KI und Voltammetrie messen Neurotransmitter im Gehirn in Echtzeit
UCLA-Professorin Anne Andrews erklärt, wie maschinelles Lernen und Voltammetrie die Echtzeit-Messung von Dopamin und Serotonin revolutionieren.
Forscherinnen und Forscher der University of California, Los Angeles (UCLA) nutzen eine Kombination aus Voltammetrie und maschinellem Lernen, um Neurotransmitter wie Dopamin und Serotonin direkt im lebenden Gehirn in Echtzeit zu messen. Anne Andrews, Professorin für Psychiatrie und Verhaltenswissenschaften an der UCLA, erläutert im Interview mit News Medical, wie ihr Labor diese Methoden weiterentwickelt und der Forschungsgemeinschaft zugänglich macht.
Dopamin und Serotonin spielen eine zentrale Rolle sowohl im normalen Verhalten als auch bei neuropsychiatrischen Erkrankungen. Serotonin wird mit Depressionen und Angstzuständen in Verbindung gebracht, Dopamin mit Substanzkonsum und Bewegungsstörungen. Andrews betont, dass beide Neurotransmitter auch zusammenwirken – ein Bereich, in dem die Wissenschaft gerade erst beginnt, tiefere Einblicke zu gewinnen.
Voltammetrie versus Mikrodialyse
Zur Messung von Neurotransmittern im Gehirn existieren zwei weit verbreitete Methoden: die Mikrodialyse und die Voltammetrie. Bei der Mikrodialyse wird eine semipermeable Membran ins Gehirn implantiert, die Proben aus dem extrazellulären Raum entnimmt. Diese Proben werden anschließend offline analysiert – in Andrews' Labor mittels Hochleistungsflüssigkeitschromatographie gekoppelt mit Elektrochemie, was ein Multiplexing mehrerer Substanzen ermöglicht.
Die Voltammetrie hingegen setzt direkt implantierte Sensoren ein, typischerweise Kohlefaser-Mikroelektroden. Der entscheidende Vorteil: Die zeitliche Auflösung liegt im Bereich von unter einer Sekunde, während die Mikrodialyse in Andrews' Labor mit einer Minute bereits zu den schnellsten Werten zählt. Zudem ist der Sensor deutlich kleiner, was eine bessere räumliche Auflösung ermöglicht.
Ein wesentliches Problem der Voltammetrie besteht jedoch darin, dass elektrochemisch aktive Neurotransmitter ähnliche Voltammogramme erzeugen, die sich überlappen. Das erschwert die gleichzeitige Messung mehrerer Substanzen erheblich – genau hier setzt das maschinelle Lernen an.
Bayessche Optimierung und Mustererkennung
Andrews beschreibt den Einsatz von maschinellem Lernen an zwei Stellen der Entwicklungspipeline. Am vorderen Ende nutzt ihr Labor die Bayessche Optimierung, um große Wellenform-Räume schnell zu explorieren und neue voltammetrische Wellenformen mit gezielten Eigenschaften zu entwickeln. Am hinteren Ende ermöglicht maschinelles Lernen die Analyse großer Datensätze, die bei jedem Experiment entstehen.
Das Modell behält dabei alle Daten eines Voltammogramms – einschließlich des Hintergrundstroms – und erkennt Muster, die es erlauben, mehrere Neurotransmitter gleichzeitig zu identifizieren, selbst wenn sich deren Signale überlappen. Andrews bezeichnet ihre Vorträge zu diesem Thema als „Aufruf zum Handeln" für das gesamte Fachgebiet.
Öffentlich zugängliche Software für die Forschungsgemeinschaft
Ein besonderes Anliegen von Andrews ist die Weitergabe der entwickelten Werkzeuge. Drei von vier Softwaremodulen ihres Labors sind bereits veröffentlicht. Die Software basiert auf MATLAB, steht aber auch als Standalone-Version zur Verfügung – eine MATLAB-Lizenz ist nicht erforderlich. Der vollständige MATLAB-Code ist zudem auf GitHub abrufbar, sodass erfahrene Nutzer ihn für eigene Anwendungsfälle anpassen können.
Ergänzende Tutorials – sowohl schriftlich als auch als Video – wurden von Studierenden des Labors erstellt. Die Software erlaubt es, beliebige Wellenformen zu entwerfen, diese direkt in das Analysemodul zu importieren und in Echtzeit während laufender Analysen zu verändern. Ein viertes Modul, das die Arbeit mit verschiedenen Modellen für maschinelles Lernen ermöglicht, soll in Kürze veröffentlicht werden.
Anwendungsfelder jenseits von Dopamin und Serotonin
Die Methoden beschränken sich nicht auf die beiden bekanntesten Neurotransmitter. Andrews nennt weitere elektrochemisch aktive Monoamine, die bereits mittels Voltammetrie untersucht wurden: Norepinephrin, Epinephrin und Histamin. Darüber hinaus zeigt die Forschung vielversprechende Ergebnisse bei der Analyse von Peptiden wie Oxytocin, Endorphinen und Met-Enkephalin.
Andrews sieht das langfristige Ziel darin, diese Techniken zunehmend in die Translation zu überführen – also aus dem Labor in reale Anwendungen zu bringen. Die Zusammenarbeit zwischen analytischen Chemikern und Neurowissenschaftlern sei dabei keine Einbahnstraße: Beide Seiten könnten voneinander profitieren, um komplexe psychiatrische und neurologische Fragestellungen zu adressieren. Die Pittcon 2026 in San Antonio, auf der Andrews sprach, gilt als eines der führenden Treffen für analytische Chemiker und Neurochemiker weltweit.