News | 24.08.2026 | Research Spotlight

How dendrites help neural circuits learn without forgetting

How can the brain learn new information without overwriting what it already knows? Researchers developed a biologically grounded computer model showing how dendrites and inhibitory neurons can control where synaptic changes occur. This allows overlapping groups of neurons to store different representations, combine information across brain areas, and distinguish ambiguous visual and auditory inputs while preserving previously learned information.

Dies ist eine Zusammenfassung des Artikels von Onasch et al. „Assembly-based computations through contextual dendritic gating of plasticity“. Veröffentlicht in Neuron (2026). DOI: 10.1016/j.neuron.2026.07.028

Die Herausforderung

Das Gehirn muss kontinuierlich neue Informationen lernen und gleichzeitig bereits erworbene Erinnerungen stabil halten. Eine vorgeschlagene Grundlage für die Speicherung von Informationen ist die neuronale Anordnung, eine Gruppe stark miteinander verbundener Neuronen, die gemeinsam aktiv werden. Es bleibt jedoch unklar, wie sich solche Anordnungen überschneiden, sich durch Erfahrungen verändern und über verschiedene Hirnareale hinweg kombiniert werden können, ohne sich gegenseitig zu stören. Dies stellt eine besondere Herausforderung dar, da die synaptische Plastizität – der Prozess, der das Lernen durch die Veränderung von Verbindungen zwischen Neuronen ermöglicht – auch Verbindungen verändern kann, die frühere Informationen kodieren. Wir haben daher untersucht, ob bekannte Eigenschaften von Dendriten und inhibitorischen Neuronen einen biologischen Mechanismus darstellen könnten, der es neuronalen Schaltkreisen ermöglicht, flexibel genug zu bleiben, um zu lernen, und gleichzeitig bereits Gespeichertes zu schützen.

Unser Ansatz

Wir erstellten ein Spiking-Netzwerkmodell, in dem exzitatorische Neuronen mehrere nichtlineare dendritische Verzweigungen aufwiesen. Eine kontextabhängige Hemmung steuerte, welche Dendriten für synaptische Plastizität zur Verfügung standen, während andere Verzweigungen vor Veränderungen geschützt waren. Wir untersuchten, ob dieser Mechanismus neuronale Assemblierungen bilden und aufrechterhalten, deren Projektion und Assoziation über mehrere Hirnareale hinweg unterstützen und eine visuell-auditive Assoziationsaufgabe mit mehrdeutigen Reizen lösen konnte.

Unsere Ergebnisse

Die kontextabhängige Hemmung ermöglichte es, die Plastizität lokal an einzelnen Dendriten zu aktivieren. Dadurch konnten Neuronen über verschiedene dendritische Verzweigungen an unterschiedlichen, sich überschneidenden Verbundstrukturen teilnehmen, ohne zuvor gelernte Verbindungen zu löschen. Die daraus resultierenden Verbundstrukturen konnten anhand partieller Eingaben zuverlässig abgerufen und durch Projektionen und Assoziationen über Gehirnbereiche hinweg kombiniert werden. In einer visuell-auditorischen Aufgabe trennten kontextspezifische Verbundstrukturen in einem nachgeschalteten Bereich erfolgreich visuell mehrdeutige Reize, die allein anhand visueller Informationen nicht unterschieden werden konnten.

Die Implikationen

Unser Modell liefert einen biologisch fundierten Mechanismus, wie neuronale Schaltkreise flexibles Lernen mit stabilem Gedächtnis verbinden könnten. Die dendritspezifische Steuerung der Plastizität könnte daher ein wichtiges Prinzip für komplexe Gehirnprozesse sein und auch neue Ansätze für kontinuierliches Lernen in künstlichen neuronalen Netzwerken inspirieren.

Synergien schaffen

Die Studie wurde von Sebastian Onasch, Christoph Miehl, M. Maurycy Miękus und unserem SyNergy-Mitglied Julijana Gjorgjieva durchgeführt. Die Arbeit verbindet die computergestützte Neurowissenschaft an der TUM und der University of Chicago und vereint Fachwissen in den Bereichen synaptische Plastizität, dendritische Berechnung und inhibitorische Schaltkreise, um zelluläre Mechanismen mit Berechnungen zu verknüpfen, die sich über mehrere Hirnareale erstrecken.