paper place Archiv Zentrum für Psychische Gesundheit (ZEP)

Neurale Korrelate der menschlichen Angstkonditionierung und Ursachen für Variabilität

Martin Herrmann vom Zentrum für Psychische Gesundheit war an einer internationalen Kooperation beteiligt, die die bislang größte Untersuchung zu den neuronalen Mechanismen der Furchtkonditionierung beim Menschen durchführte.

Die Nervenzellen und Unterschiede zwischen den Menschen bei der Angstkonditionierung. Hier ist eine schematische Darstellung der Analyseebenen (a). Das Gehirn von CS+ ist aktiver (b) und auch inaktivierter (c) als das von CS-. Das wurde mit einer Mega-Analyse (n = 1888 gesunde Kontrollpersonen) herausgefunden. Hier ist ein Bild, das zeigt, wie der normative Modellierungsrahmen (d) aussieht. Normative Wahrscheinlichkeitskarten zeigen den Prozentsatz der Teilnehmer in der gesunden Kontrollteststichprobe, die positive (warme Farben – rechts) oder negative Abweichungen (kühle Farben – links) >±2,6 innerhalb jedes Voxels aufwiesen. Der Kreis zeigt, dass es oft große Unterschiede in der ventralsten Region des vmPFC gibt (e).
Neuronale Korrelate und Heterogenität auf individueller Ebene bei der menschlichen Angstkonditionierung. Schematische Darstellung der Analyseebenen (a). Signifikante funktionelle Aktivierung (b) und Deaktivierung (c) des Gehirns bei CS+ im Vergleich zu CS−, ermittelt durch Mega-Analyse (n = 1888 gesunde Kontrollpersonen). Schematische Darstellung des normativen Modellierungsrahmens (d). Normative Wahrscheinlichkeitskarten veranschaulichen den Prozentsatz der Teilnehmer in der gesunden Kontrollteststichprobe, die positive (warme Farben – rechts) oder negative Abweichungen (kühle Farben – links) >±2,6 innerhalb jedes Voxels aufwiesen. Der Kreis hebt häufige große Abweichungen (sowohl positive als auch negative) innerhalb der ventralsten Region des vmPFC hervor (e). AIC anteriorer insularer Kortex, AG Gyrus angularis, CN Nucleus caudatus, dACC dorsaler anteriorer cingulärer Kortex, dlPFC dorsolateraler präfrontaler Kortex, dPFC dorsaler präfrontaler Kortex, dPons dorsale Pons, dPrec dorsaler Precuneus, Hipp Hippocampus, HYP Hypothalamus, lOFC lateraler orbitofrontaler Kortex, PCC posteriorer cingulärer Kortex, SI primärer somatosensorischer Kortex, SII sekundärer somatosensorischer Kortex, SMA supplementärer motorischer Bereich, TG temporaler Gyrus, Thal Thalamus, vmPFC ventromedialer präfrontaler Kortex.

Die im Fachjournal Nature Communications veröffentlichte Studie umfasst funktionelle MRT-Daten von 2.199 Personen aus 74 Laboren weltweit. Die Analyse zeigt konsistente Aktivierungen zentraler Strukturen der Angstverarbeitung, insbesondere der Amygdala, des anterioren cingulären Cortex und der Insula, während der Furchtkonditionierung. Darüber hinaus wurden systematische Quellen individueller Variabilität identifiziert, darunter Alter, Geschlecht, Stresslevel und Unterschiede in den experimentellen Paradigmen. Die Studie entstand im Rahmen der ENIGMA-Fear-Conditioning-Initiative, an der Forschungseinrichtungen aus Europa, Nord- und Südamerika, Asien und Australien beteiligt waren. Die Ergebnisse bilden eine empirische Grundlage für zukünftige Studien zu den neurobiologischen Mechanismen von Angst- und Traumafolgestörungen.

