Neuronale Verbindungen verändern sich abhängig von unseren Wahrnehmungen (synaptische Plastizität) - womöglich die Grundlage für Lernen und Gedächtnis. Diese zellulären Prozesse werden jedoch stark reguliert, und können durch den Zustand des Organismus beeinflusst werden. Diese Doktorarbeit befasst sich mit einem Mechanismus durch den zelluläre Lernprozesse in Pyramidalzellen durch lokale hemmende Neurone moduliert werden können. Dazu werden biophysikalische Modelle einzelner Zellen in Mikroschaltkreisen zu Rate gezogen. Der erste Teil dieser Arbeit zeigt, dass hemmende Neurone die Lernsignale in den Dendriten der Pyramidalzelle nach dem Alles-oder-Nichts-Prinzip modulieren. Demnach könnten sie einen binären Schalter für das Lernen darstellen. Im Speziellen modulieren sie ein wichtiges dendritisches Lernsignal: das rückwärts-gerichtete Aktionspotenzial, das die Synapsen über neuronale Aktivität unterrichten kann. Die Hemmung muss zeitlich genau erfolgen wenn es um die Blockierung dieses rückwärts-gerichteten Signals geht; insbesondere, wenn der betrachtete Mechanismus der Lernregulierung gleichzeitig den vorwärts-gerichteten Informationsfluss erhalten soll. Wie diese Arbeit zeigt, kann die gewünschte Taktung dennoch erreicht werden, wenn die hemmenden Neurone in einem gängigen inhibitorischen Feedforward-Schaltkreis eingebettet sind. In einem solchen Schaltkreis werden die hemmenden Neurone und die Pyramidenzellen von der gleichen vorgeschalteten Zellpopulation erregt, sodass die Pyramidalzelle erst erregende und dann hemmende Reize erfährt, was die genaue Taktung zwischen Erregung und Hemmung ermöglicht. Der zweite Teil der Arbeit befasst sich mit der Frage ob und wie solche zeitlich regulierten Feedforward-Schaltkreise im Gehirn etabliert werden können. Es wird demonstriert, dass konkrete Lernregeln für hemmende Synapsen in diesen Schaltkreisen diese so formen kann, dass sie für die individuellen zeitlichen Bedingungen der modulierten Zelle angemessen sind. / The neural correlate of learning is thought to be the experience-dependent adjustment of neuronal connections – synaptic plasticity. However, cellular processes mediating these changes are highly regulated, and can be influenced by the state of the organism. Limiting learning to behaviorally relevant episodes is useful if new experiences can overwrite old memories. In this thesis, we use computational modeling to explore a mechanism by which cellular learning processes in principal neurons can be modulated by another cell type: local inhibitory neurons. Although these cells are known to play a role for learning, the cellular mechanisms by which they influence synaptic plasticity are not completely understood. The aim is hence to shed light onto the cellular mechanisms underlying the regulation of synaptic plasticity. In the first part of this thesis, it is shown that inhibitory neurons can modulate dendritic signals for plasticity in principal neurons in an all-or-none manner. Thereby, inhibition can provide a binary switch for plasticity, which, as further demonstrated, can be specific for inputs arriving via different neural pathways. An important dendritic signal for plasticity is the backpropagating action potential, which informs synapses about neuronal activity and can be modulated by inhibition. We show that the timing requirement for inhibition of theses signals is tight; especially if modulation of plasticity via this mechanism ought to preserve forward-directed stimulus processing in the same neuron. Yet, we demonstrate that the desired timing can be accomplished if inhibition is embedded in a common inhibitory feedforward circuit. The second part of this thesis addresses the question whether and how appropriately timed inhibitory feedforward circuits can be established. We demonstrate that particular plasticity rules at inhibitory synapses can shape microcircuits to become properly adjusted to the individual timing requirements of the modulated neuron.

Die Erhaltung der Gehirnfunktion trotz Veränderungen im Organismus und dessen Umwelt erfordert homöostatische Mechanismen. Inhibitorische Interneurone spielen eine Schlüsselrolle bei Berechnungen und Homöostase im Gehirn. Es ist jedoch unklar, welcher Mechanismus diese Eigenschaften erzeugen kann. Diese Arbeit hat das Ziel, die homöostatischen Fähigkeiten solcher Interneurone zu bestimmen und die daraus resultierenden funktionellen Konsequenzen mit analytischen und numerischen Techniken zu ergründen. Die zentrale Hypothese dieser Arbeit ist, dass Interneurone ihre Feuerraten modulieren, um langfristig die Aktivität exzitatorischer Neurone bei einem homöostatischen Sollwert zu halten. Wir beginnen mit einem normativen Ansatz und leiten eine Plastizitätsregel her, welche die Aktivität von Interneuronen regelt, um netzwerkweite Abweichungen vom Sollwert zu minimieren. Um die biologische Plausibilität zu erhöhen, liefern wir zwei Approximationen, bei denen jede Interneurone auf die exzitatorische Population reagiert, die sie inhibiert und zeigen, dass alle drei Varianten vergleichbare aber unterschiedliche homöostatische Fähigkeiten haben. Wir kontrastieren den normativen Ansatz mit Regeln, welche die Aktivität einer Interneurone verändern, wenn die Neuronen, die sie treiben, vom Sollwert abweichen. Diese Regeln erzeugen Konkurrenz zwischen Neuronen und führen daher zu zerstreuter Netzwerkaktivität. Im zweiten Teil dieser Arbeit untersuchen wir, wie eine der approximierten Regeln die funktionellen Eigenschaften des sensorischen Kortex beeinflusst. Wir zeigen, dass sie mehrere experimentell Beobachtungen erklären kann, inklusive des Ko-Tunings von exzitatorischen und inhibitorischen Strömen und der Entwicklung von Zellverbänden. Zusammenfassend liefert diese Arbeit neue Erkenntnisse darüber, wie die Regulierung der Interneuron-Aktivität für neuronale Netzwerke homöostatisch sein kann, und zeigt mögliche Auswirkungen auf die Entwicklung und Erhaltung der Gehirnfunktion auf. / Preserving brain function despite ongoing changes inside the organism, and out in the world, necessitates homeostatic mechanisms. Inhibitory interneurons play a key role in both computation and homeostasis within the brain. However, it remains unclear if there is a mechanism that can account for both of these properties. This thesis therefore aims to determine the homeostatic capabilities of such interneurons and elucidate the resulting computational consequences, using analytical and numerical techniques. The central hypothesis of this thesis is that some interneurons slowly modulate their firing rates to maintain the long-term activity of excitatory neurons at a homeostatic set-point. Thus we begin with a normative approach, deriving a plasticity rule that regulates the activity of interneurons to minimise network-wide deviations from that set-point. In the interest of biological plausibility we also provide two approximations, both of which make each interneuron responsive to the excitatory population it inhibits, and show that all three variants exhibit comparable though distinct homeostatic capabilities. We contrast this normative approach by characterising the homeostatic properties of rules which instead alter the activity of an interneuron when the neurons that drive it deviate from the set-point. Those rules induce a competition between neurons, causing network activity to become sparse. In the second part of this thesis, we investigate how one of the approximate rules affects computational properties of sensory cortex. We show that it can account for several experimentally reported results, including co-tuning of excitatory and inhibitory currents, and the development of excitatory-inhibitory cell assemblies. In summation, this thesis provides new insight into how regulating interneuron activity can be homeostatic for neuronal networks, and reveals potential implications for development and preservation of brain function.

No description available.