guest ::
| 001 | 1022540 | ||
| 005 | 20260204083655.0 | ||
| 024 | 7 | _ | |2 HBZ |a HT031333924 |
| 024 | 7 | _ | |2 Laufende Nummer |a 44971 |
| 024 | 7 | _ | |2 datacite_doi |a 10.18154/RWTH-2025-10094 |
| 037 | _ | _ | |a RWTH-2025-10094 |
| 041 | _ | _ | |a English |
| 082 | _ | _ | |a 610 |
| 100 | 1 | _ | |0 P:(DE-588)1383478929 |a Maxion, Anna |b 0 |u rwth |
| 245 | _ | _ | |a Computational modelling of human electrophysiological data |c vorgelegt von Master of Science Anna Maxion |h online |
| 260 | _ | _ | |a Aachen |b RWTH Aachen University |c 2025 |
| 260 | _ | _ | |c 2026 |
| 300 | _ | _ | |a 1 Online-Ressource : Illustrationen |
| 336 | 7 | _ | |0 2 |2 EndNote |a Thesis |
| 336 | 7 | _ | |0 PUB:(DE-HGF)11 |2 PUB:(DE-HGF) |a Dissertation / PhD Thesis |b phd |m phd |
| 336 | 7 | _ | |2 BibTeX |a PHDTHESIS |
| 336 | 7 | _ | |2 DRIVER |a doctoralThesis |
| 336 | 7 | _ | |2 DataCite |a Output Types/Dissertation |
| 336 | 7 | _ | |2 ORCID |a DISSERTATION |
| 500 | _ | _ | |a Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2026 |
| 502 | _ | _ | |a Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025, Kumulative Dissertation |b Dissertation |c Rheinisch-Westfälische Technische Hochschule Aachen |d 2025 |g Fak10 |o 2025-11-07 |
| 520 | 3 | _ | |a In zwei sich ergänzenden Studien werden klinische Herausforderungen bei neuropathischen Schmerzen und die Auswirkungen neuroaktiver Medikamente auf die Gehirnaktivität mithilfe von computergestützten Modellen und Methoden untersucht. In-silico-Modellierung und Pipelines zur Analyse von Open-Access Daten werden genutzt, um komplexe neuronale Dynamiken aufzudecken, die mit Small-Fiber-Neuropathie (SFN) und der Wirkung von neuroaktiven Medikamenten auf elektrische Hirnaktivität in Verbindung stehen. Beide Ansätze zeigen den Nutzen von rechnergestützen Verfahren bei der Lösung von komplexen klinischen Problemen und der Verbesserung der Präzision in der neurologischen Forschung. In der ersten Studie liegt der Schwerpunkt auf Patienten mit SFN, die häufig unter anhaltenden neuropathischen Schmerzen leiden, die eine große therapeutische Herausforderung darstellen. Die Studie untersucht Funktionsstörungen in mechanoinsensitiven peripheren Nervenfasern (CMi), als mögliche Ursache für SFN-bedingte Schmerzen. CMi-Fasern sind für die Übertragung von noxischen Reizen zum zentralen Nervensystem verantwortlich. Mit Hilfe eines biophysikalischen In-silico-Modells, welches das Verhalten und die Leitfähigkeit von Ionenkanälen in CMi-Fasern simuliert, wollten wir die molekularen Mechanismen aufdecken, die zur CMi-Dysfunktion beitragen. Mikroneurographiedaten von 97 gesunden Personen und 34 SFN-Patienten wurden analysiert, wobei sich aktivitätsabhängige Veränderungen der Leitungsgeschwindigkeit als ein charakteristisches Merkmal bei SFN-Patienten im Vergleich zu Gesunden zeigte. In der Studie wurde die NEURON-Simulationsumgebung verwendet, um ein bestehendes Nervenfasermodell anzupassen und zu untersuchen, wie verschiedene Kombinationen von Ionenkanalleitfähigkeiten, der Dynamik der Na-K-Pumpe und des Membranpotenzials zu den beobachteten Leitfähigkeitsänderungen beitragen. Es konnte gezeigt werden, dass eine Kombination aus erhöhter Kaliumleitfähigkeit, verringerter Na-K-Pumpenaktivität und einem depolarisierten Membranpotenzial das Profil der SFN-Dysfunktion am besten wiedergibt. Die Ergebnisse unterstreichen, dass es für wirksame therapeutische Strategien bei SFN-bedingten neuropathischen Schmerzen wichtig sein kann, das Zusammenspiel mehrerer neuronaler Mechanismen zu betrachten. Die zweite Studie befasst sich mit der effizienten Analyse der Auswirkungen neuroaktiver Medikamente auf die Gehirnaktivität anhand von elektroenzephalographischen (EEG) Daten. Es wurde eine computergestützte Open-Source-Pipeline entwickelt, welche umfangreiche EEG-Datensätze des Temple University Hospital nutzt, um die Untersuchung medikamentenspezifischer neuronaler Muster der elektrischen Hirnaktivität zu erleichtern. Dies liefert den Vorteil, dass große, bereits verfügbare Datensätze genutzt werden können, ohne neue Patienten zu rekrutieren. Die