In der synaptischen Vesikelmembran adulter Neuronen bildet Synaptobrevin mit Synaptophysin den Synaptophysin-Synaptobrevin-Komplex. Der Komplex wird im Gegensatz zum SNARE-Komplex nicht in embryonalen Membranen gebildet, sondern erst während der neuronalen Entwicklung hochreguliert. Dabei erfährt Synaptophysin wahrscheinlich eine posttranslationale Modifizierung, die durch einen niedermolekularen Faktor bewirkt wird. Der Synaptophysin-Synaptobrevin-Komplex spielt eine entscheidende Rolle innerhalb der Präsynapse bei der Bereitstellung von Synaptobrevin zur Bindung seiner SNARE-Partner an der Plasmamembran. Im Zustand erhöhter exozytotischer Aktivität der Synapse beschleunigt der Synaptophysin-Synaptobrevin-Komplex die Rekrutierung von Synaptobrevin für eine erneute Bildung des SNARE-Komplexes und ermöglicht damit schnelle Exozytose-Endozytose-Zyklen bei erhöhter präsynaptischer Stimulation. Der Synaptophysin-Synaptobrevin-Komplex und der SNARE-Komplex schließen sich gegenseitig aus. Synaptische Membranen sind aus Lipiden und Proteinen aufgebaut, welche miteinander in Wechselwirkungen stehen. Innerhalb der Membranen formieren sich Subdomänen wie Lipid Rafts die durch eine besondere Lipidzusammensetzung stabilisiert werden und mit speziellen Proteinen bevorzugt assoziieren. Durch die spezielle Organisation des Membranaufbaus können die Prozesse der Endozytose und der Exozytose zum Teil reguliert werden. Synaptische Vesikel, die zu den kleinsten Zellorganellen zählen, zeigen einen besonders hohen membranären Cholesterolgehalt. Synaptophysin ist ein integrales Membranprotein synaptischer Vesikel und konnte zusätzlich als spezifisch cholesterolbindendes Protein identifiziert werden. Durch die Assoziation mit cholesterolreichen Nanodomänen der synaptischen Vesikelmembran könnten die Funktionen von Synaptophysin bei der Membranstabilisation und im Synaptophysin-Synaptobrevin-Komplex der synaptischen Vesikelmembran beeinflusst werden. In dieser Arbeit wurde gezeigt, dass nach Cholesterolverminderung der Membranen von CHOp38-Zellen und PC12-Zellen mittels Filipin und Methyl-ß-cyclodextrin Synaptophysin in dem Detergens Triton X-100 unlöslicher wird. Die Cholesterolverminderung der Membranen von Neuronen aus Rattengehirngewebe und Hippokampuskulturen mittels Methyl-ß-cyclodextrin und Lovastatin führte weiterhin zu einer verminderten Bildung des Synaptophysin-Synaptobrevin-Komplexes in der synaptischen Vesikelmembran. Somit scheint die Cholesterolassoziation von Synaptophysin und damit die Organisation der synaptischen Vesikelproteine innerhalb von Membrandomänen entscheidend an der Regulation der Proteininteraktionen im Synaptophysin-Synaptobrevin-Komplex beteiligt zu sein. Zusätzlich trägt Synaptophysin durch seine Cholesterolbindung wahrscheinlich zur Stabilisierung des hohen Krümmungsgrades der Membran der synaptischen Vesikel bei. Die Auswirkungen des verminderten Cholesterolgehaltes auf Synaptophysin und den Synaptophysin-Synaptobrevin-Komplex konnten auch bei homozygoten Mausmutanten für die Niemann-Pick Krankheit nachgewiesen werden. Der Cholesterolgehalt synaptischer Vesikel ist also für die Bildung des Synaptophysin-Synaptobrevin-Komplexes entscheidend und beeinflusst direkt die synaptische Effizienz. / Synaptobrevin interacts with synaptophysin in membranes of adult small synaptic vesicles and forms the synaptophysin/synaptobrevin complex. In contrast to the SNARE complex the synaptophysin/synaptobrevin complex only occurs in adult rat brain but is absent in embryonic brain. Changes in the binding properties of synaptophysin are probably induced by a factor of low molecular weight and correlate with posttranslational modifications of the protein. The synaptophysin/synaptobrevin complex plays an important role within the presynaptic terminal promoting synaptobrevin to bind its SNARE partners at the plasma membrane. In times of increased synaptic activity at the synapse the synaptophysin/synaptobrevin complex accelerates the recruitment of synaptobrevin to form new SNARE complexes and allows for fast exocytotic/endocytotic cycles. The synaptophysin/synaptobrevin complex and the SNARE complex are mutually exclusive. Major constituents of synaptic membranes are lipids and proteins which are subjected to continuous interactions. Within the membrane form specialized environments known as lipid rafts that are stabilized through tightly packed lipids and proteins that associate preferentially with these domains. The characteristic organisation of membrane structures is crucial for regulating the process of endocytosis and exocytosis. Synaptic vesicles are among the smallest cell organelles and are especially enriched in cholesterol. The integral membrane protein synaptophysin in addition was identified as a major