Die Grenzen der Komplexität im Verhalten von Ratten: innovative experimentelle Verhaltensforschung mittels Reinforcement Learning und Informationstheorie

• Antragsteller: Dr. Johannes Niediek
• Fachliche Zuordnung: Kognitive, systemische und Verhaltensneurobiologie ; Bioinformatik und Theoretische Biologie
• Förderung: Förderung von 2020 bis 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 442068558

Die neuronalen Prozesse zu verstehen, welche die ganze Bandbreite des komplexen Verhaltens von Tieren und Menschen ermöglichen, ist ein Hauptziel der Neurowissenschaften. Im Labor unterliegt das Verhalten von Tieren jedoch üblicherweise starken Einschränkungen. Zum Beispiel können Ratten in vielen Experimenten entweder einen Hebel betätigen oder nicht, oder zwischen zwei verfügbaren Hebeln auswählen – und sonst nichts. Ein wesentlicher Grund für diese drastischen Verhaltenseinschränkungen ist ein Mangel an Methoden für die Planung, Modellierung und Analyse von Verhaltensexperimenten ohne solche Verhaltenseinschränkungen.Das Ziel dieses Projekts ist, Methoden aus der Theorie des Reinforcement Learninig anzupassen, um damit das Verhalten von in ihrem Verhalten nicht oder kaum eingeschränkten Ratten zu modellieren und zu analysieren. Ich möchte dann diese neuen Methoden auf neuartige Verhaltensexperimente anwenden.Jeder Versuch, Tierverhalten realistisch zu modellieren, sollte berücksichtigen, dass die neuronalen Ressourcen von Tieren beschränkt sind. Zum Beispiel mag eine Ratte unfähig sein, exakt den kürzesten Weg zu einer entfernten Futterquelle zu erinnern (dies wäre optimales Verhalten mit unbeschränkten neuronalen Ressourcen), sie mag aber sehr wohl in der Lage sein, einen anderen, etwas längeren Weg zu dieser Futterquelle zu finden (optimales Verhalten mit beschränkten neuronalen Ressourcen). Ich verbinde die mathematische Theorie des Reinforcment Learning mit dem Konzept der beschränkten Information aus der Informationstheorie, um das Verhalten von Tieren mit einer vorgegebenen, begrenzten Menge neuronaler Ressourcen zu modellieren. Desweiteren schlage ich eine neue Klasse von Verhaltensexperimenten vor, in denen Ratten dazu ermuntert werden, die Komplexität ihres Verhaltens im Laufe der Zeit zu erhöhen. Die Schwierigkeit dieser adaptiven Aufgaben steigt automatisch, wenn die Ratte erfolgreich ist, und sinkt andernfalls.Die hier vorgeschlagenen Methoden zur Modellierung ermöglichen es, bei vorgegebenen neuronalen Ressourcen zu antizipieren, wie Ratten sich verhalten, wenn sie (beinah) ohne Verhaltenseinschränkungen mit einer bestimmten Aufgabe konfrontiert sind. Die hier vorgestellten adaptiven Verhaltensparadigmen werde ich mit echten Ratten durchführen, um zu untersuchen, wo die Grenze der Komplexität des Verhaltens bei Ratten verläuft, und welche Verhaltenskomplexität Ratten bevorzugen. Schließlich werde ich die Aktivität von auditorischen Neuronen während des Verhaltens analysieren, um neuronale Korrelate von Verhaltenskomplexität und Aufgabenschwierigkeit zu finden.

• DFG-Verfahren: Forschungsstipendien
• Internationaler Bezug: Israel
• Gastgeber: Professor Israel Nelken, Ph.D.