in modulare Komponenten gegliederte Pipeline ermöglicht es, spezifische einzelne Medikamente oder Medikamentengruppen, sowie Kontrollgruppen für die Analyse zu definieren. Durch eine standardisierte Datenvorverarbeitung und statistische Analyse werden konsistente und reproduzierbare Ergebnisse geliefert. Beispielhaft wurden die Medikamente Carbamazepin (Antikonvulsivum) und Risperidon (Antipsychotikum) mit zwei verschiedenen Kontrollgruppen verglichen. Die erste Kontrollgruppe bestand aus Personen, deren EEG als „normal“ gekennzeichnet wurde, während in der zweiten Gruppe Personen betrachtet wurden, die andere Medikamente aus derselben Klasse (Antikonvulsivum bzw. Antipsychotikum) erhielten. Die erzielten Ergebnisse der Pipeline zeigten eine gute Übereinstimmung mit aktuellen Forschungsergebnissen. Die Pipeline bietet einen rationalisierten Ansatz für die Prüfung von Hypothesen über Arzneimittelwirkungen in EEG-Daten und unterstützt damit eine effiziente, reproduzierbare EEG-Analyse. Diese Studien zeigen die unterstützende Rolle von Computermethoden bei der Beantwortung komplexer neurologischer Fragen. Durch die Modellierung der Beiträge von Ionenkanälen zu SFN-Schmerzen in silico schlägt die erste Studie einen Multi-Target-Ansatz für die Behandlung vor und deutet darauf hin, dass klinische Strategien durch die Berücksichtigung der integrierten Effekte verschiedener neuronaler Bahnen optimiert werden könnten. Die zweite Studie stellt durch die Entwicklung einer Pipeline für die EEG-Analyse ein skalierbares und anpassungsfähiges Instrument vor, mit dem untersucht werden kann, wie verschiedene neuroaktive Medikamente die Gehirnaktivität modulieren - ein potenzieller Vorteil für die Planung von Studien und klinischen Versuchen. Diese Studien veranschaulichen, wie die computergestützte Neurowissenschaft die Präzision und Zugänglichkeit der neurologischen Forschung erweitern kann, und bieten neue Möglichkeiten, die komplexen Mechanismen neuropathischer Schmerzen und medikamenteninduzierter neuronaler Veränderungen zu erforschen. |l ger |
| 520 | _ | _ | |a In two complementary studies, computational tools address clinical challenges in neuropathic pain and the effects of neuroactive medications on brain activity. We leveraged in-silico modeling and open-access data analysis pipelines to uncover complex neural dynamics associated with small fiber neuropathy (SFN) and the effect of neuroactive drugs on electrical brain activity. Both approaches demonstrate the utility of computational tools in finding solutions to complex clinical problems and advancing precision in neurological research. In the first study, the focus is on patients with SFN, who frequently experience persistent neuropathic pain, which remains a significant therapeutic challenge. The study examines dysfunction in mechanoinsensitive peripheral nerve fibers (CMi) as a potential cause of SFN-related pain. CMi fibers are responsible for transmitting noxious stimuli to the central nervous system. Using an in-silico biophysical model adapted to simulate ion channel behaviors and conductances in CMi fibers, we aimed to pinpoint molecular mechanisms contributing to CMi dysfunction. Microneurography data from 97 healthy individuals and 34 SFN patients were analyzed, revealing activity-dependent conduction velocity changes as a distinguishing feature in SFN patients compared to healthy individuals. The study employed the NEURON simulation environment, adapting an existing computational CMi fiber model to investigate how different combinations of ion channel conductances, Na-K pump dynamics, and membrane potential contribute to these observed conduction changes. Importantly, it was discovered that a combination of increased potassium conductance, reduced Na-K-pump activity, and a depolarized membrane potential best replicated the SFN dysfunction profile. The findings underscore that considering the interaction of multiple neural mechanisms may be essential for effective therapeutic strategies in SFN-related neuropathic pain. The second study focuses on the efficient analysis of effects of neuroactive medication on brain activity using electroencephalographic (EEG) data. An open-source computational pipeline was developed to utilize extensive EEG datasets from the Temple University Hospital to facilitate the study of drug-specific neural patterns of electrical brain activity. This offers the benefit that large, already available data sets can be used without recruiting new patients. The pipeline, structured into modular components, enables users to define specific individual medications or groups of medications and control groups for analysis. Standardized data preprocessing and statistical analysis provide consistent and reproducible results. As an example, the drugs carbamazepine (anticonvulsant) and risperidone (antipsychotic) were compared with two different control groups. The first control group consisted of people whose EEG was labeled as “normal”, while the second group consisted of people who received other drugs from the same class (anticonvulsant or antipsychotic, respectively). The results obtained from the pipeline showed good agreement with current research findings. The pipeline supports efficient, reproducible EEG analysis by offering a streamlined approach for testing hypotheses on drug effects in EEG data, with implications for future clinical research. Together, these studies highlight the role of computational methods in addressing complex neurological questions. By modeling ion channel contributions to SFN pain in silico, the first study proposes a multi-target approach to treatment, suggesting that clinical strategies could be optimized by considering the integrated effects of various neural pathways. The second study, by establishing a pipeline for EEG analysis, introduces a scalable and adaptable tool for exploring how different neuroactive drugs modulate brain activity, a potential asset for study design and clinical trials. These studies illustrate how computational neuroscience can expand the precision and accessibility of neurological research, offering new ways to address the complex mechanisms of neuropathic pain and medication-induced neural changes. |l eng |
| 588 | _ | _ | |a Dataset connected to Lobid/HBZ |
| 591 | _ | _ | |a Germany |
| 653 | _ | 7 | |a C-fiber axon |
| 653 | _ | 7 | |a EEG |
| 653 | _ | 7 | |a antipsychotics |
| 653 | _ | 7 | |a antiseizure |
| 653 | _ | 7 | |a computational psychiatry |
| 653 | _ | 7 | |a drug-induced slowings |
| 653 | _ | 7 | |a electroencephalography |
| 653 | _ | 7 | |a epilepsy |
| 653 | _ | 7 | |a in-silico model |
| 653 | _ | 7 | |a microneurography |
| 653 | _ | 7 | |a neuron |
| 653 | _ | 7 | |a neuropathic pain |
| 653 | _ | 7 | |a open science |
| 653 | _ | 7 | |a reusable data |
| 653 | _ | 7 | |a simulation |
| 653 | _ | 7 | |a voltage-gated ion channels |
| 700 | 1 | _ | |0 P:(DE-82)785015 |a Namer, Barbara |b 1 |e Thesis advisor |
| 700 | 1 | _ | |0 P:(DE-82)1027951 |a Tigerholm, Jenny |b 2 |e Thesis advisor |u rwth |
| 787 | 0 | _ | |0 RWTH-2024-08019 |i RelatedTo |
| 787 | 0 | _ | |0 RWTH-CONV-252057 |i RelatedTo |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/1022540/files/1022540.pdf |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/1022540/files/1022540_source.docx |y Restricted |
| 909 | C | O | |o oai:publications.rwth-aachen.de:1022540 |p openaire |p open_access |p VDB |p driver |p dnbdelivery |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-588)1383478929 |a RWTH Aachen |b 0 |k RWTH |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-82)1027951 |a RWTH Aachen |b 2 |k RWTH |
| 914 | 1 | _ | |y 2025 |
| 915 | _ | _ | |0 StatID:(DE-HGF)0510 |2 StatID |a OpenAccess |
| 920 | 1 | _ | |0 I:(DE-82)529500-2_20161213 |k 900003 |l Interdisziplinäres Zentrum für Klinische Forschung - IZKF Aachen |x 0 |
| 920 | 1 | _ | |0 I:(DE-82)510000-1_20140620 |k 510000-1 ; 900000 |l Medizinische Fakultät |x 1 |
| 980 | _ | _ | |a I:(DE-82)510000-1_20140620 |
| 980 | _ | _ | |a I:(DE-82)529500-2_20161213 |
| 980 | _ | _ | |a UNRESTRICTED |
| 980 | _ | _ | |a VDB |
| 980 | _ | _ | |a phd |
| 980 | 1 | _ | |a FullTexts |
| Library | Collection | CLSMajor | CLSMinor | Language | Author |
|---|