Los cerebros son redes de neuronas interconectadas y todos los cerebros de todas las especies tienen que realizar comportamientos complejos, como navegar por su entorno, elegir comida o escapar de depredadores. Ahora, un equipo científico ha conseguido completar el primer mapa cerebral de un insecto.
Esta representación del cableado neuronal del cerebro de una larva de mosca de fruta es, según sus responsables, un “logro histórico” para la neurociencia, que acerca a los científicos a “la verdadera comprensión” del mecanismo del pensamiento, abre la puerta a futuras investigaciones sobre el cerebro e inspirará nuevas arquitecturas de aprendizaje automático.
El mayor conectoma cerebral
Se trata del mayor conectoma cerebral completo (diagrama de las conexiones neuronales) descrito hasta la fecha. Los detalles se publican en la revista Science.
Detrás de esta laboriosa investigación que duró 12 años está un equipo de la Universidad Johns Hopkins (Estados Unidos) y de Cambridge (Reino Unido).
“Si queremos entender quiénes somos y cómo pensamos, parte de ello consiste en comprender el mecanismo del pensamiento”, afirma Joshua T. Vogelstein, de la Johns Hopkins, para quien la clave está en saber cómo se conectan las neuronas entre sí.
El primer intento de cartografiar un cerebro -un estudio de 14 años sobre el gusano redondo iniciado en la década de 1970- dio como resultado un mapa parcial y un nobel.
Desde entonces, se han cartografiado conectomas parciales en muchos sistemas, como moscas, ratones e incluso seres humanos, pero estas reconstrucciones suelen representar solo una pequeña fracción del cerebro total, explica la Johns Hopkins.
Únicamente se han generado conectomas completos de varias especies pequeñas con unos pocos cientos o miles de neuronas: de gusano redondo, larva de ascidias y larva de anélido marino.
“Esto significa que la neurociencia ha funcionado en su mayor parte sin mapas de circuitos”, resume Marta Zlatic, de la universidad británica. “Sin conocer la estructura de un cerebro, estamos adivinando cómo se implementan los cálculos, pero ahora podemos empezar a comprender de forma mecánica cómo funciona el cerebro”, explica.
Un trabajo exhaustivo
La tecnología actual -añade- aún no es lo bastante avanzada para cartografiar el conectoma de animales superiores como los grandes mamíferos.
Sin embargo, “todos los cerebros son similares -son redes de neuronas interconectadas- y todos los cerebros de todas las especies tienen que realizar muchos comportamientos complejos: procesar información sensorial, aprender, seleccionar acciones, navegar por su entorno, elegir comida, reconocer a sus congéneres o escapar de depredadores”.
El conectoma de la cría de mosca del vinagre, “Drosophila melanogaster”, es el mapa más completo y extenso del cerebro de un insecto. Incluye 3.016 neuronas y todas las conexiones entre ellas: 548.000.
Para obtener una imagen completa a nivel celular de un cerebro es necesario dividirlo en cientos o miles de muestras de tejido individuales, todas las cuales tienen que ser analizadas con microscopios electrónicos antes del laborioso proceso de reconstruir las piezas, neurona por neurona, en un retrato completo y preciso de un cerebro.
El equipo eligió a propósito la larva de mosca del vinagre (o la fruta) porque, para ser un insecto, la especie comparte gran parte de su biología fundamental con los humanos, incluida una base genética comparable.
El trabajo duró 12 años; solo en la obtención de imágenes tardaron aproximadamente un día por neurona.
¿Un aliado de la inteligencia artificial?
Los investigadores escanearon miles de cortes del cerebro de la larva utilizando un microscopio electrónico de alta resolución y reconstruyeron las imágenes resultantes en un mapa, anotando minuciosamente las conexiones entre neuronas.
Clasificaron cada neurona por la función que desempeña y descubrieron, por ejemplo, que los circuitos más activos del cerebro eran los que iban y venían de las neuronas del centro de aprendizaje.
El trabajo mostró características de circuitos que recordaban “sorprendentemente” a arquitecturas de aprendizaje automático, por eso el equipo espera que el estudio continuado pueda inspirar nuevos sistemas de inteligencia artificial.
Mira también
