Computational Neurology

Über

Fast jede motorische Handlung resultiert aus der komplexen Interaktion verschiedener Hirnregionen. In den vergangenen Jahrzehnten wurden die Hirnregionen, die in die Generierung von Bewegungen involviert sind intensiv in Tiermodellen, sowie im Menschen untersucht.

Forschungsthemen

Neuere theoretische Ansätze erlauben es uns, Informationen über die Interaktionen zwischen diesen Hirnregionen aus durch Elektro-enzephalografie (EEG) und funktioneller Magnetresonanztomografie (fMRT) gewonnenen Daten zu extrahieren. Dadurch geben sie uns erste Einblicke in die Art und Weise, wie sich die oben genannten Hirn-regionen abhängig von der motorischen Aufgabe zu funktionalen Netzwerken zusammenschliessen. Ebenso deuten experimentelle und klinische Studien darauf hin, dass bestimmte neuromodulatorische Systeme, wie z.B. das dopaminerge System, für die motorische Kontrolle von besonderer Bedeutung sind. Unser Wissen über die neuronalen Mechanismen, die der Kodierung individueller Bewegungen zu Grunde liegen und wie diese Mechanismen im Falle eines Schlaganfalls gestört werden, ist hingegen relativ gering.

Ziel dieser Arbeitsgruppe ist es, basierend auf Ableitungen individueller Hirnaktivität (EEG und fMRT), mathematische Netzwerkmodelle zu erstellen, um mit deren Hilfe die neuronale Dynamik, die motorischem Verhalten im gesunden und pathologischen Fall zu Grunde liegt, zu beschreiben und zu verstehen. Mit Hilfe von Simulationen komplexer oszillatorischer Netzwerke und durch Analysen der Modelle können wir Hypothesen darüber aufstellen, wie dysfunktionale Netzwerkdynamik, und damit motorische Defizite, die im pathologischen Fall auftreten, wieder in den gesunden Zustand überführt werden können. Solche Informationen sind für die Entwicklung neuer Behandlungsstrategien zur Wiederherstellung zerstörter Netzwerkaktivität kritisch.

Kontakt

Prof. Dr. Silvia Daun

INM-3

Gebäude 05.7 / Raum 3009

+49 2461/61-8638

E-Mail

Computational Neurology

Mitarbeitende

Ausgewählte Publikationen

Letzte Änderung: 18.11.2022