specifically cholesterol-binding protein. Lateral association with cholesterol enriched subunits of the synaptic vesicle membrane may contribute to mediate the functions of synaptophysin in stabilising membrane structures and may in part regulate synaptophysin/synaptobrevin complex formation. Here we show that depletion of the cholesterol content of CHOp38 cell and PC12 cell membranes by Filipin and Methyl-ß-cyclodextrin significantly changes the solubility of synaptophysin in non-ionic detergents like Triton X-100. After cholesterol depletion of adult rat brain and primary cultures of mouse hippocampus by Methyl-ß-cyclodextrin and the HMGCoA-reductase inhibitor Lovastatin the synaptophysin/synaptobrevin complex was seen to be downregulated. Thus, the synaptophysin/synaptobrevin interaction critically depends on high cholesterol content of the synaptic vesicle membrane. Thereby, synaptophysin likely contributes to stabilise the high membrane curvature of synaptic vesicles. The effects of cholesterol depletion on functional properties of synaptophysin and the synaptophysin/synaptobrevin complex could also be shown on homozygous littermates of the mouse model of Niemann-Pick type C disease. Our investigation indicates that the cholesterol content of synaptic vesicles appears to be important for the fusion of the synaptophysin/synaptobrevin complex and directly affects synaptic efficiency.

In dieser Doktorarbeit wird Langsamkeit als unüberwachtes Lernprinzip in sensorischen Systemen untersucht. Dabei wird zwei Aspekten besondere Aufmerksamkeit gewidmet: der mathematischen Analyse von Slow Feature Analysis - einer Implementierung des Langsamkeitsprinzips - und der Frage, wie das Langsamkeitsprinzip biologisch umgesetzt werden kann. Im ersten Teil wird zunächst eine mathematische Theorie für Slow Feature Analysis entwickelt, die zeigt, dass die optimalen Funktionen für Slow Feature Analysis die Lösungen einer partiellen Differentialgleichung sind. Die Theorie erlaubt, das Verhalten komplizierter Anwendungen analytisch vorherzusagen und intuitiv zu verstehen. Als konkrete Anwendungen wird das Erlernen von Orts- und Kopfrichtungszellen, sowie von komplexen Zellen im primären visuellen Kortex vorgestellt. Im Rahmen einer technischen Anwendung werden die theoretischen Ergebnisse verwendet, um einen neuen Algorithmus für nichtlineare blinde Quellentrennung zu entwickeln und zu testen. Als Abschluss des ersten Teils wird die Beziehung zwischen dem Langsamkeitsprinzip und dem Lernprinzip der verhersagenden Kodierung mit Hilfe eines informationstheoretischen Ansatzes untersucht. Der zweite Teil der Arbeit befasst sich mit der Frage der biologischen Implementierung des Langsamkeitsprinzips. Dazu wird zunächst gezeigt, dass Spikezeit-abhängige Plastizität unter bestimmten Bedingungen als Implementierung des Langsamkeitsprinzips verstanden werden kann. Abschließend wird gezeigt, dass sich die Lerndynamik sowohl von gradientenbasiertem Langsamkeitslernen als auch von Spikezeit-abhängiger Plastizität mathematisch durch Reaktions-Diffusions-Gleichungen beschreiben lässt. / In this thesis, we investigate slowness as an unsupervised learning principle of sensory processing. Two aspects are given particular emphasis: (a) the mathematical analysis of Slow Feature Analysis (SFA) as one particular implementation of slowness learning and (b) the question, how slowness learning can be implemented in a biologically plausible fashion. In the first part of the thesis, we develop a mathematical framework for SFA and show that the optimal functions for SFA are the solutions of a partial differential eigenvalue problem. The theory allows (a) to make analytical predictions for the behavior of complicated applications and (b) an intuitive understanding of how the statistics of the input data are reflected in the optimal functions of SFA. The theory is applied to the learning of place and head-direction representations and to the learning of complex cell receptive fields as found in primary visual cortex. As a technical application, we use the theoretical results to develop and test a new algorithm for nonlinear blind source separation. The first part of the thesis is concluded by an information-theoretic analysis of the relation between slowness learning and predictive coding. In the second part of the thesis, we study the question, how slowness learning could be implemented in a biologically plausible manner. To this end, we first show that spike timing-dependent plasticity can under certain conditions be interpreted as an implementation of slowness learning. Finally, we show that both gradient-based slowness learning and spike timing-dependent plasticity lead to receptive field dynamics that can be described in terms of reaction-diffusion equations.