Opposite and complementary roles of the two calcium thresholds for inducing LTP and LTD in models of striatal projection neurons

Resumen Técnico: Roles Opuestos y Complementarios de los Dos Umbrales de Calcio para Inducir LTP y LTD en Modelos de Neuronas de Proyección Estriatal

Planteamiento del Problema
La plasticidad sináptica, la modificación de las sinapsis basada en los estímulos entrantes, se entiende ampliamente como algo desencadenado cuando los niveles intracelulares de calcio superan umbrales específicos. En las neuronas de proyección estriatal (SPN), específicamente en las SPN de la vía directa (dSPN), el fortalecimiento sináptico (Potenciación a Largo Plazo, LTP) y el debilitamiento (Depresión a Largo Plazo, LTD) son impulsados por el calcio proveniente de fuentes distintas: receptores NMDA (NMDAR) para la LTP y canales de calcio dependientes de voltaje tipo L (Cav1.3) para la LTD. Mientras que se ha propuesto que la metaplasticidad —la modificación de los propios umbrales— regula las condiciones de plasticidad y resuelve el dilema de la plasticidad-estabilidad, la mayoría de los modelos computacionales utilizan un único umbral modificable. Este estudio investiga los roles específicos de dos umbrales de calcio separados y modificables (uno para LTP, otro para LTD) en las dSPN. Los autores buscan determinar cómo la metaplasticidad en estos distintos umbrales permite a las neuronas resolver señales de plasticidad en competencia, particularmente cuando las tareas de aprendizaje involucran patrones de entrada que comparten características, lo que genera impulsos simultáneos tanto para el fortalecimiento como para el debilitamiento en las mismas sinapsis.

Metodología
El estudio emplea un modelo biofísico multicompartimental de una dSPN, incorporando una regla de aprendizaje simplificada y con base biológica para las sinapsis cortico-estriatales.

• Modelo de Neurona: El modelo utiliza una dSPN morfológicamente realista con espinas dendríticas. Distingue entre dos fuentes de calcio: $[Ca]_{NMDA}$ (que se difunde por toda la neurona) y $[Ca]_{L-type}$ (restringido a microdominios locales). El modelo incluye mecanismos para la integración lineal (sinapsis distribuidas) e integración supralineal (sinapsis agrupadas que desencadenan potenciales de meseta mediante el desbordamiento de glutamato).
• Tareas de Aprendizaje: Los autores utilizan el Problema de Vinculación de Características (FBP) y el Problema de Vinculación de Características No Lineal (NFBP). En estas tareas, la neurona debe distinguir entre patrones "relevantes" (que requieren un disparo) e "irrelevantes" (que requieren silencio). Crucialmente, los patrones relevantes e irrelevantes comparten características (por ejemplo, una forma o color específico), lo que significa que las sinapsis que representan estas características compartidas reciben señales de dopamina en conflicto (picos para la recompensa, pausas para la no recompensa) durante el aprendizaje.
• Regla de Plasticidad: Los cambios en el peso sináptico ($\Delta w$) dependen de los niveles de calcio local cruzando umbrales específicos ($\theta_{LTP}$ o $\theta_{LTD}$) seguidos de una señal de dopamina (pico para LTP, pausa para LTD).
• Regla de Metaplasticidad: Los propios umbrales son plásticos. Estos se desplazan hacia la amplitud de la señal de calcio evocada ($[Ca]_{max}$) siempre que ocurre plasticidad. Los autores prueban dos condiciones: metaplasticidad "umbralizada" (desencadenada solo si el calcio excede el umbral) y metaplasticidad "relajada" (desencadenada por cualquier nivel de calcio en sinapsis activas).
• Aprendizaje de Reversión: Para probar el dilema de la plasticidad-estabilidad, la política de recompensa se invierte a mitad de la simulación, requiriendo que la neurona desaprenda las asociaciones previas y aprenda nuevas.

Contribuciones Clave y Resultados

1. Roles Opuestos y Complementarios de los Umbrales:
   El estudio identifica que la metaplasticidad en los dos umbrales desempeña roles opuestos pero complementarios para resolver los impulsos de plasticidad en competencia:

   • Metaplasticidad del Umbral de LTD: Cuando una sinapsis se fortalece (LTP), el resultante nivel alto de calcio (a menudo proveniente de potenciales de meseta) provoca que el umbral de LTD ($\theta_{LTD}$) aumente. Este umbral elevado protege a la sinapsis fortalecida de ser debilitada cuando es activada posteriormente por un patrón irrelevante (que comparte la característica). Sin este mecanismo, las sinapsis fortalecidas compartidas oscilarían o no lograrían estabilizarse, impidiendo la codificación del patrón.
   • Metaplasticidad del Umbral de LTP: Por el contrario, para las sinapsis que necesitan debilitarse (LTD), la metaplasticidad en el umbral de LTP es crucial. A medida que estas sinapsis se debilitan, el umbral de LTP aumenta para seguir los niveles de calcio. Esto evita que la sinapsis sea inadvertidamente fortalecida cuando es activada por un patrón relevante (que comparte la característica). Sin esto, la sinapsis no lograría estabilizarse en un estado debilitado.
   • Conclusión: El umbral para un tipo de plasticidad (por ejemplo, LTD) es necesario para la expresión adecuada del tipo opuesto (por ejemplo, LTP), y viceversa.

2. Resolución del NFBP y FBP:

   • El modelo resuelve con éxito tanto el FBP como el NFBP utilizando la regla de metaplasticidad de doble umbral.
   • Para el NFBP, que requiere integración supralineal (potenciales de meseta), la actualización simultánea de ambos umbrales durante cualquier modificación sináptica es esencial. Si solo se actualiza el umbral correspondiente durante un evento de plasticidad específico (metaplasticidad parcial), las sinapsis no logran estabilizarse y la tarea no se resuelve.
   • En el FBP, la metaplasticidad asegura un rendimiento robusto y consistente, aunque la tarea puede resolverse con un rendimiento menor incluso si las sinapsis no se estabilizan completamente.

3. Abordaje del Dilema de la Plasticidad-Estabilidad:

   • El uso de metaplasticidad "umbralizada" (donde los umbrales solo se mueven si el calcio los supera) resulta en un mecanismo de "bloqueo". Una vez que los umbrales aumentan para igualar los niveles de calcio, las sinapsis se vuelven estables y no pueden ser modificadas. Esto impide el aprendizaje de reversión; la neurona no puede adaptarse cuando las políticas de recompensa cambian.
   • Para resolver el aprendizaje de reversión, los autores demuestran dos enfoques:
     1. Metaplasticidad Relajada: Permitir que los umbrales sean disminuidos por cualquier nivel de calcio (no solo aquellos por encima del umbral) permite que el sistema se "desbloquee" y reaprenda nuevas asociaciones.
     2. Reinicio de Umbrales: Asumir que una señal externa (por ejemplo, del sistema noradrenérgico) que reinicia los umbrales a valores bajos también puede desbloquear las sinapsis, permitiendo el aprendizaje de reversión sin relajar las condiciones de metaplasticidad.

4. Umbral Único vs. Doble Umbral:

   • Los autores muestran que un único umbral de calcio (que rastrea una señal de calcio combinada) es matemáticamente suficiente para resolver las tareas de FBP, NFBP y aprendizaje de reversión.
   • Sin embargo, el sistema de doble umbral proporciona un control separado sobre la LTP y la LTD. En el modelo de un solo umbral, las dinámicas de fortalecimiento y debilitamiento están acopladas. El modelo de doble umbral permite una regulación independiente, lo que los autores argumentan que ofrece un mecanismo para el control separado del fortalecimiento y el debilitamiento sináptico, incluso si las señales de calcio subyacentes están altamente correlacionadas en este contexto biológico específico.

Significancia y Reivindicaciones
El artículo afirma demostrar que la metaplasticidad actúa como un "bloqueo" en el proceso de plasticidad, estabilizando la información aprendida al elevar los umbrales para igualar los niveles de calcio evocados. La principal significancia radica en elucidar los roles contraintuitivos de los dos umbrales de calcio: el umbral para el debilitamiento es necesario para permitir el fortalecimiento, y el umbral para el fortalecimiento es necesario para permitir el debilitamiento. Este mecanismo permite que las sinapsis expuestas a impulsos competitivos de LTP y LTD converjan en un único estado estable.

El estudio también destaca que, si bien un solo umbral puede resolver computacionalmente estas tareas, la implementación biológica de dos umbrales separados permite mecanismos de control independientes. Los autores sugieren que esta arquitectura es vital para resolver el dilema de la plasticidad-estabilidad, permitiendo al cerebro almacenar información de manera estable mientras retiene la capacidad de un reaprendizaje flexible (aprendizaje de reversión) cuando las contingencias ambientales cambian. Los hallazgos se presentan en el contexto de los modelos de dSPN y no pretenden generalizarse a todos los tipos neuronales sin mayor investigación, ni proponen nuevos protocolos experimentales más allá de los implícitos en los supuestos del modelo (por ejemplo, el papel del reinicio noradrenérgico).