Se considera que el cerebro es uno de los sistemas más complejos que existen. Y si bien se han logrado avances significativos para comprenderlo, tendemos a generar más preguntas que respuestas.
Pero ahora un equipo de investigación dirigido por la Universidad de Kyoto ha desarrollado un modelo de aprendizaje automático que permite a los científicos reconstruir los circuitos neuronales midiendo las señales de las neuronas mismas. El modelo tiene el potencial de dilucidar la diferencia en el cálculo neuronal en diferentes regiones del cerebro.los resultados fueron publicados en Comunicaciones de la naturaleza .
Para comprender el cerebro, debemos observar las neuronas que lo construyen. Todo nuestro mundo de percepción atraviesa estos miles de millones de células en nuestra cabeza. Y eso se ve agravado por el número exponencialmente mayor de conexiones, conocidas como sinapsisentre ellos, haciendo que el camino hacia nuestra comprensión sea un desafío.
Shigeru Shinomoto, de la Facultad de Ciencias de la Universidad de Kyoto, que dirigió el proyecto, explica que aunque es posible registrar la actividad de las neuronas individuales en el cerebro, y ese número ha aumentado dramáticamente en la última década, todavía es undesafío para mapear cómo cada una de estas células se conecta entre sí.
"Se ha sugerido que la conectividad neuronal se puede estimar analizando la correlación entre las señales neuronales", explica Shinomoto. "Pero obtener una inferencia precisa era difícil debido a la cantidad de ruido externo proveniente de otras neuronas".
El equipo construyó un método analítico que toma los picos de señal de las neuronas individuales y estima las conexiones interneuronales a partir de ellas. Para eliminar los datos que contaminan el 'ruido', aplicaron un Modelo Lineal Generalizado, o GLM, un modelo básico en aprendizaje automáticoa un Correlograma cruzado, o CC, que registra la correlación de disparo entre las neuronas.
"Llamamos a nuestro análisis GLMCC, y estimó la fuerza de las conexiones nerviosas en unidades de potencial de membrana sináptica", afirma Ryota Kobayashi del Instituto Nacional de Informática NII y primer autor del estudio.
"Para confirmar si nuestros datos reflejan la conectividad del mundo real, evaluamos su precisión a través de una simulación de una gran red de neuronas. Confirmamos que el nuevo modelo tiene una precisión del 97%, mucho más alta que cualquier método anterior".
El modelo se aplicó a los datos experimentales de la actividad neuronal en el hipocampo de las ratas. Cuando se analizó, las conexiones estimadas coincidieron con los resultados inferidos con otras señales fisiológicas.
El código fuente y una versión 'lista para usar' está disponible en línea, y el equipo espera que sea utilizado por neurocientíficos de todo el mundo.
Shinomoto concluye: "A medida que avanzamos en tecnología, aumentará la cantidad de datos neurológicos que recopilamos. Nuestro nuevo modelo analítico será vital para procesar esa información y nos llevará a comprender mejor cómo nuestros cerebros procesan el mundo que nos rodea."
Fuente de la historia :
Materiales proporcionados por Universidad de Kyoto . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :