Nuevo sistema de imagen cerebral rastrea casi 200 neuronas a la vez

Los investigadores profundizan en la actividad cerebral en vivo con imágenes ópticas de alta velocidad

Una nueva plataforma de imagen descrita en Nature Methods podría ampliar la forma en que los científicos estudian el procesamiento de la información en el cerebro al capturar la actividad eléctrica de casi 200 neuronas al mismo tiempo en tejido vivo. El sistema, llamado FlatMux, está diseñado para registrar señales rápidas, débiles y normalmente difíciles de observar a gran escala, especialmente en las zonas profundas del cerebro.

El trabajo aborda un desafío técnico de larga data en neurociencia. Los circuitos cerebrales operan mediante densas redes de neuronas que calculan en paralelo, pero muchas herramientas existentes no pueden muestrear suficientes células a la vez, no alcanzan la profundidad necesaria o no se mueven lo bastante rápido como para captar eventos eléctricos rápidos con fidelidad útil. La nueva plataforma pretende mejorar esas tres limitaciones a la vez.

Según el texto fuente proporcionado, FlatMux puede registrar señales de casi 200 neuronas en uno o varios planos simultáneamente, a profundidades de hasta 500 micrómetros y con tasas de imagen de hasta 2.000 por segundo. El sistema, según se informa, logra una tasa de escaneo de 150 millones de muestras por segundo al tiempo que minimiza la energía necesaria para detectar de forma fiable la actividad de neuronas individuales.

Esas cifras de rendimiento importan porque las señales eléctricas se desarrollan en escalas de tiempo muy cortas. Un método demasiado lento puede pasar por alto dinámicas importantes. Un método que no pueda obtener imágenes lo suficientemente profundas puede excluir capas relevantes de la corteza. Y un método que solo capte un pequeño número de células a la vez puede tener dificultades para revelar cómo funciona realmente el procesamiento distribuido en redes vivas.

Por qué obtener imágenes eléctricas es más difícil que ver cómo brillan las neuronas

Los neurocientíficos tienen muchas formas de estudiar el cerebro, pero cada una conlleva compromisos. Las sondas de electrodos pueden detectar la actividad eléctrica directamente, pero son invasivas y no ofrecen de forma natural la misma vista óptica de la posición o la identidad de una célula. Los métodos ópticos basados en fluorescencia pueden conservar la información espacial, pero históricamente han estado limitados por la intensidad de la señal, la velocidad, el campo de visión o la profundidad de imagen.

Ahí es donde el equipo de Rockefeller intenta reducir la brecha. Al obtener imágenes directas de la actividad eléctrica mediante fluorescencia, los investigadores no solo pueden ver cuándo están activas las neuronas, sino también inferir dónde se encuentran y qué tipos de células podrían ser. En principio, eso facilita relacionar el comportamiento de los circuitos con la anatomía y la identidad celular dentro del mismo experimento.

La motivación científica más amplia del estudio es sencilla: comprender la función cerebral exige ir más allá de las descripciones de una sola célula hacia explicaciones a nivel de red. El texto fuente plantea el problema exactamente en esos términos. Durante años, gran parte del campo se ha centrado en las propiedades de respuesta de neuronas individuales. Pero la sensación, el comportamiento y la cognición emergen de grandes conjuntos de células que interactúan entre capas y a través del espacio.

Capturar esas relaciones en tiempo real ha sido difícil. Las señales son débiles, el tejido es complejo y aumentar la capacidad de imagen puede crear restricciones prácticas y biológicas. FlatMux parece ser un intento de optimizar esos límites reduciendo el costo energético de detectar la actividad de una sola neurona, al tiempo que escala la estrategia de escaneo lo suficiente como para cubrir muchas neuronas rápidamente.

Lo que FlatMux parece hacer posible

La afirmación más importante del material de origen no es simplemente que la plataforma sea más rápida. Es que la sensibilidad, la velocidad y la profundidad combinadas podrían permitir a los investigadores mapear neuronas que están conectadas funcionalmente entre sí y que interactúan causalmente. Esa distinción es significativa. Muchos experimentos pueden mostrar correlación, pero resolver cómo la actividad se propaga por los circuitos en tejido cerebral vivo requiere herramientas que puedan observar muchas células relevantes al mismo tiempo en condiciones realistas.

