Nuevo método mejora la identificación de neuronas equivalentes entre cerebros diferentes

Un avance significativo en la identificación de neuronas equivalentes

Un equipo de investigadores del Departamento de Ingeniería Química de la Universitat Rovira i Virgili (URV) ha desarrollado una innovadora herramienta estadística que permite identificar cuáles neuronas son equivalentes entre diferentes cerebros. Este nuevo método, publicado en la revista científica Nature Communications, no solo mejora los enfoques existentes, sino que también representa un cambio radical en la forma de abordar este desafío científico.

El estudio se centra en comparar cerebros para comprender cómo se conectan las neuronas y cómo estas conexiones pueden variar entre distintas especies o individuos. El modelo probabilístico creado por el equipo permite alinear múltiples redes complejas simultáneamente para descubrir patrones comunes, lo que actualmente no es posible de manera automática.

Una metodología con aplicaciones amplias

La base del nuevo método es una idea sencilla pero biológicamente plausible: todas las redes a alinear son versiones con errores de una misma estructura subyacente, similar a un plano o blueprint. Al reconstruir este patrón común a partir de las observaciones disponibles, el método no solo alinea las redes, sino que también estima la probabilidad de que cada nodo en una red corresponda a uno específico en otra.

Marta Sales-Pardo, investigadora involucrada en el proyecto, señala: “Nuestra motivación principal era poder comparar conectomas. Pero para compararlos primero hay que saber qué neuronas son equivalentes en cada cerebro”. Esta tarea se complica notablemente cuando se trata de cerebros de diferentes individuos o especies y cuando no hay información contextual clara sobre cada neurona.

Resultados prometedores en diversas aplicaciones

El método ha sido validado utilizando datos reales de conectomas del gusano C. Elegans, así como de la larva de la Drosophila melanogaster, y también ha sido probado con redes sociales basadas en correos electrónicos. En todos estos casos, la técnica ha demostrado ser significativamente más precisa que los métodos existentes. Roger Guimerà, profesor ICREA del mismo departamento, afirma: “Hemos podido alinear hasta diez redes a la vez y lo hemos hecho mejor que cualquier otra herramienta conocida hasta ahora”.

Aparte de mejorar la precisión, el enfoque probabilístico permite hacer explícitas las hipótesis sobre cómo se generan los datos. Esto facilita la adaptación del modelo a diferentes tipos de redes e incluye información contextual relevante, como las categorías de los nodos. “Con este método, no solo buscamos la mejor alineación posible, sino que estimamos la probabilidad de que cada correspondencia sea correcta”, añaden los investigadores.