Radua J, Savage HS, Vilajosana E, Jamieson A, Abler B, Åhs F, Beckers T, Cardoner N, Cisler JM, Diniz JB, Bach DR, Elsenbruch S, Greening SG, Holt DJ, Kaczkurkin AN, Keil A, Kindt M, Koch K, LaBar KS, Lam CL, Larson CL, Lonsdorf TB, Merz CJ, McLaughlin KA, Neria Y, Pine DS, van Reekum CM, Shackman AJ, Soriano-Mas C, Spoormaker VI, Stout DM, Straube B, Straube T, Tuominen L, Visser RM, Ahumada L, Arolt V, Batistuzzo MC, Bazán PR, Biggs EE, Cano M, Chavarría-Elizondo P, Cooper SE, Dannlowski U, de la Peña-Arteaga V, DeCross SN, Domschke K, Ehlers MR, Graner JL, Hamm AO, Herrmann MJ, Huggins AA, Icenhour A, Juaneda-Seguí A, Junghoefer M, Kircher T, Koelkebeck K, Kuhn M, Labrenz F, Lissek SM, Lotze M, Lueken U, Margraf J, Martínez-Zalacaín I, Moeck R, Morriss J, Ortuño M, Pittig A, Porta-Casteras D, Richter J, Ridderbusch IC, Rief W, Roesmann K, Rosén J, Rußmann AN, Sjouwerman R, Spohrs J, Ströhle A, Suarez-Jimenez B, Ulrich M, Wittchen HU, Zhu X, Waller L, Walter H, Thompson PM, Bas-Hoogendam JM, Groenewold NA, J Stein D, Van der Wee NJ, Dunsmoor JE, Marquand AF, J Harrison B, Fullana MA. Neural correlates of human fear conditioning and sources of variability in 2199 individuals. Nat Commun. 2025 Aug 23;16(1):7869. https://doi.org/10.1038/s41467-025-63078-x

Die Nervenzellen und Unterschiede zwischen den Menschen bei der Angstkonditionierung. Hier ist eine schematische Darstellung der Analyseebenen (a). Das Gehirn von CS+ ist aktiver (b) und auch inaktivierter (c) als das von CS-. Das wurde mit einer Mega-Analyse (n = 1888 gesunde Kontrollpersonen) herausgefunden. Hier ist ein Bild, das zeigt, wie der normative Modellierungsrahmen (d) aussieht. Normative Wahrscheinlichkeitskarten zeigen den Prozentsatz der Teilnehmer in der gesunden Kontrollteststichprobe, die positive (warme Farben – rechts) oder negative Abweichungen (kühle Farben – links) >±2,6 innerhalb jedes Voxels aufwiesen. Der Kreis zeigt, dass es oft große Unterschiede in der ventralsten Region des vmPFC gibt (e).
Neuronale Korrelate und Heterogenität auf individueller Ebene bei der menschlichen Angstkonditionierung. Schematische Darstellung der Analyseebenen (a). Signifikante funktionelle Aktivierung (b) und Deaktivierung (c) des Gehirns bei CS+ im Vergleich zu CS−, ermittelt durch Mega-Analyse (n = 1888 gesunde Kontrollpersonen). Schematische Darstellung des normativen Modellierungsrahmens (d). Normative Wahrscheinlichkeitskarten veranschaulichen den Prozentsatz der Teilnehmer in der gesunden Kontrollteststichprobe, die positive (warme Farben – rechts) oder negative Abweichungen (kühle Farben – links) >±2,6 innerhalb jedes Voxels aufwiesen. Der Kreis hebt häufige große Abweichungen (sowohl positive als auch negative) innerhalb der ventralsten Region des vmPFC hervor (e). AIC anteriorer insularer Kortex, AG Gyrus angularis, CN Nucleus caudatus, dACC dorsaler anteriorer cingulärer Kortex, dlPFC dorsolateraler präfrontaler Kortex, dPFC dorsaler präfrontaler Kortex, dPons dorsale Pons, dPrec dorsaler Precuneus, Hipp Hippocampus, HYP Hypothalamus, lOFC lateraler orbitofrontaler Kortex, PCC posteriorer cingulärer Kortex, SI primärer somatosensorischer Kortex, SII sekundärer somatosensorischer Kortex, SMA supplementärer motorischer Bereich, TG temporaler Gyrus, Thal Thalamus, vmPFC ventromedialer präfrontaler Kortex.
Nervenzellen von ADHS-Patienten zeigen eine dysregulierte glutamaterge Entwicklung

ADHS ist eine Entwicklungsstörung des Gehirns, die mit Unaufmerksamkeit, Impulsivität und Überaktivität einhergeht. Forschende des Zentrums für Psychische Gesundheit entwickelten mit menschlichen Stammzellen ein Modell, um die Nervenzellen von ADHS-Betroffenen mit denen gesunder Personen zu vergleichen.

