Dietmar Schmitz Prof. Dr.

Dietmar Schmitz erforscht die neuronalen Mechanismen der Gedächtnisbildung und -konsolidierung, insbesondere die Rolle von Netzwerkaktivität im Hippocampus. Sein aktueller Fokus liegt auf der Entwicklung und dem Einsatz genetisch kodierter optischer Werkzeuge (wie Kalzium- und Spannungssensoren sowie lichtgesteuerte Kanäle), um neuronale Aktivitätsmuster während Gedächtnisprozessen zu beobachten und gezielt zu manipulieren. Konkret untersucht er, wie sogenannte Sharp-Wave-Ripple-Komplexe — kurze Phasen koordinierter Neuronenaktivität — die Verfestigung von Erinnerungen steuern und wie spezifische Zellpopulationen und Verschaltungsmuster dabei zusammenwirken. Die Erkenntnisse sind relevant für das Verständnis von Lernstörungen und neurodegenerativen Erkrankungen sowie potenziell für die Entwicklung von Interventionen bei Gedächtnisstörungen.

🔒 Das System hat 46 mögliche Industrie-Partner gefunden — Firmen, Scores und Begründungen sind nur für eingeloggte Nutzer:innen sichtbar. Anmelden

• SFB 1315/1: Zur Rolle von synaptischer Disinhibition bei der hippokampalen Gedächtniskonsolidierung (TP A01)

  Quelle ↗

  Sharp wave ripple-Komplexe sind kurze (50-100 ms) Episoden koordinierter, massiver neuronaler Aktivität im Hippocampus. Diese Episoden vermitteln die Konsolidierung expliziter Gedächtnisinhalte. Deren Unterdrückung jedoch verhindert sie. Die Mechanismen zur Steuerung der Dynamik von sharp wave ripple-Komplexen sind jedoch unbekannt. Um deren funktionelle Rolle bei der Gedächtniskonsolidierung besser zu verstehen, beabsichtigen wir die Entschlüsselung der relevanten Mikro-Schaltkreise, die das rasche Anwachsen und Abklingen neuronaler Aktivität und die Intervalle zwischen den Episoden kontrollieren. Wir schlagen Disinhibition als ein zentrales Netzwerkmotiv vor und planen diese Hypothese mit Hilfe eines Theorie-Experiment-Ansatzes zu testen.

• SFB 1315/1: Entwicklung molekularer Werkzeuge zur Manipulation und Untersuchung von Gedächtnisspuren (TP C01)

  Quelle ↗

  In den letzten zehn Jahren hat die Anzahl, Vielfalt und Spezifität von optischen und genetischen Werkzeugen, die neuronale Aktivität melden oder modifizieren, wie Kalzium- und Spannungssensoren oder lichtgesteuerte Kanäle und lichtgetriebene Pumpen, exponentiell zugenommen. Viele, wenn nicht sogar die meisten Labore verwenden jetzt genetisch kodierte Werkzeuge, um Forschungsfragen anzugehen, jedoch bleibt die Zugänglichkeit dieser Werkzeuge begrenzt. In diesem SFB werden wir maßgeschneiderte, auf viralen Vektoren basierende Werkzeuge anbieten, die für die Untersuchung der Mechanismen der Gedächtniskonsolidierung optimiert sind. Bei der Auswahl der Werkzeuge werden zwei Hauptparameter berücksichtigt: die räumliche Eingrenzung solcher Werkzeuge (d.h. die beteiligten Neuronen und Schaltkreise) und ihre biophysikalischen Eigenschaften, um den experimentellen Bedingungen und der Biologie der Gedächtniskonsolidierung zu entsprechen. Diese Werkzeuge haben sich in letzter Zeit über die einfache Manipulation hinaus weiterentwickelt und erlauben es den Forschern im CRC, neuronale Schaltkreise zu manipulieren, zu untersuchen oder zu rekonstruieren. Wie Gedächtnisschaltungen konsolidiert werden kann auch durch die Untersuchung der Genexpression in den beteiligten Neuronen untersucht werden. Die Korrelation der Genexpression mit Konnektivitätsmustern kann besonders nützlich sein, um die zugrundeliegenden Mechanismen der Gedächtnisbildung zu beschreiben und anatomische Marker für Neuronen zu liefern, die an den Gedächtnis-Engrammen beteiligt sind. Dies kann durch den Einsatz der Transkriptomanalyse mittels Einzelzell-RNA-Sequenzierung erreicht werden. Kenntnisse in Molekularbiologie, Zellbiologie, Physiologie und Bioinformatik sind erforderlich, um die oben genannten Werkzeuge zu entwickeln, sowie die Ergebnisse ihrer Anwendung zu analysieren und zu verstehen. Das C01-Projekt wird als Drehscheibe für die Forschung zur Entwicklung und Herstellung von Werkzeugen dienen, um die Schaltkreisanalyse auf morphologischer, molekularer und funktioneller Ebene zu unterstützen.

Noch keine Publikationen aus OpenAlex zugeordnet.