Das Amygdala-Konnektom der Ratte - RosDok - Universität Rostock

4 Diskussion
In der Diskussion sollen zunächst die wichtigsten Parameter des LRdO und HRTT-
Netzwerkes zusammengefasst und Unterschiede herausgestellt werden. Anschließend erfolgt
eine kritische Betrachtung der Methode (Tract-Tracing-Studien) und der eigenen Ergebnisse.
Es werden andere Arbeitsansätze diskutiert und Alleinstellungsmerkmale der Thematik
herausgearbeitet. Abschließend soll ein methodischer Ausblick und Möglichkeiten zur
Weiterarbeit mit der Thematik gegeben werden.
4.1 Zusammenfassung der Ergebnisse
LRdO ist eine überschaubarere Gliederung des Mandelkernes mit einer hohen intrinsischen
Vernetzung, welche aus 32 Kernen auf 6 Gliederungsstufen besteht. Das HRTT-Netzwerk der
Amygdala hingegen ist ein großes Netzwerk mit vielen Konnektivitäten, welches sich über 9
Gliederungsebenen erstreckt und insgesamt 278 Kerne beinhaltet. Wichtige Kerne innerhalb
der Amygdala nach der Gliederung von de Olmos (2004) (LRdO) sind der Basomedial
amygdaloid nucleus, der Central amygdaloid nucleus für den extrinsischen Input und Output,
der Medial amygdaloid nucleus und der Basolateral amygdaloid nucleus für den extrinsischen
Output. Sie sind intensiv intrinsisch vernetzt und haben Katz-Werte, EC- und Shapley-Werte,
die für eine große Bedeutsamkeit dieser Regionen im Amygdalanetzwerk sprechen.
Die wichtigsten Kerne für das intrinsische Netzwerk der Amygdala nach der HRTT-Methode
sind der Anterior und Posterior cortical nucleus. HRTT ist größer sowie weniger stark
vernetzt und zeigt bei der Auswertung der globalen Netzwerkparameter Eigenschaften,
welche im kleinen LRdO nicht so deutlich erkennbar sind. Beispielhaft soll hier noch einmal
die Small-Worldness und Skalenfreiheit genannt werden. Wie Barabási und Bonabeau (2004)
bemerkten, ist für das (menschliche) Gehirn eine Skalenfreiheit noch nicht nachgewiesen.
Eine Analyse der Verteilung der Zahl der Konnektivitäten an den Knoten der Amygdala hat
im intrinsischen Netzwerk der Amygdala nach der Gliederung von de Olmos (2004) keine
Ähnlichkeit mit der Potenzfunktion, was gegen eine eindeutige Skalenfreiheit spricht. Öffnet
man jedoch die Gliederung bis auf die Ebene der letzten Blätter (Abbildung 64), so ergibt sich
ein Verlauf, welcher der Potenzfunktion ähnelt. Da dies der sehr grobgranulären (Low
Resolution) Gliederung von de Olmos (2004) nicht mehr entspricht, handelt es sich bei
diesem Netzwerk also um ein eher skalierbares Netzwerk. Ebenso weist die Amygdala nach
der Einteilung von Pitkänen (2000) eine relativ geringe Gliederungsauflösung (ungeöffnete
Teilbäume) auf und keine Skalenfreiheit. Die Verteilung der Kanten ähnelt eher einer
Poisson-Verteilung (siehe Abbildung 67 im Abbildungsanhang).
88