BIJDRAGE VOOR IMPULS De afdeling Biofysica binnen het

BIJDRAGE VOOR IMPULS
De afdeling Biofysica binnen het Donders Center for Neuroscience
(DCN-FNWI)
Het Donders Instituut (DI) is een groot interdisciplinair en interfacultair
onderzoeksinstituut waarin het functioneren van de hersenen vanuit
verschillende disciplines (variërend van klinische wetenschappen (neurologie,
maar ook oorheelkunde), psychologie en neurobiologie, tot neuro-informatica,
wiskunde, en fysica) en op verschillende niveaus (van molecuul tot mens)
wordt onderzocht.
Binnen dit grote instituut (aan de RU en het RadboudUmc werken in
totaal zo’n 500 fte stafleden) speelt DCN-FNWI als natuurwetenschappelijk
centrum een bijzondere rol, niet alleen vanwege het fundamentele en
kwantatieve karakter van het onderzoek, maar ook vanwege de toepassingen
richting kliniek en maatschappij, die hier sterk zijn vertegenwoordigd.
Het DCN-FNWI bestaat uit een viertal afdelingen: voor WiNSt zijn dit
de afdelingen Biofysica en Neuroinformatica (gehuisvest in vleugel
HG00.800), en voor Biowetenschappen zijn dit de afdelingen Neurofysiologie
en Moleculaire Dierfysiologie. Deze vier afdelingen vormen als FNWI instituut
één onderzoekseenheid, en studenten van vrijwel alle FNWI opleidingen
kunnen bij DCN-FNWI terecht voor een scala aan bachelor en master stages.
Ook de afdeling Biofysica ontvangt studenten van de opleidingen Fysica,
Science (BF), Informatica en Medische Biologie.
In deze bijdrage zal ik me vooral concentreren op het onderzoek aan
de afdeling Biofysica, maar het is goed om het hersenonderzoek eerst in een
wat breder kader te plaatsen.
Achtergrond.
De hersenen vormen zonder twijfel één van meest complexe systemen die we
kennen, en zijn daarmee voor de natuurwetenschappelijke methode een
bijzondere uitdaging. Het onderzoeksthema van de afdeling Biofysica wordt
samengevat onder de noemer Hersenen en Gedrag, en in dit stukje zal ik
proberen duidelijk te maken dat er voor fysici binnen dit thema vele boeiende,
uitdagende, en concrete vragen liggen voor onderzoek waarvoor een fysische
inbreng noodzakelijk is.
Bouwstenen. Net als in de fysica van de materie wordt het brein door
biofysici onderzocht vanuit een bottom-up aanpak: vanuit de bouwstenen naar
het grotere geheel. De elementaire bouwstenen van de hersenen zijn de
zenuwcellen, en de biofysische (electro-chemische) principes die de functie
van de zenuwcel goed kunnen verklaren zijn enkele decennia geleden door
de onderzoekers Hodgkin en Huxley in hun Nobelprijs winnend werk (1961)
neergelegd. In onze bachelor colleges Neurofysica wordt uitgebreid aandacht
besteed aan dit werk, wat uiteindelijk is geculmineerd in een formidabel
wiskundig model.
Heel kort: het stelsel differentiaalvergelijkingen van dit model beschrijft
precies hoe op een bepaalde plek, x, langs het axon (dit is de (enige) output
kabel van het neuron; Fig. 1, links) zogeheten actiepotentialen (korte, hevige
electrische pulsen; Fig. 1, rechts) kunnen ontstaan zodra de membraan
potentiaal ter plekke, V(x,t), een drempelwaarde overschrijdt a.g.v. externe
inputs. Deze inputs zijn i.h.a. afkomstig van andere zenuwcellen via de vele
synaptische contacten binnen het netwerk waarin het neuron is ingebed.
Deze differentiaalvergelijkingen staan bekend onder de naam Hodgkin-Huxley
(H-H) vergelijkingen, en hebben de volgende verschijningsvorm:
𝐶
𝜕𝑉
= 𝑔! ∙ 𝑉 𝑡 − 𝑉! ∙ 𝑚 𝑉, 𝑡
𝜕𝑡
+ 𝑔! ∙ 𝑉 𝑡 − 𝑉!
waarvoor tevens:
𝜏!
!
!"
!"
+ 𝑔!" ∙ 𝑉 𝑡 − 𝑉!" ∙ 𝑛 𝑉, 𝑡
!
