La diferencia entre una mariposa social y un lobo solitario es en realidad al menos ocho diferencias, según los nuevos hallazgos de un equipo de investigadores del cerebro de Duke.
La investigación puede conducir a mejores herramientas de diagnóstico para comprender cómo cambia el cerebro en personas con problemas de comunicación social, como aquellas con trastorno del espectro autista.
El nuevo estudio aparece en línea Neurona el 15 de marzo.
Los neurocientíficos a menudo realizan investigaciones estudiando una pequeña región del cerebro a la vez. Podrían seleccionar su área favorita del cerebro basándose en pistas pasadas sobre su participación en un comportamiento determinado, como el comportamiento social, y estudiar esa área de forma aislada.
Pero mirar solo una pequeña región del cerebro a la vez es un gran problema, dijo el Dr. Kafui Dzirasa, investigador médico de Howard Hughes y profesor asociado K. Ranga Rama Krishnan en psiquiatría y ciencias del comportamiento en Duke. Al igual que el cerebro, un automóvil no es solo una cosa, sino el producto de piezas ensambladas que funcionan juntas y que varían según la construcción, dijo.
«Un auto no es un volante. Un auto no son llantas. Un auto no es un motor. Un auto no es el velocímetro. Un auto no son los faros. Tienes que juntarlos todos para obtener el auto», Dzirasa dijo. «Cuando los pones todos juntos, es cuando puedes determinar qué tan rápido se mueve un auto individual. Ciertamente, las llantas podrían ser las mismas, pero un Lamborghini no se mueve de la misma manera que un Honda Accord».
Para descubrir qué impulsa a los ratones a socializar, el equipo de Dzirasa primero implantó delicadamente un dispositivo de grabación para capturar la actividad eléctrica simultánea de ocho regiones del cerebro que coordinan diferentes aspectos del comportamiento social, como la corteza prefrontal y el área tegmental ventral que emite dopamina.
A continuación, los ratones podían elegir interactuar con otro ratón o con una pequeña pila de Legos negros mientras los investigadores escuchaban sus ondas cerebrales. Sorprendentemente, la actividad eléctrica de una sola región del cerebro no podía predecir qué tan social era un ratón durante la tarea. Incluso como ingeniero capacitado, Dzirasa necesitaba ayuda para reunir todos los datos complejos de ondas cerebrales.
«Nosotros [neuroscientists] No sé cómo construir el coche. Sólo vemos ruedas y neumáticos. No sabemos cómo funciona el sistema», dijo Dzirasa.
Para ayudar a armar una imagen más clara de los datos, Dzirasa se conectó con su antiguo colaborador David Carlson, profesor asistente de ingeniería civil y ambiental y bioestadística y bioinformática, así como miembro del Instituto Duke de Ciencias del Cerebro. Carlson es un experto en el campo del aprendizaje automático, una rama de la inteligencia artificial (IA) mediante la cual las computadoras mejoran en la comprensión de datos complejos cuanto más se les proporciona. Carlson ayudó a desarrollar un nuevo sistema de inteligencia artificial para dar sentido a los datos de ondas cerebrales.
“Lo que estamos tratando de hacer es crear este sistema de IA que pueda aprender y describir lo que sucede en el cerebro y estamos tratando de tratar a esta IA como colaboradora en el proceso científico”, dijo Carlson.
Es importante destacar que la nueva herramienta de inteligencia artificial podría analizar toda la actividad eléctrica de cada región del cerebro, decenas de miles de células cerebrales y trazar un nuevo mapa de «red social del cerebro». Ahora los investigadores podían predecir qué animales preferían la compañía de sus compañeros simplemente observando la actividad combinada de su red social cerebral.
Armado con un nuevo mapa y una bola de cristal para las tendencias sociales, el equipo de Dzirasa probó si la activación de esta red cerebral social haría que los ratones fueran aún más sociales. Para obtener un control preciso sobre estas regiones del cerebro, los investigadores utilizaron una técnica basada en la luz llamada optogenética que les permite tocar instantáneamente regiones específicas del cerebro a voluntad. La iluminación de las células cerebrales de la corteza prefrontal provocó que los ratones que ya eran extrovertidos se acurrucaran aún más con otro ratón, lo que sugiere que esta red cerebral social detecta y dirige el comportamiento social.
Como prueba final, Dzirasa preguntó si este modelo de red cerebral social podría detectar un comportamiento social deteriorado en un modelo de ratón con autismo. Cuando el equipo de Dzirasa eliminó ANK2 en ratones, un gen implicado en personas con autismo, su comportamiento confundió a la herramienta de aprendizaje automático. Ya no podía predecir qué tan social era un ratón determinado en función de sus ondas cerebrales, lo que sugiere que la nueva herramienta de aprendizaje automático es buena para detectar actividad eléctrica aberrante.
Dzirasa y Carlson están ansiosos por explorar qué tan bien estos hallazgos en ratones se mantienen en las personas. Actualmente, el equipo de Carlson está colaborando con investigadores del Duke Center for Autism and Brain Development para evaluar si esta nueva herramienta de aprendizaje automático puede detectar cambios cerebrales en niños típicos y neurodiversos.
Dzirasa espera desarrollar mejores herramientas de diagnóstico y tratamientos para otros trastornos sociales. Él compara este objetivo con la cardiología: un electrocardiograma puede medir la frecuencia cardíaca de cualquier persona cuando está activa y compararla con su frecuencia cardíaca de referencia en reposo, que varía ampliamente entre las personas. Pero no existe una herramienta equivalente para rastrear y tratar los trastornos cerebrales de manera similar. Tampoco hay un marcapasos para marcar la cantidad «correcta» de gregarismo, otro objetivo futuro del laboratorio de Dzirasa.
Sin embargo, Dzirasa desea resaltar que la variación es normal, por lo que este estudio y el trabajo futuro son importantes para comprender cómo las cosas salen mal fuera del rango típico de sociabilidad de alguien.
«Algunas personas son más sociales que otras. No significa que las personas que son menos sociales tengan una enfermedad psiquiátrica, significa que hay diferencias individuales», dijo Dzirasa. «Si desea vincular esto en última instancia para pensar en cómo los humanos se ven afectados por la enfermedad psiquiátrica, debe comprender al individuo».
El apoyo para la investigación provino de la Fundación WM Keck y los Institutos Nacionales de Salud de EE. UU. (R01MH120158, R21MH104316, R01ES025549, 1R01EB026937, 1R01MH125430).
