Warum das zählt
Was Sie gerade durchschritten haben, ist im Kern eine einzige Fähigkeit. In einer schlafenden Ratte kann ein Closed-Loop-System feststellen, welche Erinnerung in einem gegebenen Hundert-Millisekunden-Fenster geprobt wird, und gezielt nur die Proben dieser Erinnerung unterbrechen, während alles andere unberührt bleibt. Von der Aufnahme an der Elektrode bis zum Laserpuls durchläuft das System einen vollen Zyklus in rund einer Millisekunde. Diese Fähigkeit existierte vor wenigen Jahren nicht. Jetzt existiert sie.
Ein einzelnes Replay-Ereignis, durch jede Stufe des Closed-Loop-Systems geführt. Tetroden nehmen den Spike auf (Kap. 2), der HSE-Detektor markiert ihn binnen ~10 ms (Kap. 5), der Bayes’sche Decoder ordnet ihn binnen etwa einer weiteren Millisekunde einem Raum zu (Kap. 6), und der Laser-TTL feuert auf die ArchT-exprimierende Population (Kap. 7). Mittlere Latenz von Spike zu TTL auf der realen Hardware: 1,04 ms.
Drei Zielgruppen sollten sich dafür interessieren, aus jeweils etwas anderen Gründen.
Für die Neurotechnik
Inhaltsspezifische neuronale Manipulation im geschlossenen Kreis ist das Entwurfsmuster, um das herum Gehirn-Maschine-Schnittstellen der nächsten Generation gebaut werden. Der Decoder, das Latenzbudget, der Kniff mit dem markierten Punktprozess, der Detektor mit dynamischer Schwelle — jedes Stück lässt sich übertragen. Eine BMI, die Absicht in Echtzeit liest und Rückmeldung auf der Skala einzelner Ereignisse schreibt, ist dasselbe architektonische Problem wie das hier gelöste, mit Menschen statt Ratten und mit der Optogenetik ersetzt durch welchen Aktuator auch immer sich durchsetzt (elektrische Mikrostimulation, fokussierter Ultraschall, magnetothermische Verfahren). Die Machbarkeitsfrage für diese ganze Systemklasse ist zum Teil eine Frage des Existenzbeweises. Dies ist ein solcher Existenzbeweis.
Für Gedächtnistherapeutika
Eine lange Reihe pharmakologischer Ansätze hat versucht, die Gedächtniskonsolidierung mit Medikamenten zu stören — Benzodiazepine, Propranolol, NMDA-Antagonisten, Modulatoren der Schlafstadien. Der Eingriff ist fast immer systemisch und fast immer grob. Inhaltsspezifische Störung im geschlossenen Kreis ist ein Präzisionswerkzeug, das ein neuronales Muster während einer Phase der Konsolidierung anvisiert und andere Muster und andere Phasen unberührt lässt. Reconsolidierung bei PTBS, altersbedingter Gedächtnisabbau, suchtbezogenes Reizgedächtnis: Jedes davon ist ein möglicher Bereich, in dem ein musterspezifischer Eingriff im natürlichen Schlaf qualitativ etwas anderes wäre als der pharmakologische Stand der Technik.
Für die Pharma- und Biotech-Forschung
Dieselbe Infrastruktur, die einen Laser auslöst, kann jeden anderen Eingriff auslösen — eine Medikamentenpumpe, ein Kühlelement, einen transkraniellen Puls, ein Rückmeldesignal an ein anderes System. Inhaltsspezifische neuronale Decodierung in Echtzeit gibt Wirkstoffentwicklungsprogrammen einen Weg, Pharmakokinetik mit den tatsächlichen neuronalen Mustern zu korrelieren, die sie beeinflussen wollen. Für nootropische und konsolidierungsbezogene Programme schließt das eine Messlücke, die das Feld jahrzehntelang gebremst hat.
Das System als Software
Die Closed-Loop-Pipeline, auf der all das lief, liegt quelloffen auf GitHub. Es ist eine eigene C++-Codebasis, die auf einem Echtzeit-Linux-Kernel läuft und so geschrieben wurde, dass sie sich auf handelsüblicher Forschungshardware betreiben lässt (eine Workstation, ein Axona-Erfassungsaufbau, Lichtleitfasern, ein 532-nm-Laser). Sie wurde in publizierter Arbeit eingesetzt (dieser Publikation) und ist so strukturiert, dass andere Labore sie wiederverwenden können, die Closed-Loop-Eingriffe auf Spike-Ebene benötigen.
- Spike-Sorting in Echtzeit, Decodierung über markierte Punktprozesse und Auslöselogik
- HSE-Detektor mit dynamischer Schwelle und Reaktion im Submillisekundenbereich
- Modulare Pipeline, pro Sitzung über eine Parameterdatei konfigurierbar
- Eigenes C++, Linux-Echtzeitkernel, MIT-Lizenz
Über diese Arbeit
Die Promotion, durch die diese Seite führt, entstand im Csicsvari-Labor am IST Austria. Die Publikation ist Gridchyn et al., Neuron, 2020 — „Assembly-specific disruption of hippocampal replay leads to selective memory deficit“. Seit dem Erscheinen habe ich mich weiter in Richtung KI und angewandtes maschinelles Lernen bewegt, mit Schwerpunkt Biotech und Pharma; laufende Texte dazu erscheinen im Newsletter AI in Pharma & Biotech (auf Englisch).
Für Zusammenarbeit, Anstellung oder fachliche Fragen zum Closed-Loop-System ist der direkteste Weg das GitHub-Repository oder das Kontaktformular auf der Hauptseite.
Danke fürs Lesen.