Con mapas de conexiones entre neuronas y métodos de inteligencia artificial, los investigadores ahora pueden hacer lo que nunca creyeron posible: predecir la actividad de neuronas individuales sin realizar una sola medición en el cerebro vivo.
Durante décadas, los neurocientíficos han pasado innumerables horas en el laboratorio midiendo minuciosamente la actividad de las neuronas en animales vivos para determinar cómo el cerebro permite el comportamiento. Estos experimentos han aportado importantes conocimientos sobre cómo funciona el cerebro, pero sólo han arañado la superficie, dejando gran parte del cerebro sin explorar.
Ahora, los investigadores están utilizando inteligencia artificial y el conectoma (un mapa de neuronas y sus conexiones realizadas por el tejido cerebral) para predecir el papel de las neuronas en el cerebro vivo. Utilizando únicamente información sobre la conectividad del circuito neuronal obtenida del conectoma del sistema visual de la mosca de la fruta y prediciendo 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 en la que cada neurona puede evaluar la actividad. Circuito
“Ahora tenemos una forma computacional de convertir las mediciones del conectoma en predicciones de la actividad neuronal y la función cerebral analizando primero la complejidad de la actividad neuronal de cada neurona”, dice el líder del grupo Genelia, Srini Toraga, autor principal, sin comenzar con las mediciones obtenidas. de”. sobre nuevas investigaciones.
Un equipo de científicos del Campus de Investigación Genelia del HHMI y la Universidad de Tübingen utilizaron Connectome para construir una simulación de red mecanicista profunda detallada del sistema visual de la mosca, donde cada neurona y sinapsis en el modelo es 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 estimar estos parámetros desconocidos. Combinaron esta información con el conocimiento del propósito del circuito: la detección de movimiento.
“En ese momento, todo encajó y finalmente pudimos descubrir si este modelo limitado por el conectoma nos proporciona un buen modelo del cerebro”, afirma Jenny Laplain, estudiante de doctorado de la Universidad de Tubinga que dirigió la investigación.
El nuevo modelo predice la actividad neuronal generada 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 durante 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 cambiar la forma en que los neurocientíficos desarrollan y prueban hipótesis sobre cómo funciona el cerebro. En principio, los científicos ahora pueden utilizar el modelo para simular cualquier experimento y desarrollar predicciones detalladas que puedan probarse en el laboratorio.
La nueva investigación proporciona más de 450 páginas de predicciones derivadas del nuevo modelo, incluida la identificación de células que antes no participaban en la detección de movimiento, que ahora se pueden examinar en moscas vivas.
Según los investigadores, el trabajo del grupo proporciona una estrategia para convertir la gran cantidad de datos de conectomas generados por Genelia y otras instituciones de investigación en una comprensión avanzada del cerebro vivo.
“Existe una gran brecha entre una instantánea estática del conectoma y la dinámica computacional de la vida real en un cerebro vivo, y la pregunta era: ¿podemos cerrar esa brecha en un modelo? Este artículo, para el ejemplo específico de la fruta “Flying, muestra una estrategia para cerrar esta brecha”, afirma Jacob McKay, autor principal del artículo y profesor de la Universidad de Tubinga.
