Hoe wetenschappers de 'vingerafdruk' van je hersennetwerk lezen
Je brein is één groot netwerk. Miljarden hersencellen praten met elkaar via ontelbare verbindingen. Maar hoe vergelijk je het netwerk van het ene brein met het andere? Onderzoekers gebruikten hiervoor tot nu toe vooral grove meetlatjes. Een nieuwe methode kijkt veel gedetailleerder, en dat levert een verrassende inzicht op over schizofrenie.
Wetenschappers beschrijven hersennetwerken vaak met een paar standaardmaten. Denk aan hoeveel verbindingen een hersengebied heeft, of hoe dicht bevriende hersengebieden bij elkaar klitten. Dat werkt, maar het mist vaak de fijne details. Het is een beetje alsof je een gezicht alleen beschrijft met "twee ogen, een neus, een mond", zonder te kijken naar de precieze vorm daarvan.
Bouwstenen van een netwerk
Een team van onderzoekers ontwikkelde daarom een nieuwe aanpak met zogeheten "graphlets". Dit zijn hele kleine bouwsteentjes van een netwerk, bijvoorbeeld drie of vier hersengebieden die op een specifieke manier met elkaar verbonden zijn. Door te tellen hoe vaak elk soort bouwsteentje voorkomt, ontstaat een soort gedetailleerde vingerafdruk van het hele netwerk.
De onderzoekers testten deze methode eerst op nagemaakte netwerken, gegenereerd met wiskundige modellen. Daar bleek de graphlet-methode beter te zijn dan de klassieke maten. Zelfs subtiele, lokale verschillen tussen netwerken werden opgepikt, verschillen die de oude methode gewoon miste.
De test op echte hersenen
Daarna gingen de onderzoekers aan de slag met echte hersenscans. Ze gebruikten metingen van hersenactiviteit in rust, van mensen met schizofrenie en van een controlegroep zonder deze aandoening. Schizofrenie is een psychische aandoening die onder meer gepaard gaat met wanen en hallucinaties.
De graphlet-methode bleek opnieuw heel gevoelig te zijn voor kunstmatig aangebrachte veranderingen in hersennetwerken. Maar bij het onderscheiden van schizofrenie-patiënten en de controlegroep deed de nieuwe methode het niet beter dan de oude, klassieke maten. Beide scoorden ongeveer gelijk.
Dat is op zichzelf een interessante uitkomst. Het past bij het idee dat de afwijkingen bij schizofrenie vooral op specifieke, lokale plekken in het brein zitten, in plaats van dat het hele netwerk anders is opgebouwd. Als de hele hersenstructuur zou veranderen, zou je verwachten dat de gevoelige graphlet-methode dat beter zou opvangen dan de klassieke maten. Dat gebeurde niet.
Wat betekent dit (nog) niet: Dit onderzoek zegt niets nieuws over wat schizofrenie precies veroorzaakt of hoe je het moet behandelen. Het is vooral een technische stap: een nieuwe manier om hersennetwerken te analyseren. De bevinding over lokale versus algemene veranderingen bevestigt bovendien wat eerder onderzoek al liet zien, het is geen volledig nieuwe ontdekking. En de graphlet-methode werkte hier beter op kunstmatige testnetwerken dan op de complexe, ruisige data van echte hersenscans, dus de methode heeft ook nog beperkingen die verder onderzoek moet uitwijzen.
Waarom is dit relevant? Betere gereedschappen om netwerken te bestuderen, van hersenen tot sociale netwerken tot ecosystemen, helpen onderzoekers om preciezer te zien waar en hoe structuren verschillen. Voor de hersenwetenschap kan dit soort fijnmazige analyse uiteindelijk helpen om beter te begrijpen welke hersengebieden extra aandacht verdienen bij onderzoek naar aandoeningen zoals schizofrenie.
Bron: Graphlets as structural fingerprints of complex networks