Navigation und Service

Computational Neurology

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.

Neuere theoretische Ansätze erlauben es uns, Informationen über die Interaktionen zwischen diesen Hirnregionen aus durch Elektroenzephalografie (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 Hirnregionen 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.

 

computational neurology

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.

 

Ausgewählte Publikationen:

  • Rosjat, N., Wang, B.A., Liu, L., Fink, G.R., & Daun, S. (2020). Stimulus transformation into motor action: Dynamic graph analysis reveals aging effects on brain network communication. Human Brain Mapping, doi: 10.1002/hbm.25313.
  • Viswanathan, S., Abdollahi, R.O., Wang, B.A., Grefkes, C., Fink, G.R., & Daun, S. (2020). A response-locking protocol to boost sensitivity for fMRI-based neurochronometry. Human Brain Mapping, 41(12):3420-3438.
  • Yeldesbay, A. & Daun, S. (2020). Intra- and intersegmental neural network architectures determining rhythmic motor activity in insect locomotion. Communications in Nonlinear Science and Numerical Simulation, 82:105078.
  • Yeldesbay, A., Fink, G.R., & Daun, S. (2019). Reconstruction of effective connectivity in the case of asymmetric phase distributions. Journal of Neuroscience Methods, 31:94–107.
  • Rosjat, N., Liu, L., Wang, B.A., Popovych, S., Toth, T.I., Viswanathan, S., Grefkes, C., Fink, G.R., & Daun, S. (2018). Aging-associated changes of movement-related functional connectivity in the human brain. Neuropsychologia, 117:520-529.
  • Viswanathan, S., Wang, B.A., Abdollahi, R.O., Daun, S., Grefkes, G., & Fink, G.R. (2018). Freely chosen and instructed actions are terminated by different neural mechanisms revealed by kinematics-informed EEG. Neuroimage, 188:26-42.
  • Yeldesbay, A., Toth, T.I., & Daun, S. (2018). The role of phase shifts of sensory inputs in walking revealed by means of phase reduction. Journal of Computational Neuroscience, 44(1):313-339.
  • Liu, L., Rosjat, N., Popovych, S., Wang, B.A., Yeldesbay, A., Toth, T.I., Viswanathan, S., Grefkes, C., Fink, G.R., & Daun, S. (2017). Age-related changes in oscillatory power affect motor action. PLoS One, 12(11):e0187911.
  • Wang, B.A., Viswanathan, S., Abdollahi, R.O., Rosjat, N., Popovych, S., Daun, S., Grefkes, C., & Fink, G.R. (2017). Frequency-specific modulation of connectivity in the ipsilateral sensorimotor cortex by different forms of movement initiation. NeuroImage, 159:248-260.
  • Popovych, S., Rosjat, N., Toth, T.I., Wang, B.A., Liu, L., Abdollahi, R.O., Viswanathan, S., Grefkes, C., Fink, G.R., & Daun, S. (2016). Movement-related phase locking in the delta-theta frequency band. NeuroImage, 139:439-449.
  • Rosjat, N., Popovych, S., & Daun-Gruhn, S. (2014). A mathematical model of dysfunction of the thalamo-cortical loop in schizophrenia. Theoretical Biology and Medical Modelling, 11(1): 45.
  • Daun, S. Rubin, J., & Rybak, I. (2009). Control of oscillation periods and phase durations in half-center central pattern generators: a comparative mechanistic analysis, Journal of Computational Neuroscience, 27(1):3-36.