lunes, 31 de agosto de 2020

El latido de nuestro cerebro



El cerebro humano late cada vez que late el corazón. Los científicos han utilizado ese pequeño movimiento para revelar nuevos conocimientos sobre nuestras neuronas.



undefined
Imagen: Con cada latido, nuestros corazones agitan ligeramente a nuestros cerebros.
 Un nuevo estudio utilizó ese fenómeno para obtener un mayor conocimiento
 
 sobre el cerebro humano.



El neurocientífico Ueli Rutishauser, pensó que había descubierto un extraño fenómeno sobre el cerebro humano, todavía no estudiado en profundidad.

Estaba tratando de analizar cómo el cerebro escucha al corazón, no en el sentido figurado de seguir su corazón, sino identificando las misteriosas neuronas en el cerebro que literalmente rastrean y regulan los latidos del corazón.

Rutishauser y sus colegas del Centro Médico Cedars-Sinai en Los Ángeles tenían datos valiosos para tratar de resolver ese misterio: grabaciones eléctricas tomadas del interior del cerebro humano vivo, específicamente del hipocampo, una estructura profunda dentro del cerebro que es importante para la memoria. Estos datos son raros, se registraron de personas que se sometieron a ciertos tipos de cirugía cerebral o que tuvieron implantes cerebrales a corto plazo antes de la cirugía de epilepsia y que aceptaron participar en los estudios de investigación.

Cuando los científicos observaron por primera vez las grabaciones y las alinearon con los latidos del corazón de los pacientes, los datos obtenidos fueron sorprendentes. La actividad eléctrica de todas y cada una de las neuronas parecía moverse en sincronía con los latidos del corazón, casi en su totalidad.



Imagen: Un esquema de Clayton Mosher, becario postdoctoral de Cedars-Sinai,
ilustra el estudio del equipo de grabaciones eléctricas
 de los cerebros de pacientes quirúrgicos.



Los científicos pronto se dieron cuenta de que el latido del corazón no afectaba a las neuronas, sino a los diminutos cables que habían colocado en el cerebro de los pacientes. El cerebro de las personas pulsa levemente a medida que late el corazón, lo que, en estos experimentos, provocó una pequeña sacudida en el electrodo que hizo que los picos eléctricos de las neuronas parecieran estar sufriendo cambios  de ritmo.

El efecto de los latidos  en los electrodos permitió a los científicos clasificar las neuronas del cerebro de los pacientes en tres tipos diferentes en función de sus firmas eléctricas. Los equipos de investigación de Cedars-Sinai y Allen Institute publicaron un estudio que describe sus hallazgos en la revista científica  Cell Reports.

El trabajo computacional del investigador  Anastassiou es parte de un programa más amplio en el Instituto Allen, donde los investigadores obtienen datos detallados sobre la "lista de partes" del cerebro a partir de tejido post mortem o de partes de cerebro vivo donadas por pacientes sometidos a cirugía por tumores cerebrales o epilepsia. Usan información como los genes que activan las neuronas, su actividad eléctrica única y sus formas 3D para clasificar estas células en diferentes categorías o tipos de células.

Hay mucho que se  puede aprender sobre los componentes básicos de nuestro cerebro observando muestras de tejido en el laboratorio, pero hay una brecha entre ese trabajo y la comprensión de cómo los diferentes tipos de neuronas producen pensamientos y sentimientos.


¿Qué significan todos estos diferentes tipos de células? ¿Cómo se junta todo?

Cuando Rutishauser describió lo que habían visto con los latidos del corazón, Anastassiou se dio cuenta de que esta podría ser una oportunidad para unir estos dos mundos: un equipo tenía datos detallados sobre los tipos de células del cerebro humano, pero no información sobre lo que esos tipos hacen en una persona. El otro equipo tenía grabaciones de cerebros humanos vivos, pero no había forma de saber qué tipos de neuronas estaban interaccionando.

Los investigadores establecieron una colaboración y pronto se dieron cuenta de que había diferencias sutiles en cómo cambiaban las firmas eléctricas de las diferentes neuronas cuando el electrodo vibraba con los latidos del corazón. Anastassiou y sus colegas construyeron un conjunto de simulaciones computacionales de neuronas humanas basadas en los datos de tipos de células humanas del Instituto Allen y estimularon a esas neuronas virtuales. Utilizaron el aprendizaje automático para emparejar esas señales virtuales con las reales, lo que resultó en tres tipos diferentes de células según sus registros eléctricos.


