Kooperative Promotion im Forschungsfeld der Computational Neuroscience

Kategorie: Öffentlich

Mit großem Erfolg hat Manuel Ciba seine Dissertation verteidigt


Manuel Ciba hat seine Promotion an der Graduate School of Life Sciences (Section Neuroscience) der Julius-Maximilians-Universität Würzburg am vergangenen Mittwoch mit Auszeichnung (summa cum laude) abgeschlossen. Messung der Synchronität und Abschätzung der Konnektivität von in-vitro Spike-Trains lautet der Titel der kumulativen Promotionsschrift. Seine Forschungsarbeit hatte Manuel Ciba im Anschluss an sein Masterstudium der Elektro- und Informationstechnik an der Technischen Hochschule Aschaffenburg begonnen. Sie wurde als kooperatives Promotionsverfahren gemeinsam von PD Dr. mult. Andreas Bahmer (Ernst Strüngmann Institut, Frankfurt), Prof. Dr. Charlotte Foerster (Uni Würzburg) und Prof. Dr.-Ing. Christiane Thielemann, die das biomems lab an der TH AB leitet, betreut. 

Neue Wege in der Grundlagenforschung, Diagnose und Therapie
Die Arbeit kann dem Forschungsfeld der „Computational Neuroscience“ zugeordnet werden. Die neuen Möglichkeiten zur Erhebung großer Datenmengen von elektrophysiologischen Messungen am Gehirn – ob in vivo oder an in vitro-Modellen – eröffnen viele neue Wege in der Grundlagenforschung, der Diagnose und Therapie. Die digitale Erfassung von Experimenten sowie die Option, aus diesen Daten durch eine algorithmische Analyse Erkenntnisse über bislang verborgene Wirkungszusammenhänge zu gewinnen, werden zunehmend zur Grundlage dafür, neues Wis¬sen zu gewinnen. Die Grundvoraussetzung dafür ist jedoch ein Konsens bei der Verwendung geeigneter Verfahren, die effizient rechnen und die Vergleichbarkeit der Ergebnisse erlauben. 

Elektrophysiologische Datensätze standardisiert auswerten 
Anhand dieser hochaktuellen Forschungsfrage hat Manuel Ciba seine Arbeit entwickelt, mit dem Ziel einen Beitrag zur Standardisierung der Auswertung elektrophysiologischer Datensätze zu leisten. Fokussiert hat er sich dabei auf zwei zentrale Methoden, nämlich die Schätzung der effektiven Konnektivität und die Bestimmung von Synchronität in einem Netzwerk. Dabei legte er sein Augenmerk auf drei wichtige Aspekte: die Wahl sinnvoller Parameter, die Möglichkeit hochparallele Datensätze recheneffizient zu verarbeiten und die Anwendbarkeit auf experimentelle Daten. Hierfür standen ihm extrazellulär mit 60 und 4096 Kanälen parallel abgeleitete, neuronale Netzwerkdaten zur Verfügung, die er in eigenen Experimenten im biomems lab erhoben hat. Bei der Validierung seiner Algorithmen lag die Herausforderung darin, eine Vielzahl von etablierten Algorithmen der Neurowissenschaften miteinander zu vergleichen, um deren Qualitäten herauszuarbeiten. Zudem wurden neue Algorithmen entwickelt, die der wissenschaftlichen Community nun zur Verfügung stehen.