El Mapa de Cerebro Más Grande Podría Haber Cambiado la Neurociencia
- Un nuevo paquete de documentos examina el mapa más grande de tejido cerebral de mamíferos.
- El mapa muestra un milímetro cúbico de neuronas en la corteza visual de un ratón.
- Muchas funciones cerebrales, particularmente los sentidos, son similares entre diferentes especies de mamíferos.
Los científicos han mapeado una porción del cerebro de un ratón de manera sin precedentes. El milímetro cúbico de tejido cerebral representa la pieza más grande de un cerebro que hemos entendido hasta este grado, y los investigadores detrás de este proyecto afirman que el cerebro del ratón es lo suficientemente similar al cerebro humano como para incluso extrapolar cosas sobre nosotros. Un milímetro cúbico suena pequeño; para nosotros, es pequeño; pero un mapa de 200,000 células cerebrales representa un poco más de un cuarto por ciento del cerebro del ratón. En términos de ciencia del cerebro, eso es extraordinariamente alto. Una muestra proporcional del cerebro humano contendría 240 millones de células.
El campo en el que los científicos mapean el cerebro y otras partes del sistema nervioso (de humanos o cualquier otra criatura) se llama conectómica. El término proviene del mismo sufijo que en bioma o genoma, haciendo referencia a una imagen o mapa completo de algo. Este trabajo amplía el conectoma, que es solo el mapa físico, al agregar datos sobre la función de cada neurona.
En uno de los documentos del equipo, los investigadores pudieron crear un sistema de clasificación general para cubrir 30,000 neuronas según sus diferentes formas o morfologías. Estas neuronas son excitatorias, lo que significa que están involucradas en la transmisión de mensajes en el cerebro. La alternativa a las excitatorias es la inhibitoria, que es un circuito que detiene la transmisión de un mensaje, como un aislante.
El mapa más detallado del cerebro humano contiene 3.300 tipos de células
El primer mapa completo del cerebro de un insecto contiene 3.016 neuronas
Las formas de las neuronas inhibitorias se comprenden mejor, en parte porque sus formas pueden separarse en grupos diversos (pero discretos). En este estudio, los científicos utilizaron el aprendizaje automático para ayudar a clasificar neuronas excitatorias, que parecen necesitar un sistema de clasificación más complicado. Al convertir las neuronas en medidas, observaciones y capas, los científicos pudieron entonces utilizar métodos estadísticos para determinar con qué frecuencia aparecían ciertos tipos o cualidades de estas células. Esto puede sonar como un oxímoron, pero el código puede generalizar con más precisión de lo que los científicos humanos pueden hacerlo.
“(1) Las neuronas L2/3 superficiales son más anchas que las profundas; (2) las neuronas L4 en V1 son menos ramificadas que las de HVAs; (3) las dendritas basales de un subconjunto de neuronas L4 sin ramificación en V1 evitan extenderse hasta L5; (4) las neuronas corticales excitatorias forman mayormente un continuo respecto a la morfología dendrítica, con algunas excepciones notables.”
La conclusión sobre un continuo es realmente importante. Tener categorías para las neuronas puede ser y ha sido útil en el estudio del cerebro, pero el poder de cálculo puede profundizar esta comprensión y agregar una gran cantidad de matices. Con más información, podemos convertir tipos amplios en algo más individualizado.
Otro documento en el conjunto encontró confirmación de una teoría existente de que “lo similar conecta con lo similar” dentro de las estructuras neuronales. Las neuronas que realizan ciertas tareas en la corteza visual del cerebro del ratón se conectan y vinculan entre sí, ya sea que estén adyacentes o a varias capas de distancia. Debido al tamaño de este conjunto de datos, los científicos pudieron extender esta teoría establecida a partes más distantes de la región cerebral. Y dado que incluso este gran mapeo del tejido cerebral sigue estando muy incompleto, el número de neuronas "similares" es probablemente aún mayor en la realidad.