Vincular los descubrimientos del cerebro con los tipos de células


Los investigadores ya han descubierto cómo funcionan estas clases de neuronas en el cerebro intacto: uno de estos tres tipos se sincroniza con las ondas cerebrales theta de los pacientes, una onda cerebral lenta asociada con el aprendizaje y la plasticidad en el cerebro despierto.

Los equipos de investigación están trabajando para definir más tipos de neuronas humanas utilizando este método, y también planean estudiar cómo se encienden o apagan los diferentes tipos de neuronas a medida que los pacientes que colaboran con la investigación realizan ciertas tareas, como mirar fotos de miembros de la familia o recordar imágenes.

Y una vez que pueden vincular tipos de células específicas con recuerdos, reacciones o emociones, se abre la puerta a posibles terapias para enfermedades y trastornos.
Basado en:


domingo, 23 de agosto de 2020

Seguir el rastro de estados mentales como la emoción




 Los neurocientíficos están analizando enormes cantidades de datos para aprender cómo los cerebros crean emociones u otros estados internos como la agresión y el deseo.


Hace dos años, Jennifer Li y Drew Robson buscaban  a través de terabytes de datos de un experimento de cerebro de pez cebra, cuando se encontraron con un puñado de células que parecían ser psíquicas.

Los dos neurocientíficos habían planeado mapear la actividad cerebral, mientras las larvas de pez cebra buscaban comida, y registrar cómo cambiaba la charla neuronal. Fue su primera prueba importante de una plataforma tecnológica que habían construido en la Universidad de Harvard en Cambridge, Massachusetts. La plataforma les permitió ver cada neurona en el cerebro de las larvas mientras las criaturas, apenas del tamaño de una pestaña, nadaban libremente en un plato de agua de 35 milímetros de diámetro, y se dedicaban a comer su alimento microscópico.

De la montaña de datos de los científicos emergió un puñado de neuronas que predijeron cuándo una larva iba a atrapar y tragar un bocado. Algunas de estas neuronas incluso se activaron muchos segundos antes de que la larva fijara sus ojos en el grumo de plancton.

Y algo extraño. Al observar con más detalle los datos, los investigadores se dieron cuenta de que las células "psíquicas" estuvieron activas durante un tiempo inusualmente largo, no segundos, como es típico en la mayoría de las neuronas, sino muchos minutos. De hecho, más o menos la duración de los episodios  de alimentación de las larvas.

Li y Robson investigaron en las publicaciones científicas y poco a poco se dieron cuenta de que las células debían estar estableciendo un "estado cerebral" general, un patrón de actividad cerebral prolongada que preparaba a las larvas para interactuar con la comida frente a ellas. La pareja se enteró de que, en los últimos años, otros científicos que utilizaban varios enfoques y diferentes especies también habían encontrado estados cerebrales internos que alteran el comportamiento de un animal, incluso cuando nada ha cambiado en su entorno externo.

Algunos, como Li y Robson, habían llegado al descubrimiento por casualidad mientras revisaban sus propios datos de todo el cerebro. Otros han planteado la hipótesis de que deben existir neuronas que codifican estados cerebrales internos, y las han buscado activamente en regiones cerebrales discretas y bien investigadas. Por ejemplo,  el neurobiólogo David Anderson del Instituto de Tecnología de California (Caltech) en Pasadena y sus colegas identificaron un estado interno del cerebro, representado por una pequeña red de neuronas, que prepara a las moscas de la fruta para participar en conductas de cortejo o pelea.

Los neurocientíficos que intentan comprender el lenguaje de codificación del cerebro han estudiado convencionalmente cómo responden sus redes de neuronas a la información sensorial y cómo generan comportamientos, como el movimiento o el habla. Pero no pudieron analizar en detalle la parte importante: la gran cantidad de actividad neuronal que ocultan patrones que representan el estado de ánimo o los deseos del animal, y que lo ayudan a calibrar su comportamiento. Incluso hace unos pocos años, medir las actividades de redes específicas que subyacen a los estados internos del cerebro era imposible.