Dabei zeigte sich, dass sich die Nervenzellen von ADHS-Patienten zwar normal bilden, aber anders funktionieren: Sie produzierten weniger des wichtigen Botenstoffs Glutamat und zeigten eine schwächere Signalübertragung. Diese Ergebnisse deuten darauf hin, dass Störungen im Glutamat-System eine wichtige Rolle bei ADHS spielen könnten und somit ein neuer Ansatzpunkt für zukünftige Medikamente sein könnten.

Rhiannon Victoria McNeill, Zora Schickardt, Franziska Radtke, Robert Blum & Sarah Kittel-Schneider. hiPSC-derived cortical neurons from ADHD individuals reveal dysregulated glutamatergic development. Mol Psychiatry. 2025 Sep 19.https://doi.org/10.1038/s41380-025-03213-8 Epub ahead of print. PMID: 40973785.

Angstreaktionen werden durch die Eigenschaften einer virtuellen Figur gemildert

In einer Kooperationsstudie haben die Klinik für Psychiatrie, Psychotherapie und Psychosomatik und der Lehrstuhl für Mensch-Computer Interaktion der Universität Würzburg untersucht, wie sich die virtuelle soziale Anwesenheit auf autonome Angstreaktionen auswirkt.

Vier Aufnahmen des virtuellen Raumes mit besetzten Stühlen.
Die Verkörperungen der im Experiment verwendeten virtuellen Figur, v.l.n.r.: Wolke, Holzfigur, weiblich, männlich. Im ersten Versuch wurden die Probandinnen mit einem neutralen Klang konfrontiert, im zweiten Versuch mit einem aversiven Geräusch. © Weiß, Krop et al., Computers in Human Behavior, 2025.

Die Ergebnisse zeigten, dass die Anwesenheit eines virtuellen Charakters die autonome Angstreaktion (hier gemessen mit Hautleitwert) reduzieren kann, die Merkmale des virtuellen Charakters dabei aber eine wichtige Rolle spielen. Angstmindernde Effekte traten bei Anwesenheit eines weiblichen Charakters und bei Anwesenheit einer Holzpuppe mit sozialer Bedeutung auf, konnten aber bei Anwesenheit eines männlichen Charakters nicht beobachtet werden. Diese Erkenntnisse spielen eine wichtige Rolle für die Entwicklung virtueller Interventionen.

Details zur Studie und den Vorgängerstudien finden Sie in der Pressemeldung „Virtuelle Begleiter gegen reale Ängste“.

Martin Weiß, Philipp Krop, Lukas Treml, Elias Neuser, Mario Botsch, Martin J. Herrmann, Marc Erich Latoschik, Grit Hein. The buffering of autonomic fear responses is moderated by the characteristics of a virtual character. Computers in Human Behavior. Volume 168, 2025, 108657, ISSN 0747-5632, https://doi.org/10.1016/j.chb.2025.108657

Zur Pressemeldung

Vier Aufnahmen des virtuellen Raumes mit besetzten Stühlen.
Die Verkörperungen der im Experiment verwendeten virtuellen Figur, v.l.n.r.: Wolke, Holzfigur, weiblich, männlich. Im ersten Versuch wurden die Probandinnen mit einem neutralen Klang konfrontiert, im zweiten Versuch mit einem aversiven Geräusch. © Weiß, Krop et al., Computers in Human Behavior, 2025.
Ein negativer Ruf verringert das Vertrauen trotz vertrauenswürdigen Verhaltens

Zwischenmenschliche Vertrauensentscheidungen werden durch den Ruf einer Person beeinflusst. Es ist jedoch unklar, wie positive oder negative Erwartungen, die nicht zum tatsächlichen Verhalten eines Partners passen, im Verhalten und im Gehirn verarbeitet werden – und wie das unseren Alltag beeinflusst.

