veränderten Mäusen erwarten.
3. Mathematische Modellierung und Analyse (Teilbereich Jens Starke)
Analyse von Netzwerkmodellen
Die Analyse von Netzwerkmodellen erfolgt in Kooperation mit Carmen Ellsässer
(Universität Heidelberg). Es wurde in Zusammenarbeit mit Leo van Hemmen (TU
München) em einfaches Netzwerkmodell, das sogenannte Spike and Response (SR)
Modell verwendet. Das SR Modell ist ein Schwellenwertmodell, d.h. ein einzelnes
Neuron feuert genau dann, wenn sein Membranpotential eine bestimmte Schwelle
überschreitet. Außerdem werden in diesem Modell die Lateraldendriten einer Zelle
nicht räumlich aufgelöst, sondern es werden an ihrer Stelle Delays in den Netz-