Si el sistema funciona como se describe, los investigadores podrían empezar a estudiar cómo los patrones de información se mueven a través de las capas corticales en lugar de examinar instantáneas aisladas de pequeños subconjuntos de células. Eso apoyaría el trabajo sobre procesamiento sensorial, dinámica de redes y los mecanismos por los cuales grupos de neuronas generan comportamiento de forma colectiva.

La profundidad es especialmente importante aquí. Obtener imágenes hasta 500 micrómetros significa que los investigadores pueden observar la actividad más abajo de la superficie que muchas aproximaciones ópticas manejan cómodamente. Eso aumenta la posibilidad de capturar interacciones entre múltiples capas de organización cortical, y no solo los componentes más superficiales.

La capacidad reportada de trabajar en uno o varios planos a la vez también importa. La computación neural es intrínsecamente tridimensional. Las interacciones importantes no se alinean de manera ordenada en un solo corte plano. Una plataforma que pueda muestrear múltiples planos manteniendo una gran velocidad tiene más posibilidades de representar la estructura real de los circuitos.

De la neurociencia de una sola neurona a la computación distribuida

Alipasha Vaziri, quien dirige el Laboratorio de Neurotecnología y Biofísica de Rockefeller, sostiene en el texto fuente que el campo está pasando de comprender el cerebro como una colección de propiedades de respuesta individuales a entenderlo como un sistema altamente interconectado que realiza computación distribuida. Se trata de un cambio conceptual y también técnico.

Las herramientas moldean las teorías. Cuando los métodos solo permiten a los científicos supervisar bien unas pocas neuronas, la unidad natural de análisis pasa a ser la célula individual. A medida que mejoran los instrumentos, la unidad de análisis puede convertirse en el circuito, la capa o la red distribuida. FlatMux se presenta como una herramienta que podría ayudar a habilitar esa transición al hacer más práctica la imagen eléctrica a mayor escala en tejido vivo.

Eso no significa que las grandes preguntas ya estén resueltas. Observar mejor no se traduce automáticamente en una teoría completa de la computación cerebral. Pero sí puede cambiar qué tipo de preguntas son accesibles experimentalmente. Los investigadores pueden estar mejor posicionados para preguntar cómo se transforma la información al pasar por grupos interconectados de neuronas, cómo se sincronizan o divergen los patrones de actividad y cómo contribuyen tipos celulares concretos a computaciones compartidas.

Un avance técnico con amplias implicaciones para la investigación

El estudio se está presentando como una plataforma de referencia en neurotecnología óptica. Si eso se mantiene en trabajos posteriores, su valor se extenderá más allá de un solo laboratorio. Los métodos que mejoran el equilibrio entre velocidad, escala y profundidad suelen convertirse en infraestructura habilitadora para muchos tipos de experimentos, especialmente en neurociencia de sistemas.

Por ahora, la conclusión clave es que los investigadores han descrito una forma de obtener imágenes de la actividad eléctrica de muchos más neuronas, con mayor profundidad y velocidad, de lo que normalmente ha sido posible con enfoques ópticos comparables. En un campo cuyo desafío central es entender cómo enormes números de neuronas interconectadas calculan juntas, eso representa un paso significativo.

El cerebro sigue siendo difícil de observar en sus propios términos. Pero una plataforma que pueda seguir casi 200 neuronas a la vez en tejido vivo, preservando al mismo tiempo el contexto espacial y de tipo celular, podría dar a los científicos una visión más clara de cómo surge la cognición a partir de los circuitos y no de partes aisladas. Esa es la promesa detrás de FlatMux, y la razón por la que este avance técnico destaca como algo más que una mejora incremental de la imagen.

Este artículo se basa en una información de Medical Xpress. Leer el artículo original.