In dieser zweiteiligen Studie spielten 54 Teilnehmende ein Vertrauenspiel mit vier anonymen Partnern, die entweder als „kooperativ“ oder „individualistisch“ vorgestellt wurden – während ihre Hirnaktivität (EEG) gemessen wurde. Das Verhalten der Partner entsprach dann entweder ihrer vorherigen Beschreibung oder widersprach ihr. Anschließend wurde über drei Tage hinweg das alltägliche Vertrauen der Teilnehmenden im realen Leben erfasst.

Die Ergebnisse zeigten, dass negative Vorurteile zu weniger Vertrauen führten, selbst wenn sich die Person kooperativ verhielt. Positive Erwartungen blieben stabil, sofern sie bestätigt wurden – wenn nicht, sank das Vertrauen. Auch in einzelnen Durchgängen zeigte sich: Wer einen schlechten Ruf hatte, dem wurde selbst nach gutem Verhalten weiterhin weniger vertraut – dies spiegelte sich auch in geringerer Hirnaktivität (fronto-laterale Theta-Wellen) wider. Die individuellen Labormaße standen mit den Vertrauensentscheidungen in der realen Welt in Verbindung.

Kilian Stenzel, Martin Weiß, Grit Hein. A Negative Reputation Reduces Trust Despite Trustworthy Behavior. Psychophysiology. Volume 62, Issue 8. 2025. https://doi.org/10.1111/psyp.70102

Zur Publikation bei PubMed

 

Panikstörungen greifen tiefer ins Gehirn ein als soziale Angststörungen

Angststörungen betreffen die Art und Weise, wie verschiedene Hirnregionen miteinander „kommunizieren“. Bislang war aber unklar, ob und wie sich diese Veränderungen zwischen den verschiedenen Arten von Angststörungen unterscheiden.

Gehirn mit erhöhter Konnektivität in Rot und verringerter Konnektivität in Blau im Vergleich zur gesunden Kontrollgruppe und Konnektomringe mit erhöhter Konnektivität in Rot und verringerter Konnektivität in Blau im Vergleich zur gesunden Kontrollgruppe

Eine groß angelegte deutsche Studie mit 439 Patientinnen und Patienten sowie 105 gesunden Kontrollpersonen hat mittels funktioneller Magnetresonanztomographie (rsfMRI) untersucht, wie sich verschiedene Angststörungen auf die funktionelle Konnektivität im Gehirn auswirken.

Die Forschenden stellten fest, dass insbesondere Patientinnen und Patienten mit Panikstörung (PD) und/oder Agoraphobie (AG) deutliche Veränderungen in der Verbindung zwischen Hirnregionen des Abwehrsystems und präfrontalen Regulationsbereichen aufwiesen. Diese Veränderungen betrafen vor allem subkortikale-kortikale Netzwerke. Das heißt: Zwischen Angstzentren wie der Amygdala und Insula und dem Thalamus findet mehr Kommunikation statt, während die Verbindung zwischen Hirnregionen, die Angst kontrollieren sollen, reduziert ist. 

Im Gegensatz dazu zeigten Patientinnen und Patienten mit sozialer Angststörung (SD) nur geringfügige Veränderungen, speziell zwischen der Insula und dem orbitofrontalen Kortex – beide spielen eine Rolle bei der Bewertung von sozialer Bedrohung. 

Bei spezifischen Phobien (SP) wurden keine signifikanten Unterschiede zur Kontrollgruppe gefunden. 

Die Studie unterstreicht die Bedeutung krankheitsspezifischer neurologischer Muster als Grundlage für personalisierte Behandlungsansätze bei Angststörungen.

Langhammer, T., Hilbert, K., Adolph, D. et al. Resting-state functional connectivity in anxiety disorders: a multicenter fMRI study. Mol Psychiatry 30, 1548–1557 (2025). https://doi.org/10.1038/s41380-024-02768-2

Zur Publikation bei PubMed

Gehirn mit erhöhter Konnektivität in Rot und verringerter Konnektivität in Blau im Vergleich zur gesunden Kontrollgruppe und Konnektomringe mit erhöhter Konnektivität in Rot und verringerter Konnektivität in Blau im Vergleich zur gesunden Kontrollgruppe
Neue genetische Erkenntnisse zur bipolaren Störung

Genetische Faktoren spielen eine große Rolle bei der Entstehung von bipolaren Störungen, die in der genomweiten Assoziationsstudie (GWAS) des Psychiatric Genomics Consortiums (PGC) untersucht werden, an dem auch das Zentrum für Psychische Gesundheit beteiligt ist.

