Derzeit werden große Anstrengungen unternommen, um die Netzwerkstruktur des Gehirns auf verschiedenen Skalen zu untersuchen: Von der detaillierten Konnektivität lokaler neuronaler Schaltkreise mit wenigen Neuronen bis zu den großskaligen Verbindungsmustern zwischen ganzen Hirnarealen, die hunderte Millionen von Nervenzellen umfassen. Die Multiskalen-Struktur wird sowohl auf anatomisch-struktureller Ebene untersucht, als auch auf der funktionellen Ebene, die durch die Aktivitätsmuster der neuronalen Elemente definiert wird. Da sich sowohl anatomische als auch funktionelle Verbindungsmuster über verschiedene Zeitskalen hinweg verändern, ist auch die Dynamik der Konnektivität des Gehirns und ihre Beziehung zu Lernen und Adaptation von großer Wichtigkeit. Kürzlich erzielte Fortschritte bei den experimentellen Methoden sowie der stetige Fortschritt der Informationstechnologie haben zu verbesserten Rekonstruktionen von kleinen Schaltkreisen auf der Skala von einigen Millimetern und großskaligen Verschaltungsmustern zwischen ganzen Hirnarealen in verschiedenen Spezies geführt. „High throughput“ Ansätze versprechen Datensätze von nie dagewesener Größe in nie dagewesener Geschwindigkeit zu produzieren. Aber genauso wie die Entschlüsselung des Genoms nicht bedeutet hat, dass wir nun genetische Netzwerke verstehen, wird das Kartieren des Gehirns nicht bedeuten, dass wir dann seine Funktion verstehen.

Um größtmöglichen Gewinn aus den neuen technologischen Entwicklungen zu schlagen, muss die Verfeinerung experimenteller Methoden von korrespondierenden theoretischen und rechnerischen Entwicklungen begleitet werden. Insbesondere, in dem Maße wie die experimentellen Techniken reifen, gibt es einen wachsenden Bedarf für die Entwicklung neuer rechnerischer Ansätze, um die automatische Rekonstruktion der Verschaltungspläne, die mit verschiedenen experimentellen Ansätzen gewonnen werden, zu erleichtern, die Kuration und open-access Verbreitung von großen Datensätzen zu unterstützen, die komplexen Netzwerkstrukturen systematisch zu untersuchen und diese Datensätze rechnerisch zu Modellieren und schließlich zu verstehen. Das Computational Connectomics Schwerpunktprogramm stellt sich diesem wachsenden Bedarf. Es hat drei Komponenten: (A) systematische Konnektivitäts(re)konstruktion, Kuration und Verbreitung, (B) rechnergestützte Analyse komplexer Netzwerke des Gehirns sowie (C) Computermodellierung und Theorie.

Weitere Informationen gibt es auf der Projektwebseite: