Novo sistema de imagem cerebral rastreia quase 200 neurônios de uma vez

Pesquisadores avançam mais fundo na atividade cerebral em vivo com imagem óptica de alta velocidade

Uma nova plataforma de imagem descrita em Nature Methods pode ampliar a forma como cientistas estudam o processamento de informações no cérebro ao capturar a atividade elétrica de quase 200 neurônios ao mesmo tempo em tecido vivo. O sistema, chamado FlatMux, foi projetado para registrar sinais rápidos, fracos e normalmente difíceis de observar em escala, especialmente nas regiões profundas do cérebro.

O trabalho enfrenta um desafio técnico de longa data na neurociência. Os circuitos cerebrais operam por meio de redes densas de neurônios que calculam em paralelo, mas muitas ferramentas existentes ou não conseguem amostrar células suficientes de uma só vez, ou não alcançam profundidade suficiente, ou não se movem rápido o bastante para capturar eventos elétricos rápidos com fidelidade útil. A nova plataforma busca melhorar essas três restrições ao mesmo tempo.

De acordo com o texto-fonte fornecido, o FlatMux pode registrar sinais de quase 200 neurônios em um ou vários planos simultaneamente, em profundidades de até 500 micrômetros e com taxas de quadros de até 2.000 por segundo. O sistema supostamente atinge uma taxa de varredura de 150 milhões de amostras por segundo, minimizando a quantidade de energia necessária para detectar de forma confiável a atividade de neurônios individuais.

Esses números de desempenho importam porque sinais elétricos se desenvolvem em escalas de tempo muito curtas. Um método lento demais pode perder dinâmicas importantes. Um método que não consegue imagear profundamente o suficiente pode excluir camadas relevantes do córtex. E um método que captura apenas um pequeno número de células por vez pode ter dificuldade para revelar como o processamento distribuído realmente funciona em redes vivas.

Por que a imagem elétrica é mais difícil do que ver neurônios brilhando

Neurocientistas têm muitas maneiras de estudar o cérebro, mas cada uma traz compensações. Sondas eletrodas podem detectar atividade elétrica diretamente, mas são invasivas e não fornecem naturalmente a mesma visão óptica da posição ou identidade de uma célula. Métodos ópticos baseados em fluorescência podem preservar a informação espacial, mas historicamente foram limitados pela intensidade do sinal, velocidade, campo de visão ou profundidade de imagem.

Essa é a lacuna que a equipe de Rockefeller está tentando estreitar. Ao imagear diretamente a atividade elétrica por fluorescência, os pesquisadores não apenas podem ver quando os neurônios estão ativos, mas também inferir onde esses neurônios estão localizados e que tipos de células eles podem ser. Em princípio, isso facilita relacionar o comportamento dos circuitos à anatomia e à identidade celular no mesmo experimento.

A motivação científica mais ampla do estudo é direta: entender a função cerebral exige ir além de descrições de células individuais para explicações em nível de rede. O texto-fonte enquadra o problema exatamente nesses termos. Durante anos, grande parte da área se concentrou nas propriedades de resposta de neurônios individuais. Mas sensação, comportamento e cognição emergem de grandes conjuntos de células que interagem entre camadas e ao longo do espaço.

Capturar essas relações em tempo real tem sido difícil. Os sinais são fracos, o tecido é complexo e aumentar o poder de imagem pode criar restrições práticas e biológicas. O FlatMux parece ser uma tentativa de otimizar esses limites ao reduzir o custo energético de detectar a atividade de um único neurônio, ao mesmo tempo em que amplia a estratégia de varredura o suficiente para cobrir muitos neurônios rapidamente.

O que o FlatMux parece tornar possível

A afirmação mais importante no material de origem não é simplesmente que a plataforma é mais rápida. É que a sensibilidade, a velocidade e a profundidade combinadas podem permitir aos pesquisadores mapear neurônios funcionalmente conectados entre si e que interagem causalmente. Essa distinção é significativa. Muitos experimentos podem mostrar correlação, mas resolver como a atividade se propaga por circuitos em tecido cerebral vivo exige ferramentas capazes de observar muitas células relevantes ao mesmo tempo em condições realistas.

Se o sistema funcionar como descrito, os pesquisadores poderão começar a estudar como padrões de informação se movem através das camadas corticais em vez de examinar instantâneos isolados de pequenos subconjuntos de células. Isso apoiaria trabalhos sobre processamento sensorial, dinâmica de rede e os mecanismos pelos quais grupos de neurônios geram comportamento coletivamente.

A profundidade é especialmente importante aqui. Imagear até 500 micrômetros significa que os pesquisadores podem observar atividade mais abaixo da superfície do que muitas abordagens ópticas conseguem com conforto. Isso aumenta a chance de capturar interações entre múltiplas camadas de organização cortical, e não apenas os componentes mais superficiais.

A capacidade relatada de funcionar em um ou vários planos ao mesmo tempo também importa. A computação neural é inerentemente tridimensional. Interações importantes não se alinham de forma organizada em um único corte plano. Uma plataforma capaz de amostrar múltiplos planos mantendo alta velocidade tem mais chance de representar a estrutura real dos circuitos.

Da neurociência de um único neurônio à computação distribuída

Alipasha Vaziri, que lidera o Laboratório de Neurotecnologia e Biofísica de Rockefeller, argumenta no texto-fonte que a área está mudando de entender o cérebro como um conjunto de propriedades de resposta individuais para entendê-lo como um sistema altamente interconectado que realiza computação distribuída. Trata-se de uma mudança conceitual, além de técnica.

Ferramentas moldam teorias. Quando os métodos só permitem aos cientistas monitorar bem poucos neurônios, a unidade natural de análise torna-se a célula individual. À medida que os instrumentos melhoram, a unidade de análise pode se tornar o circuito, a camada ou a rede distribuída. O FlatMux é apresentado como uma ferramenta que pode ajudar a viabilizar essa transição ao tornar a imagem elétrica em maior escala mais prática em tecido vivo.

Isso não significa que as grandes questões estejam resolvidas. Uma observação melhor não se traduz automaticamente em uma teoria completa da computação cerebral. Mas pode mudar quais perguntas ficam acessíveis experimentalmente. Pesquisadores podem estar melhor posicionados para perguntar como a informação é transformada ao passar por grupos interconectados de neurônios, como padrões de atividade se sincronizam ou divergem e como tipos celulares específicos contribuem para computações compartilhadas.

Um avanço técnico com amplas implicações para a pesquisa

O estudo está sendo apresentado como uma plataforma de referência em neurotecnologia óptica. Se isso se sustentar em trabalhos subsequentes, seu valor se estenderá além de um único laboratório. Métodos que melhoram o equilíbrio entre velocidade, escala e profundidade costumam se tornar infraestrutura habilitadora para muitos tipos de experimentos, especialmente em neurociência de sistemas.

Por enquanto, a principal conclusão é que os pesquisadores descreveram uma forma de imagear atividade elétrica de muito mais neurônios, em maior profundidade e velocidade do que normalmente foi possível com abordagens ópticas comparáveis. Em uma área cujo desafio central é entender como enormes números de neurônios interconectados calculam juntos, isso é um passo significativo.

O cérebro continua difícil de observar em seus próprios termos. Mas uma plataforma que possa acompanhar quase 200 neurônios ao mesmo tempo em tecido vivo, preservando o contexto espacial e de tipo celular, pode dar aos cientistas uma visão mais clara de como a cognição emerge dos circuitos e não de partes isoladas. Essa é a promessa por trás do FlatMux, e é por isso que esse desenvolvimento técnico se destaca como mais do que uma melhoria incremental de imagem.

Este artigo é baseado na cobertura do Medical Xpress. Leia o artigo original.