Insgesamt wurden in der Studie 298 Regionen des Genoms identifiziert, in denen genetische Varianten das Risiko für eine bipolare Störung erhöhen – 267 davon wurden in der aktuellen Ausführung der GWAS neu entdeckt. Zudem zeigten sich genetische Unterschiede zwischen verschiedenen klinischen Ausprägungen der bipolaren Störung. Dies kann für die Forschung zu neuen Diagnose- und Behandlungsansätzen wichtig sein.

 

O’Connell, K.S., Koromina, M., van der Veen, T. et al. Genomics yields biological and phenotypic insights into bipolar disorder. Nature 639, 968–975 (2025). https://doi.org/10.1038/s41586-024-08468-9

Zur Publikation

Eine Perspektive der sozialen Informationsverarbeitung auf soziale Eingebundenheit

Soziale Eingebundenheit ist einer der wichtigsten Prädiktoren für mentale und physische Gesundheit und daher von hoher klinischer Relevanz. Bislang fehlt es jedoch an Ansätzen, die individuelle Unterschiede in sozialer Eingebundenheit erklären und zielgerichtete Interventionen motivieren können.

Illustration eines Verarbeitungsmodells für soziale Informationen in einer zweigliedrigen Interaktion. Das Modell basiert auf einem Aktions-Wahrnehmungs-Zyklus mit separaten, aber miteinander verbundenen Phasen für soziale Wahrnehmung und Mentalisierung, soziale Motivation und soziale Aktion. Diese Kreisläufe sind in sozialen Begegnungen miteinander verwoben, so dass die Handlung des einen Individuums der Wahrnehmungsinput des anderen ist. All diese Prozesse werden durch verschiedene Faktoren beeinflusst, darunter Bindungsstile und Mechanismen wie Selbstkategorisierungsprozesse und die Konstruktion einer gemeinsamen Realität. Quelle: https://doi.org/10.1016/j.neubiorev.2024.105945
Gehirnregionen, die bei der Verarbeitung sozialer Informationen eine Rolle spielen. Warme Farben spiegeln signifikante Aktivierungen wider, die aus einer automatisierten Meta-Analyse mit Neurosynth extrahiert wurden (Yarkoni et al., 2011; Stichwort „social“, Daten extrahiert aus 1302 Studien am 18. Oktober 2024). Amy = Amygdala, aPFC = anteriorer präfrontaler Kortex, dlPFC = dorsolateraler präfrontaler Kortex, FFA = fusiforme Gesichtsregion, OFC = orbitofrontaler Kortex, Prec = Precuneus, TP = temporaler Pol, TPJ = temporoparietale Verbindung, vlPFC = ventrolateraler präfrontaler Kortex, vmPFC = ventromedialer präfrontaler Kortex. Quelle: https://doi.org/10.1016/j.neubiorev.2024.105945
Das Informationsverarbeitungsmodell sozialer Verbundenheit geht von unterschiedlichen Beiträgen der sozialen Wahrnehmung und des Mentalisierens, der sozialen Motivation und des sozialen Handelns zu strukturellen, qualitativen und funktionalen Komponenten sozialer Verbundenheit aus. Ein solches Muster von teilweise kombinierten Einflüssen mehrerer Stufen der sozialen Informationsverarbeitung kann auch moderate Korrelationen zwischen Teilkomponenten der sozialen Verbundenheit erklären. Quelle: https://doi.org/10.1016/j.neubiorev.2024.105945
Prozesse des sozialen Austauschs und der sozialen Verbundenheit wurden typischerweise aus der sogenannten „Ich-Perspektive“ untersucht. So wurde eine Person identifiziert und anhand ihrer Verbindungen zu anderen Personen charakterisiert (siehe linke Seite). Bei diesem Ansatz werden wahrscheinlich wichtige indirekte Effekte übersehen, an denen Personen beteiligt sind, die nicht direkt mit der untersuchten Person verbunden sind. Daher könnte es notwendig sein, größere Netzwerke von Personen einschließlich ihrer bidirektionalen Verbindungen zu modellieren (siehe rechte Seite). Quelle: https://doi.org/10.1016/j.neubiorev.2024.105945

In diesem Perspektiven-Artikel entwickelt das Team um Grit Hein ein neues testbares Modell, welches Unterschiede in sozialer Eingebundenheit mit Unterschieden in der sozialen Informationsverarbeitung erklärt und somit neue Wege für Interventionen aufzeigt.