∙ ℎ 𝑉, 𝑡 = 𝑉! − 𝑋 met 𝑋 = 𝑚, ℎ, 𝑛 Ze zijn sterk niet-lineair, wat een analytische aanpak ervan niet
aantrekkelijk maakt. Het niet-lineaire karakter van H-H komt door het actieve
gedrag van de K+ en Na+ ion-kanalen (de eerste twee termen na het
gelijkteken), die sterk potentiaal-afhankelijk zijn (zie figuur hieronder), en die
worden gemodelleerd door de tijdsafhankelijke functies m(V,t), n(V,t) en
h(V,t). Deze drie functies refereren ieder op zich naar stochastische aspecten
binnen de ion-kanalen, die de kans op het al dan niet doorlaten van een ion
bepalen (uiteindelijk een thermodynamische eigenschap op molecuulnivo).
Figuur 1: Links: De Purkinjecel in de kleine hersenen (het cerebellum) is een fantastisch
voorbeeld van de enorm complexe, maar functionele geometrie van de dendrietenboom van
neuronen. Deze verzamelt de inputs van vele andere neuronen (deze cel van wel 200000
andere!). Elk van die inputs leidt op zich tot kleine positieve of negatieve veranderingen van
de membraanpotentiaal van het cellichaam. Pas als die potentiaal een vaste drempel bereikt,
produceert de cel onmiddelijk een actiepotentiaal. Rechts: die actiepotentiaal is de enige
functionele output van een neuron, en kan worden begrepen door de snelle in- en uitstroom
van K- en Na-ionen door aparte kanalen. Het alles-of-niets karakter van de actiepotentiaal,
lijkt daarmee wel een beetje op een digitale codering (0 of 1). De ‘bits’ van de output vormen
op die manier een boodschap die door de andere neuronen moet worden gedecodeerd.
Computer simulaties zijn derhalve de geëigende methode om met deze
vergelijkingen te stoeien, en die laten zien dat het HH-model een nagenoeg
compleet beeld kan verschaffen van de actiepotentiaal. Al met al is de
bouwsteen van het brein (en zelfs hoe de geometrie van de dendrietenboom
er toe doet) dus eigenlijk zeer goed begrepen. Het interessante is natuurlijk
dat daarmee niet zomaar het brein zélf is begrepen! De complexiteit van de
hersenen zit nl. in de manier waaróp zenuwcellen met elkaar grote
communicatie netwerken vormen, en hoé de communicatie tussen
zenuwcellen in zo’n netwerk dan via de ‘digitale code’ is vastgelegd. Om hier
een vinger achter te kunnen krijgen zijn gedegen experimentele vaardigheden
en theoretische (met name abstracte) kennis noodzakelijk, en het zijn precies
deze eigenschappen die fysici, wiskundigen, en science studenten bezitten
om uitdagend onderzoek in de neurowetenschappen te kunnen doen.
Waarom hersenen? Een antwoord op die vraag wordt gegeven door onze
collega Daniel Wolpert (UK) in zijn TED talk: “de enige reden waarom
organismen over hersenen beschikken is om ze de mogelijkheid te geven om
complexe bewegingen te plannen en uit te voeren”!
(zie: http://www.ted.com/speakers/daniel_wolpert ). Het is namelijk eten of
gegeten worden in een vijandige, onvoorspelbare, en complexe wereld! De
hersenen zijn dan ook continu bezig om de gigantische multi-sensorische
informatiestroom uit die omgeving te meten, te filteren, te analyseren, en waar
mogelijk, te manipuleren. Hierbij komen allerlei interessante problemen om
de hoek om kijken. Zo begrijp je bijvoorbeeld meteen waarom knaagdieren,
konijnen, koeien en paarden (prooidieren, planteneters) hun ogen opzij
hebben zitten, en een zeer groot (maar betrekkelijk lage resolutie) blikveld
hebben, terwijl primaten, katachtigen, en wolven (vleeseters, jagers) hun ogen
juist voorop hebben zitten, en beschikken over een gespecialiseerd stukje
netvlies (de gele vlek) om zeer scherp mee te kunnen zien. Dat laatste maakt
het meteen noodzakelijk om de ogen heel snel en heel precies op een doel te
kunnen richten, waarvoor in de hersenen van deze diersoorten dan ook
speciale regelsystemen zijn aangelegd. Maar ook begrijp je hierdoor dat
vanwege de complexiteit en onvoorspelbaarheid in de omgeving het brein
slimme keuzes moet maken over wélke beweging het nu wél of niet zal gaan
uitvoeren uit de vele duizenden mogelijkheden die zich continu aandienen.
