Cortico-striatale Netzwerkdynamiken während Pawlowscher Konditionierung von Markov Ketten

• Antragsteller: Professor Dr. Wolfgang Kelsch; Dr. Jonathan Reinwald
• Fachliche Zuordnung: Experimentelle und theoretische Netzwerk-Neurowissenschaften ; Kognitive, systemische und Verhaltensneurobiologie
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 544257695

Unter natürlichen Bedingungen gehen einem Ziel häufig aufeinanderfolgende Stimuli voraus, die jeweils die Wahrscheinlichkeit des Eintretens folgender Stimuli signalisieren. Um genaue Vorhersagen entlang solcher Ketten aufeinanderfolgender Stimuli zu machen, ist das Lernen von Vorhersagen höherer Ordnung von entscheidender Bedeutung. Markov-Ketten mit definierten Übergangswahrscheinlichkeiten aufeinanderfolgender Zustände stellen eine formale Beschreibung solch realer Prozesse dar. Es wird davon ausgegangen, dass Vorhersagen durch die Interaktion zwischen kortikalen und mesolimbischen Regionen generiert werden. In diesem Projekt wollen wir besser verstehen, wie kortikale und mesolimbische Schaltkreise zusammenwirken, um Vorhersagen in Markov-Ketten zu erzeugen. Solche neuronalen Interaktionen wurden bisher nur in wenigen Fällen während Pawlowschen Lernens von Stimulussequenzen erforscht. In Vorarbeiten haben wir hierzu eine Pawlowsche Markov-Kette in Mäusen etabliert, um die neuronalen Mechanismen mittels fMRT und Multi-site-Single-unit-Aufnahmen zu untersuchen. Wir schlagen vor, zunächst während des Lernens die Entwicklung von Interaktionen zwischen ventralen striatalen Subregionen und Dopaminneuronen zur Kodierung von Vorhersage- und Fehlersignalen zu untersuchen und deren Einfluss dann kausal durch subpopulationsselektives Silencing zu testen. Es wird davon ausgegangen, dass diese Subareale ihrerseits Prädiktionssignale unter Mitwirkung höherer Kortizes produzieren. Die intrakortikalen Interaktionen und spezifischen Einflüsse auf die ventrale striatale Kodierung sind jedoch noch nicht vollständig geklärt. Um dies zu untersuchen, werden wir simultan mehrere kortikale Regionen ableiten, die wir kürzlich während der Konditionierung Pawlowscher Markov-Ketten mit fMRI identifiziert haben. Auf der Grundlage der Rekonstruktion dieser interregionalen Interaktionen werden wir kausal mittels projektions- und stimulusselektivem Silencing testen, welche kortikalen Informationen in striatale Subnetzwerke eingespeist werden. Wichtig ist, dass bei solchen Markov-Kettenprozessen erster Ordnung die Übergangswahrscheinlichkeiten zwischen Stimuli unabhängig von Übergängen vorausgehender Stimuli sind. In vielen realen Szenarien hängt die Wahrscheinlichkeit künftiger Ergebnisse jedoch vom Auftreten vorheriger Stimuli ab. Markov-Ketten höherer Ordnung modellieren letzteres Szenario. Wir werden daher verschiedene Markov-Ketten vergleichen, um zu untersuchen, inwieweit die oben dargestellten Prozesse verallgemeinert werden können. Dieses Projekt soll zu einem besseren Verständnis der grundlegenden neuronalen Kodierungsmechanismen des Assoziationslernens höherer Ordnung als Basis der Generierung komplexer Vorhersagen beitragen. Dabei sollen mechanistische Erkenntnisse grundlegender Prozesse aufgeklärt werden, die bei Dysfunktion zur Entstehung von Psychosen und Suchtverhalten führen können.

• DFG-Verfahren: Sachbeihilfen