 

Grit Hein, Lynn Huestegge, Anne Böckler-Raettig, Lorenz Deserno, Andreas B. Eder, Johannes Hewig, Andreas Hotho, Sarah Kittel-Schneider, Anna Linda Leutritz, Andrea M.F. Reiter, Johannes Rodrigues, Matthias Gamer. A social information processing perspective on social connectedness. Neuroscience & Biobehavioral Reviews. Volume 167, 2024, 105945, ISSN 0149-7634, https://doi.org/10.1016/j.neubiorev.2024.105945

Zur Publikation

Illustration eines Verarbeitungsmodells für soziale Informationen in einer zweigliedrigen Interaktion. Das Modell basiert auf einem Aktions-Wahrnehmungs-Zyklus mit separaten, aber miteinander verbundenen Phasen für soziale Wahrnehmung und Mentalisierung, soziale Motivation und soziale Aktion. Diese Kreisläufe sind in sozialen Begegnungen miteinander verwoben, so dass die Handlung des einen Individuums der Wahrnehmungsinput des anderen ist. All diese Prozesse werden durch verschiedene Faktoren beeinflusst, darunter Bindungsstile und Mechanismen wie Selbstkategorisierungsprozesse und die Konstruktion einer gemeinsamen Realität. Quelle: https://doi.org/10.1016/j.neubiorev.2024.105945
Gehirnregionen, die bei der Verarbeitung sozialer Informationen eine Rolle spielen. Warme Farben spiegeln signifikante Aktivierungen wider, die aus einer automatisierten Meta-Analyse mit Neurosynth extrahiert wurden (Yarkoni et al., 2011; Stichwort „social“, Daten extrahiert aus 1302 Studien am 18. Oktober 2024). Amy = Amygdala, aPFC = anteriorer präfrontaler Kortex, dlPFC = dorsolateraler präfrontaler Kortex, FFA = fusiforme Gesichtsregion, OFC = orbitofrontaler Kortex, Prec = Precuneus, TP = temporaler Pol, TPJ = temporoparietale Verbindung, vlPFC = ventrolateraler präfrontaler Kortex, vmPFC = ventromedialer präfrontaler Kortex. Quelle: https://doi.org/10.1016/j.neubiorev.2024.105945
Das Informationsverarbeitungsmodell sozialer Verbundenheit geht von unterschiedlichen Beiträgen der sozialen Wahrnehmung und des Mentalisierens, der sozialen Motivation und des sozialen Handelns zu strukturellen, qualitativen und funktionalen Komponenten sozialer Verbundenheit aus. Ein solches Muster von teilweise kombinierten Einflüssen mehrerer Stufen der sozialen Informationsverarbeitung kann auch moderate Korrelationen zwischen Teilkomponenten der sozialen Verbundenheit erklären. Quelle: https://doi.org/10.1016/j.neubiorev.2024.105945
Prozesse des sozialen Austauschs und der sozialen Verbundenheit wurden typischerweise aus der sogenannten „Ich-Perspektive“ untersucht. So wurde eine Person identifiziert und anhand ihrer Verbindungen zu anderen Personen charakterisiert (siehe linke Seite). Bei diesem Ansatz werden wahrscheinlich wichtige indirekte Effekte übersehen, an denen Personen beteiligt sind, die nicht direkt mit der untersuchten Person verbunden sind. Daher könnte es notwendig sein, größere Netzwerke von Personen einschließlich ihrer bidirektionalen Verbindungen zu modellieren (siehe rechte Seite). Quelle: https://doi.org/10.1016/j.neubiorev.2024.105945