La información en el cerebro se transmite a través de señales eléctricas entre células especializadas llamadas neuronas. La actividad dentro de una gran red de estas neuronas controla las sensaciones, el comportamiento y la cognición. Los científicos han buscado durante mucho tiempo formas de simular las redes neuronales en el cerebro con computadoras para comprender cómo funciona. Ahora, los investigadores han combinado nuevas mediciones de los diagramas de cableado de la mosca de la fruta con métodos de inteligencia artificial para construir una red neuronal que puede hacer lo que pocos creían posible: predecir la actividad de neuronas individuales sin realizar una sola medición en un cerebro vivo. La investigación, publicada hoy en la revista científica Nature, fue realizada por los científicos universitarios Jakob Macke y la candidata a doctorado Janne Lappalainen, en colaboración con el Dr. Srinivas Turaga y colegas del Campus de Investigación Janelia del HHMI.
Durante décadas, los neurocientíficos han pasado incontables horas en el laboratorio midiendo minuciosamente la actividad de las neuronas en animales vivos para descubrir cómo el cerebro posibilita el comportamiento. Estos experimentos han proporcionado conocimientos revolucionarios sobre cómo funciona el cerebro, pero solo han arañado la superficie y han dejado gran parte del cerebro sin explorar.
Ahora, los investigadores están utilizando la inteligencia artificial y el conectoma (un mapa de neuronas y sus conexiones creado a partir del tejido cerebral) para predecir el papel de las neuronas en el cerebro vivo. Utilizando únicamente información sobre la conectividad de un circuito neuronal extraído del conectoma del sistema visual de la mosca de la fruta y una suposición de lo que se supone que debe hacer el circuito, los investigadores crearon una simulación de IA del sistema visual de la mosca de la fruta que puede predecir la actividad de cada neurona en el circuito. “Ahora tenemos un método computacional para convertir las mediciones del conectoma en predicciones de la actividad neuronal y la función cerebral, sin comenzar primero con mediciones difíciles de adquirir de la actividad neuronal para cada neurona”, dice Srini Turaga, líder del grupo Janelia y autor principal de la nueva investigación.
El equipo de científicos del Campus de Investigación Janelia del HHMI y de la Universidad de utilizó el conectoma para construir una simulación detallada de la red mecanicista profunda del sistema visual de la mosca, donde cada neurona y sinapsis del modelo corresponde a una neurona y sinapsis reales en el cerebro. Aunque no conocían la dinámica de cada neurona y sinapsis, los datos del conectoma permitieron al equipo utilizar métodos de aprendizaje profundo para inferir estos parámetros desconocidos. Combinaron esta información con el conocimiento sobre el objetivo del circuito: la detección de movimiento. “En ese momento, todo encajó y finalmente pudimos averiguar si este modelo restringido por el conectoma nos proporciona un buen modelo del cerebro”, dice Janne Lappalainen, candidata a doctora en la Universidad de Tubinga que dirigió la investigación.
El nuevo modelo predice la actividad neuronal producida por 64 tipos de neuronas en el sistema visual de la mosca de la fruta en respuesta a la información visual y reproduce con precisión más de dos docenas de estudios experimentales realizados en las últimas dos décadas. Al permitir a los investigadores predecir la actividad de neuronas individuales utilizando únicamente el conectoma, el nuevo trabajo tiene el potencial de transformar la forma en que los neurocientíficos generan y prueban hipótesis sobre cómo funciona el cerebro. En principio, los científicos ahora pueden usar el modelo para simular cualquier experimento y generar predicciones detalladas que se pueden probar en el laboratorio.
La nueva investigación proporciona más de 450 páginas de predicciones extraídas del nuevo modelo, incluida la identificación de células que no se sabía que estuvieran involucradas en la detección de movimiento anteriormente, que ahora se pueden examinar en moscas vivas. El trabajo del grupo proporciona una estrategia para convertir la riqueza de datos conectómicos que ahora están generando Janelia y otras instituciones de investigación en una comprensión avanzada del cerebro vivo, según los investigadores. “Hay una gran brecha entre la instantánea estática del conectoma y la dinámica de la computación de la vida real en el cerebro vivo, y la pregunta era, ¿podemos salvar esa brecha en un modelo? Este artículo, para el ejemplo específico de la mosca de la fruta, muestra una estrategia para salvar esa brecha”, dice Jakob Macke, autor principal del artículo y profesor de la Universidad de. Este enfoque permite crear redes neuronales artificiales que son similares al cerebro de las moscas de la fruta, y que se pueden utilizar para una variedad de investigaciones futuras: por ejemplo, podrían usarse para investigar cómo las redes neuronales biológicas pueden ser mucho más eficientes energéticamente que las redes neuronales artificiales.
Janne Lappalainen es candidata a doctora en la Universidad y en la Escuela Internacional de Investigación Max Planck “Sistemas Inteligentes”, y científica visitante en el Campus de Investigación Janelia del HHMI. El profesor Jakob Macke dirige el grupo “Aprendizaje Automático en la Ciencia”, que forma parte del Clúster de Excelencia “Aprendizaje Automático: Nuevas Perspectivas para la Ciencia”, el Centro de Inteligencia Artificial y el Centro ÜBernstein de Neurociencia Computacional.
Publicación:
Janne K. Lappalainen, Fabian D. Tschopp, Sridhama Prakhya, Mason McGill, Aljoscha Nern, Kazunori Shinomiya, Shinya Takemura, Eyal Gruntman, Jakob H. Macke, Srinivas C. Turaga: “Las redes restringidas por el conectoma predicen la actividad neuronal en todo el sistema visual de la mosca”, Nature, 2024, ‘024 -07939-3, DOI 10.1038/s41586’024 -07939-3.
Informe de investigación:
Naturaleza
https://doi.org/10.1038/d41586’024-02935-z