Una gran cantidad de nuevas técnicas están comenzando a cambiar eso. Estos métodos permiten a los científicos rastrear la actividad eléctrica en el cerebro con un detalle sin precedentes, cuantificar el comportamiento natural de un animal en escalas de tiempo de milisegundos y encontrar patrones en las montañas de datos que generan estos experimentos. Estos patrones podrían ser firmas de los innumerables estados internos que puede adoptar un cerebro. Ahora el desafío es descubrir qué significan estos estados.



Scans through a zebrafish brain with functionally classified neurons highlighted in colour
Escaneo a través de un cerebro de pez cebra con neuronas clasificadas funcionalmente resaltadas en color
Tres grupos de neuronas controlan cuándo las larvas de pez cebra
 se quedan quietas (izquierda), exploran (centro) y cambian entre los dos estados (derecha). 
Imagen: J. C. Marques et al./Naturaleza



Algunos neurocientíficos se atreven a utilizar las tecnologías para estudiar  un poderoso grupo de estados internos del cerebro: las emociones. Otros las están aplicando a estados como la motivación o a  impulsos existenciales como la sed. Los investigadores incluso están encontrando en sus datos  firmas de estados para los que no tienen vocabulario asociado.



Estados de ánimo


El cerebro de cualquier animal es bombardeado constantemente con información sobre el entorno del animal desde  órganos sensoriales como los ojos, los oídos, la nariz o la piel. Toda esta información se procesa inicialmente en la corteza sensorial del cerebro. Luego vienen pasos de procesamiento más misteriosos, en los que esa información se filtra a través de múltiples estados internos del cerebro que representan los estados de ánimo y las necesidades en constante cambio del animal. Eso finalmente lleva a la corteza motora a generar movimientos que son apropiados a las circunstancias, para alejar una mosca que molesta, por ejemplo, o moverse hacia un sabroso manjar. Los estados internos también se pueden generar completamente en el cerebro, sin entrada sensorial y sin salida de comportamiento: piense en soñar despierto o en la reproducción de los eventos del día en su mente.

En los últimos años, la comprensión de la naturaleza de los estados internos está cambiando la forma en que los neurocientíficos que estudian las redes cerebrales piensan sobre el comportamiento animal. “Solíamos pensar en los animales como una especie de máquinas de respuesta a estímulos”, según  la neurocientífica Anne Churchland del Laboratorio Cold Spring Harbor, Nueva York. "Ahora estamos empezando a darnos cuenta de que se están generando todo tipo de cosas realmente interesantes dentro de sus cerebros que cambian la forma en que se procesan las entradas sensoriales y, por lo tanto, cambia la salida de comportamiento de los animales".

Esbozar cómo estudiar este intrigante paso intermedio  ha sido durante mucho tiempo una preocupación para Anderson. Hace seis años, decidió crear un marco teórico para la investigación de los estados internos del cerebro que representan la emoción. Estaba molesto por la opinión de algunos psicólogos, que piensan que debido a que los animales no pueden expresar sus sentimientos con palabras, esos sentimientos no pueden estudiarse en absoluto. Junto con su colega de Caltech Ralph Adolphs, Anderson desarrolló y publicó una hipótesis sobre las características que deberían tener los circuitos neuronales asociados con los estados internos del cerebro.

Lo más importante, pensaron, es que un estado cerebral interno debería durar más que el estímulo original que lo desencadenó. Entonces, una característica clave de un circuito neuronal que sustenta tal estado sería su persistencia, dice. “Si va de excursión a las montañas y ve una serpiente, entonces puede saltar de miedo”, según Anderson. "Diez minutos después, el estado interno de miedo de tu cerebro todavía está activo, así que cuando veas un palo en tu camino, podrías saltar de nuevo".


Otras características de los estados internos deben incluir la generalización, lo que significa que diferentes estímulos deben poder provocar el mismo estado, y la escalabilidad, en la que diferentes estímulos pueden crear estados de diferente intensidad.

Anderson y Adolphs publicaron su artículo en 2014, justo cuando una serie de neurotecnologías comenzaba a hacer factibles los experimentos necesarios. Ya era posible registrar una gran cantidad de neuronas individuales al mismo tiempo, y desde entonces las tecnologías han mejorado y se han expandido notablemente, lo que permite a los científicos analizar la actividad anteriormente inaccesible.