Immers, een foute beweging kost tijd en energie, en kan derhalve fataal zijn
als het om fracties van een seconde gaat!
Wat kun je er mee? Het huidige biofysisch onderzoek in de hersenwetenschappen combineert moderne statistische theorieën over het maken van
optimale keuzes in de aanwezigheid van onzekerheid (in de omgeving) en
ruis in de (sensorische) metingen en het (motorisch) gedrag. In het vakgebied
Machine Learning worden dit soort ideeën verder ontwikkeld. Natuurlijk leiden
deze inzichten ook tot interessante toepassingen: robots die moeten
navigeren in een complexe omgeving (denk bijv. aan een ingestort gebouw)
worden met dezelfde soort problemen geconfronteerd als onze hersenen, en
neurowetenschappelijke kennis wordt tegenwoordig meer en meer toegepast
in geavanceerde robot-technologie. Daarnaast is het filteren en analyseren
van grote hoeveelheden onzekere data een geëigend onderwerp voor allerlei
technische en medische toepassingen: denk aan DNA analyse, aan “big
data”, aan analyse van complexe medische beelden, aan verbetering van
medische hulpmiddelen (zien, gehoor, motoriek), aan medische diagnoses,
etc. etc.. Ook daar bieden inzichten verkregen uit de neurowetenschappen
nieuwe mogelijkheden om verder te komen.
Onderzoek. Vanwege al deze redenen spitst ons onderzoek zich in grote
mate toe op het uitlokken, meten, analyseren en modelleren van door mens,
dier, of robot gegenereerde beweging: met name gaat het dan om
oogbeweging, hoofdbeweging, navigatie, en om lichaamsbeweging opgewekt
door passieve rotatie. Hierbij worden motortaken opgelegd aan proefpersonen
die worden onderworpen aan zowel simpele als complexe situaties, en wordt
gewerkt met relatief eenvoudige, of juist met complexe en ambigue
sensorische stimulatie (bijv combinaties van auditieve, visuele, en
evenwichtsstimulatie). De laboratoria van de afdeling (in de kelders van de
oude A-vleugel) beschikken over een vijftal meetopstellingen, waarin
waarneming en motorisch gedrag kan worden gemanipuleerd en precies
gemeten. Momenteel wordt de hand gelegd aan een unieke vestibulaire (dwz
evenwichts) meetopstelling (planning: einde dit jaar gereed), waarin
proefpersonen om twee onafhankelijk bestuurbare assen kunnen worden
geroteerd, terwijl ze daarnaast kunnen worden blootgesteld aan diverse
auditieve en visuele stimuli. Hierbij registreren we de oogbewegingen naar die
stimuli onder een scala van bewegingscondities, waaruit we veel kennis
kunnen opdoen over de complexe coördinatentransformaties die in de
hersenen op milliseconde tijdschalen moeten plaatsvinden onder dynamische
bewegingssituaties.
Wie? De afdeling Biofysica heeft de volgende onderzoeksgroepen binnen
haar gelederen: prof. John van Opstal (auditief systeem, evenwicht,
multisensorische integratie, oog-hoofd coördinatie), dr Richard van Wezel
(visueel systeem; two-photon imaging), prof Bert Kappen (machine learning,
optimal control), en prof Raymond van Ee (Bijz. Hglr. vanuit Philips Eindhoven
Division Brain, Body and Behaviour). De afdeling huisvest ook de Spin-Off
company Smart Research BV, die de Machine Learning technieken bij
marktpartijen probeert af te zetten (bijv. bij het Nederlands Forensisch
Instituut). De afdeling beschikt verder over eigen technische ondersteuning,
en heeft momenteel zo’n 14 aio’s en postdocs uit alle windstreken van de
wereld aan het werk binnen zowel nationale (NWO) als internationale
Europese (Marie-Curie) projecten.
Info: voor informatie over stages kun je het best even contact opnemen met
John van Opstal ([email protected] ) voor een kennismakingsgesprek
of voor een verwijzing naar één van zijn collega’s. Laat dan even weten wat je
opleiding is (fysica, science, etc.), en wat voor stage je zoekt (experimenteel,
theoretisch; fundamenteel, of juist toegepast; voor bachelor, of voor master).
De
afdelingswebsite
(onder
constructie)
is
te
vinden
op
http://www.ru.nl/mbphysics/

Download Report