Neurobiologen haben seit über einem Jahrhundert versucht, das Gehirn zu karten – zunächst mit bloßem Auge und Stift, später mit fortschrittlichen molekularen Methoden. Doch selbst mit heute verfügbaren Daten aus Millionen einzelner Zellen bleibt die Gehirnarchitektur oft unklar und widersprüchlich. Bosiljka Tasic vom Allen Institute for Brain Science und ihr Team haben nun eine bahnbrechende Lösung entwickelt: Sie nutzten künstliche Intelligenz, um aus genetischen Daten von fünf Mausgehirnen – insgesamt 10,4 Millionen Zellen – präzise, neue neuronale Nachbarschaften zu erkennen. Ihr Algorithmus, CellTransformer, analysiert nicht nur einzelne Zellen, sondern deren räumliche Beziehungen. Dabei lernt er, wie verschiedene Zelltypen in Gruppen organisiert sind, ähnlich wie man aus der Mischung von Gebäuden in einer Stadt einen Stadtteil erkennt. Mit diesem Ansatz identifizierten sie zwischen 25 und 1.300 bisher unbekannte oder unzureichend definierte Subregionen im Mausgehirn, darunter feinere Unterteilungen im Striatum (Caudoputamen), das bisher als einheitlicher Bereich galt, obwohl es offenbar verschiedene Funktionen erfüllt. Die Ergebnisse stimmten mit bereits bestehenden Karten überein, aber auch mit neuen, durch Verbindungsanalysen gewonnenen Erkenntnissen – ein starkes Indiz für ihre Biologische Relevanz. Besonders beeindruckend: Die KI erkannte auch neue Zellgruppen im mittleren Hirnstamm, die früher in anderen Regionen verortet wurden. Das Verfahren wurde in Nature Communications vorgestellt und könnte künftig auch auf menschliche Gehirne angewendet werden, sobald ausreichend genetische Daten vorliegen. Obwohl menschliche Gehirne mit etwa 170 Milliarden Zellen deutlich komplexer sind als die von Mäusen, ist das Potenzial riesig. Mit zusätzlichen Daten – etwa aus Verbindungsstudien – könnte CellTransformer nicht nur räumliche Strukturen, sondern auch funktionelle Netzwerke abbilden. Experten wie Claudia Doege von der Columbia University sehen darin eine Revolution in der neurologischen Forschung: „Je detaillierter unsere Karten sind, desto gezielter können wir Fragen stellen und Eingriffe planen.“ Die Methode könnte auch auf andere Organe übertragen werden, etwa zur Analyse von Nieren bei Diabetes. Tasic und Abbasi-Asl sehen die KI nicht als Ersatz für Wissenschaftler, sondern als entscheidenden Partner. Wie Yongsoo Kim von der Penn State University sagt: „Entdeckungen werden dramatisch beschleunigt.“ Die Karte ist nur der Anfang – die wahre Herausforderung liegt nun in der Funktionserforschung dieser neuen Nachbarschaften.