Liderando estas técnicas está la sonda Neuropixels, de solo 10 mm de largo, que puede registrar directamente la actividad en cientos de neuronas en diferentes áreas del cerebro. Y las técnicas de imágenes especiales pueden indicar dónde están activas hasta decenas de miles de neuronas individuales en todo el cerebro. En las imágenes de calcio, por ejemplo, los animales se diseñan genéticamente para expresar una molécula en sus neuronas que detecta los iones de calcio; cuando estos se introducen en una neurona cuando se excita, la molécula emite fluorescencia.

Los nuevos monitores de comportamiento automáticos toman grabaciones de vídeo de animales que se comportan libremente durante muchas horas y analizan cada movimiento en elementos de milisegundos. Luego, los elementos se pueden alinear con grabaciones neuronales, haciendo coincidir la actividad cerebral momento a momento con movimientos específicos.

Los neurocientíficos han capitalizado el aumento en el aprendizaje automático, la inteligencia artificial y las nuevas herramientas matemáticas para dar sentido a los gigabytes o terabytes de datos que puede generar cualquier experimento con estas tecnologías y para detectar los patrones de activación neuronal que podrían representar estados cerebrales internos.


Listo para participar


Para su primer estudio de un estado interno, Anderson decidió aprovechar el interés previo de su laboratorio por la agresión en la mosca de la fruta, que tiene un cerebro diminuto que contiene alrededor de 100.000 neuronas. En muchas especies animales, los machos comienzan a pelear entre sí en presencia de hembras, un comportamiento bien establecido que Anderson llama el "efecto Helena de Troya", en honor al mito griego sobre una mujer cuyos pretendientes competidores iniciaron una guerra. Las moscas de la fruta no son una excepción: la evidencia indirecta sugiere que la exposición a las hembras hace que los machos se involucren tanto en canciones de cortejo como en comportamientos agresivos hacia otros machos durante muchos minutos y eso es mucho tiempo en la corta vida de una mosca de la fruta.

Anderson empezó a buscar la actividad neuronal que se correlacionara con el cortejo persistente y los comportamientos de lucha iniciados por las neuronas conocidas como P1, que se encuentran en una región que controla dichos comportamientos sociales. Estas neuronas se activan tan rápido que por sí solas no podrían ser responsables de mantener un estado interno. Usando técnicas de imagen junto con análisis de comportamiento automatizados, su grupo identificó células en otras áreas del cerebro que se activan como consecuencia de la activación de P1.

La mayoría de estas "células seguidoras" se activaron y desactivaron rápidamente, pero un grupo llamado neuronas pCd permaneció activo durante muchos minutos. Cuando los investigadores insertaron una proteína sensible a la luz en estas células y las apagaron usando un flash de un láser, el efecto persistente de la activación de P1 en el comportamiento desapareció. Cuando las activaron directamente, sin pasar por P1, no sucedió nada: las neuronas pCd necesitaban P1 como disparador y, una vez que se activaron, permanecieron activadas durante mucho más tiempo que la indicación inicial. Si Anderson tuviera que darle un nombre al estado, podría llamarlo el estado "listo para participar en estos comportamientos sociales".

Su equipo ha realizado un experimento similar en ratones, que tienen cerebros más complejos, que contienen alrededor de 100 millones de neuronas. Los investigadores encontraron un grupo particular de neuronas en el hipotálamo que, al igual que las neuronas pCd, se activaron persistentemente en asociación con un impulso innato, esta vez, el miedo. Cuando los científicos colocaron una rata cerca de ratones de experimentación durante solo unos segundos, los ratones respondieron a la defensiva pegándose a la pared durante varios minutos y el grupo de neuronas permaneció activo durante todo este tiempo. Cuando el equipo volvió a utilizar la luz para encender y apagar las neuronas, el comportamiento de pegarse a la pared, vino y se fue en tándem, incluso sin la presencia de ratas.



