Los circuitos de la corteza cerebral están formados por dos tipos de neuronas: las excitadoras y las inhibidoras. Para el correcto funcionamiento de la corteza es necesario que se mantenga un diálogo equilibrado entre las actividades ‘excitadora’ e ‘inhibidora’.

Para recopilar toda la información posible acerca de estos tipos neuronales, hace cinco años un grupo del Instituto Krasnow creó Hippocampome.org. Esta base de datos integra todo el conocimiento actual acerca de la morfología, biofísica, identidad genética, conectividad y patrones de disparo de más de 120 tipos de neuronas identificadas en el hipocampo de roedores. 

“En función de la información genética, en la corteza cerebral del ratón se pueden identificar unos 75 tipos de neuronas diferentes, 24 de los cuales son excitadoras y 45 inhibidoras, que a su vez pueden ser subdivididos. Los tipos neuronales y, sobre todo, la conectividad, son específicos de cada región. Esa granularidad es la que dota al cerebro de una gran capacidad funcional“, explica Liset Menéndez de la Prida, del Instituto Cajal del Consejo Superior de Investigaciones Científicas (CSIC).

Ahora, el equipo que dirige esta investigadora, en colaboración con el Instituto Krasnow, ha creado una nueva versión de Hippocampome.org que permite la anotación y clasificación de registros cerebrales de alta densidad. Esta actualización, publicada en la revista PLoS Biology, permitirá nuevas aplicaciones para decodificar las señales electroencefalográficas que rigen la actividad cerebral.

“Los registros que hemos obtenido sirven para alimentar algoritmos basados en redes neuronales artificiales, ya que usan conjuntos de datos etiquetados. Estas redes utilizan estos datos como ejemplo y aprenden a reconocer patrones similares en otros nuevos, para los cuales no han sido entrenadas”, explica Alberto Sánchez-Aguilera, primer cofirmante del estudio junto a Diek Wheeler, creador de Hippocampome.         

Aplicaciones en inteligencia artificial

La información que proporciona Hippocampome, y su aplicación en la decodificación de señales electroencefalográficas, puede tener gran impacto para las neurotecnologías emergentes. Así como en el desarrollo de modelos predictivos más realistas que consideren la diversidad neuronal como fuente de información adicional.

“Decodificar supone ser capaz de leer un código, entenderlo y deducir su significado. En el caso de las señales electroencefalográficas, significa poder extraer información de lo que está procesando el cerebro y reconstruir con ella su representación”, destaca De la Prida. 

“Por ejemplo, para un parapléjico permitiría leer su intención de moverse y hacia dónde y con esa predicción operar unos brazos robóticos. Para un epiléptico supondría hacer una predicción de cuando puede llegar una crisis y emitir avisos”, añade. 

Los resultados del trabajo también ayudarán a decodificar las señales cerebrales asociadas a procesos complejos, como memorizar experiencias. “El hipocampo construye representaciones mentales de lo que vivimos y posteriormente las reactiva de manera específica para consolidarlas.”

“No sabemos aún cómo tiene lugar este proceso, y para ello necesitamos descomponer esa representación. El problema es que la señal viene ya mezclada en cientos de miles de neuronas. Este trabajo nos proporciona las etiquetas para comenzar a deconstruir el código mediante técnicas de inteligencia artificial”, concluye la investigadora del CSIC.

 

Noticias relacionadas