¿Cómo aprende el cerebro?

Todo el mundo sabe que el cerebro humano es extremadamente complejo, pero ¿cómo aprende exactamente? Bueno, la respuesta puede ser mucho más simple de lo que comúnmente se cree.

Un equipo de investigación internacional que involucra a la Université de Montréal ha logrado un gran avance al simular con precisión los cambios sinápticos en la neocorteza que se cree que son clave para el aprendizaje, abriendo la puerta a una mayor comprensión del cerebro.

El estudio de los científicos, que presenta un modelo de código abierto, se publicó el 1 de junio en Comunicaciones de la naturaleza.

«Esto abre un mundo de nuevas direcciones para la investigación científica sobre cómo aprendemos», dijo Eilif Muller, profesora asistente de investigación de IVADO en la UdeM y presidenta de Canadá CIFAR AI, quien codirigió el estudio en el Proyecto Blue Brain de la École. Polytechnique fédérale de Lausanne (EPFL), en Suiza.

Muller se mudó a Montreal en 2019 y continúa su investigación en el Laboratorio de Arquitecturas de Aprendizaje Biológico, que fundó en el Centro de Investigación CHU Sainte-Justine en asociación con UdeM y Mila, el Instituto de Inteligencia Artificial de Quebec.

«Las neuronas tienen forma de árboles y las sinapsis son las hojas de sus ramas», dijo Muller, coautor principal del estudio.

«Los enfoques anteriores para modelar la plasticidad han ignorado esta estructura de árbol, pero ahora tenemos las herramientas computacionales para probar la idea de que las interacciones sinápticas en las ramas juegan un papel fundamental en la guía del aprendizaje in vivo», dijo.

«Esto tiene implicaciones importantes para comprender los mecanismos de los trastornos del neurodesarrollo, como el autismo y la esquizofrenia, pero también para desarrollar nuevos y potentes enfoques de IA inspirados en la neurociencia».

Muller colaboró ​​con un grupo de científicos del Proyecto Cerebro Azul de la EPFL, la Universidad de París, la Universidad Hebrea de Jerusalén, el Instituto Cajal (España) y la Facultad de Medicina de Harvard para crear un modelo de plasticidad sináptica en el neocórtex basado en datos restringidos. Dinámica postsináptica del calcio.

¿Como funciona? Es complicado, pero en última instancia, más simple de lo que piensas.

El cerebro está formado por miles de millones de neuronas que se comunican entre sí formando billones de sinapsis. Estos puntos de conexión entre neuronas son máquinas moleculares complejas que cambian constantemente como resultado de estímulos externos y dinámicas internas, un proceso comúnmente denominado plasticidad sináptica.

En la neocorteza, un área clave asociada con el aprendizaje de funciones cognitivas de alto nivel en los mamíferos, las células piramidales (PC) representan del 80 al 90 por ciento de las neuronas y se sabe que desempeñan un papel importante en el aprendizaje. A pesar de su importancia, la dinámica a largo plazo de sus cambios sinápticos se ha caracterizado experimentalmente entre solo unos pocos tipos de PC y se ha demostrado que es diversa.

Como resultado, solo ha habido una comprensión limitada de los complejos circuitos neuronales que forman, especialmente a través de las capas corticales estereotipadas, que dictan cómo interactúan las diversas regiones de la neocorteza. La innovación de Muller y sus colegas fue utilizar el modelado computacional para obtener una visión más completa de la dinámica de plasticidad sináptica que gobierna el aprendizaje en estos circuitos neocorticales.

Al comparar sus resultados con los datos experimentales disponibles, demostraron en su estudio que su modelo de plasticidad sináptica puede capturar la variada dinámica de plasticidad de las diversas PC que componen el microcircuito neocortical. Y lo hicieron utilizando solo un conjunto de parámetros de modelo unificado, lo que indica que las reglas de plasticidad de la neocorteza podrían compartirse entre los tipos de células piramidales y, por lo tanto, ser predecibles.

La mayoría de estos experimentos de plasticidad se realizaron en cortes de cerebro de roedores in vitro, donde la dinámica del calcio que impulsa la transmisión sináptica y la plasticidad se alteran significativamente en comparación con el aprendizaje en el cerebro intacto in vivo. Es importante destacar que el estudio predice dinámicas de plasticidad cualitativamente diferentes de los experimentos de referencia realizados in vitro. Muller y su equipo creen que si se confirma con experimentos futuros, las implicaciones para nuestra comprensión de la plasticidad y el aprendizaje en el cerebro serían profundas.

«Lo emocionante de este estudio es que es una confirmación más para los científicos de que podemos superar las lagunas en el conocimiento experimental utilizando un enfoque de modelado al estudiar el cerebro», dijo el neurocientífico de la EPFL Henry Markram, fundador y director del Blue Brain Project.

“Además, el modelo es de código abierto, disponible en la plataforma Zenodo”, agregó.

«Aquí hemos compartido cientos de conexiones de celdas piramidales plásticas de diferentes tipos. No solo es el modelo de plasticidad validado más extensamente hasta la fecha, sino que también representa la predicción más completa de las diferencias entre la plasticidad observada en una placa de Petri y en un cerebro intacto.

«Este salto es posible gracias a nuestro enfoque colaborativo de ciencia en equipo. Además, la comunidad puede llevarlo más allá y desarrollar sus propias versiones modificándolas o agregándolas; esto es ciencia abierta y acelerará el progreso».