Video del ratón moviendo sus bigotes y actividad neuronal mostrada simultáneamente
Incluso durante una tarea, este ratón dedica 
la mayor parte de su actividad cerebral a mover sus bigotes.
Imagen: C. Stringer et al./Science



Los neurocientíficos están descubriendo ahora otros grupos de neuronas con actividad persistente en diferentes áreas del cerebro. Utilizando imágenes de calcio en ratones, Andreas Lüthi del Instituto Friedrich Miescher de Investigación Biomédica en Basilea, Suiza, y Jan Gründemann de la Universidad de Basilea buscaron en la amígdala, que es fundamental para la regulación de una variedad de emociones y comportamientos. El equipo encontró dos poblaciones diferentes de neuronas que mostraban una activación sostenida pero opuesta cuando los ratones cambiaban entre dos comportamientos distintos: explorar el entorno y realizar comportamientos defensivos como la inmovilidad.

Gründemann reconoce que es poco probable que las células de la amígdala funcionen de forma aislada, y que neuronas de todo el cerebro deben participar en el mantenimiento de los estados de exploración o defensa. “Estoy seguro de que lo que hemos encontrado  es solo un nodo en redes más grandes que abarcan todo el cerebro”.


La imagen completa


Mientras que muchos investigadores han buscado neuronas que tengan actividad duradera en áreas concretas del cerebro, Li y Robson, que se mudaron a Alemania en septiembre pasado para dirigir conjuntamente un laboratorio en el Instituto Max Planck de Cibernética Biológica en Tübingen, encontraron sus neuronas persistentemente activas casi por casualidad.

Sus larvas de pez cebra son menos complejas que las moscas de la fruta, ya que solo tienen 80.000 células cerebrales. Debido a que estos peces bebés son transparentes, la actividad de casi todas sus neuronas se puede monitorear simultáneamente usando imágenes de calcio.

La pareja ha desarrollado un método para seguir simultáneamente los movimientos y la actividad neuronal mientras las larvas de peces nadan libremente alrededor de un plato con agua. Implementan un sistema de seguimiento de microscopio fluorescente que se mueve en su plataforma de imágenes para mantener a los peces a la vista de forma constante y captura cada destello de cada neurona a medida que las larvas se mueven. El sistema también los graba, por lo general durante 90 minutos, generando 4,5 terabytes de datos, lo que permite a los experimentadores alinear el movimiento con la actividad neuronal segundo a segundo.

Es posible que las larvas de peces no parezcan tener la rica vida interna que disfrutan los ratones, o incluso las moscas, pero tienen al menos una sólida elección de comportamiento que tomar en sus vidas: alimentarse localmente o nadar en aguas desconocidas para buscar nuevos alimentos. Cuando Li y Robson observaron a las larvas que tomaban esta decisión, encontraron tres grupos de neuronas: uno que estaba persistentemente activo durante la alimentación local, otro que permanecía activo durante la exploración y un tercero que parpadeaba brevemente cuando el pez cambiaba de estado. Sorprendentemente, el hambre no pareció influir en los estados, que cambiaban automáticamente cada pocos minutos, al igual que nuestros propios estados de sueño-vigilia cambian automáticamente, pero en una escala de tiempo mucho más corta.

Los neurocientíficos que trabajan con organismos más complejos no pueden controlar todo el cerebro a la vez, pero han podido encontrar indicios de estados cerebrales internos con redes que están ampliamente distribuidas en el cerebro. En experimentos técnicamente desafiantes, en ratones, han registrado la actividad de miles de neuronas en todo el cerebro usando imágenes de calcio, y de cientos de neuronas usando un solo electrodo de Neuropixels, varios de los cuales pueden insertarse a la vez.

En un estudio reciente, el neurocientífico Karl Deisseroth de la Universidad de Stanford en California y su equipo utilizaron sondas Neuropixels para registrar la actividad de 24.000 neuronas en 34 regiones cerebrales corticales y subcorticales en ratones sedientos que lamían agua de un pico. Los científicos pudieron descubrir señales relacionadas con el estado de sed del cerebro a partir de señales relacionadas con el comportamiento de lamer. Descubrieron que estas neuronas de señalización de estado se activaban en todo el cerebro, no solo en el hipotálamo, donde se encuentran las neuronas dedicadas a la sed.

Usando estas extensas técnicas de grabación, los neurocientíficos están descubriendo que suceden muchas cosas debajo de la superficie cuando un animal realiza una tarea, y no todo parece relevante a primera vista. En artículos históricos recién publicados, grupos dirigidos por Kenneth Harris y otros,  en el University College London, demostraron que cuando un ratón se dedica a una tarea, las neuronas se activan en todo el cerebro, pero que una gran proporción de la activación no está correlacionada con la tarea en absoluto. Alguna actividad se correlacionó con los movimientos de los animales. Pero alrededor de dos tercios de la activación no coincidió con ningún movimiento o acción.


Cerebro activo


Muchos neurocientíficos dicen que el gran volumen de datos que surgen de los experimentos de todo el cerebro es también el mayor cuello de botella para la investigación. Pero se ha progresado en el desarrollo de técnicas para filtrar la avalancha de mediciones. Un enfoque popular es utilizar un método matemático llamado modelo de Markov oculto (hidden Markov model o HMM) para predecir la probabilidad de que un sistema cambie entre diferentes estados en un momento determinado.

Mala Murthy de la Universidad de Princeton, Nueva Jersey, y sus colegas utilizaron el HMM para descubrir ritmos en el cerebro de los machos de la mosca de la fruta que influyeron en su elección del patrón de canto al cortejar a las hembras. El hecho de que las moscas machos elijan momento a momento cantar en pulsos entrecortados o zumbidos más largos depende en gran parte, pero no totalmente, de cómo responden las hembras a ellos. El grupo de Murthy descubrió que tres estados cerebrales internos diferentes también afectaban a la elección del patrón de canto por el macho. Llamaron Close, Chasing y Whatever a estos estados cerebrales internos.

Independientemente de la complejidad del organismo modelo que hayan adoptado los investigadores individuales (gusano, pez, mosca o ratón), la cuestión de cómo todo el cerebro coordina los estados internos "es en lo que todos estamos centrando nuestros experimentos", según  Steve Flavell del  Instituto de Tecnología de Cambridge. En 2013, Flavell y sus colegas descubrieron que incluso el cerebro del gusano Caenorhabditis elegans, que tiene solo 302 neuronas, muestra propiedades de estados cerebrales internos que impulsan comportamientos particulares, incluidos dos conjuntos de neuronas persistentemente activas que controlan si el animal permanece quieto o se mueve a propósito. Desde entonces, su grupo ha identificado todos los circuitos involucrados en los dos estados y el cambio entre ellos.

Aparte de sus preguntas sobre la biología básica, los investigadores tienen en cuenta el beneficio clínico de comprender cómo se manifiesta un estado particular en el cerebro. Aquellos que estudian el dolor en modelos de roedores, por ejemplo, se basan en pruebas estándar, como observar cuando una rata levanta la pata de una superficie que quema. "Ese movimiento refleja los aspectos protectores del dolor, pero no la percepción real del dolor", según el neurólogo Clifford Woolf del Boston Children's Hospital en Massachusetts. Eso lo convierte en un modelo pobre para el dolor, argumenta, porque está a un paso de la sensación real. Este investigador ha lanzado un estudio  para intentar leer directamente las señales cerebrales que indican el estado interno de la percepción del dolor, una lectura potencialmente más oportuna y específica que la de esperar la respuesta del animal.

En este nuevo campo, incluso lo básico está por definir, según Li. "En esta etapa, todavía estamos tratando de comprender cuáles son las preguntas".



Basado en:

Marques, J. C., Li, M., Schaak, D., Robson, D. N. & Li, J. M. Nature 577, 239–243 (2020).
Jung, Y. et al. Neuron 105, 322–333 (2020).
Anderson, D. J. & Adolphs, R. Cell 157, 187–200 (2014).
Jun, J. J. et al. Nature 551, 232–236 (2017).
Kennedy, A., Kunwar, P. S., Li, L., Wagenaar, D. & Anderson, D. J. Preprint at bioRxiv https://doi.org/10.1101/805317 (2020).
Gründemann, J. et al. Science 364, eaav8736 (2019).
Allen, W. E. et al. Science 364, eaav3932 (2019).
Stringer, C. et al. Science 364, eaav7893 (2019).
Musall, S., Kaufman, M. T., Juavinett, A. L., Gluf, S. & Churchland, A. K. Nature Neurosci. 22, 1677–1686 (2019).
Calhoun, A. J., Pillow, J. W. & Murthy, M. Nature Neurosci. 22, 2040–2049 (2019).
Flavell, S. W. et al. Cell 154, 1023–1035 (2013).
Cermak, N. et al. eLife 9, e57093 (2020).