Do we understand orientation selectivity? A simulation study

Imagina que tu cerebro es una ciudad enorme y bulliciosa donde miles de millones de mensajeros diminutos (neuronas) se pasan mensajes constantemente unos a otros. Uno de los trabajos más fascinantes en esta ciudad está ocurriendo en el "Distrito Visual", un vecindario dedicado a procesar lo que ves. Durante décadas, los científicos han intentado descubrir cómo estos mensajeros deciden a qué formas prestar atención. Específicamente, querían saber por qué algunas neuronas solo se emocionan cuando ven una línea vertical, mientras que otras solo se preocupan por las líneas horizontales. Esta habilidad especial se llama selectividad de orientación. Es como tener un guardia de seguridad en un club que solo deja pasar a personas que llevan sombreros rojos; en el cerebro, estos guardias solo dejan pasar las señales de "línea vertical".

Durante mucho tiempo, los científicos pensaron que tenían el plano de cómo funciona este club. Creían que si simplemente organizaban correctamente a los mensajeros —asegurándose de que los que gustan de las líneas verticales sean vecinos y que todos reciban sus instrucciones de la fuente correcta— el cerebro comenzaría naturalmente a clasificar las líneas. Parecía una simple cuestión de cableado: si construyes el mapa de carreteras adecuado, el tráfico fluirá perfectamente. Pero, como veremos, el cerebro es mucho más complicado que un mapa simple y, a veces, incluso los mejores planes necesitan un poco de ayuda extra para funcionar en el mundo real.

---

El Gran Simulacro Cerebral: Por qué el Plano no fue Suficiente

En este estudio, un equipo de investigadores del Proyecto Blue Brain decidió probar el viejo plano construyendo la simulación más realista y de alta definición de la corteza visual de un ratón jamás creada. Piensa en esto como construir un gemelo digital de una pequeña rebanada del cerebro de un ratón, pero en lugar de usar bloques simples y caricaturescos, usaron modelos 3D increíblemente detallados de neuronas con formas, tamaños y conexiones realistas. Querían ver si las viejas reglas para clasificar líneas seguirían funcionando cuando el cerebro se construyera con este nivel de complejidad del mundo real.

Antes de siquiera empezar a probar las reglas de clasificación de líneas, el equipo intentó mapear los "caminos" que traen las instrucciones desde los ojos hacia el cerebro. Asumieron que la forma física de las neuronas y la manera en que sus cables (axones) se cruzan sobre ellas determinaría naturalmente qué tipos específicos de neuronas recibirían conexiones. Era como asumir que, si conoces el diseño de una ciudad y por dónde circulan los camiones de correo, puedes predecir perfectamente qué casas reciben correo.

La Primera Sorpresa: El Mapa estaba Equivocado
Los investigadores descubrieron que su mapa anatómico 3D detallado del cerebro no logró predecir las conexiones reales. Incluso con un conocimiento perfecto de las formas y posiciones de las neuronas, la disposición física no podía explicar por qué ciertos tipos específicos de neuronas recibían señales fuertes de los ojos mientras que otras casi no recibían ninguna. El "mapa de carreteras" del cerebro era demasiado desordenado y complejo para ser explicado solo por la geometría simple. Esto significaba que otros factores invisibles —quizás señales químicas o la competencia entre cables— estaban decidiendo quién se conectaba, no solo la disposición física.

El equipo luego intentó recrear dos ideas famosas que supuestamente explicaban cómo las neuronas eligen sus ángulos de línea favoritos, con la esperanza de solucionar el problema de la clasificación:

1. La Teoría de la "Entrega Especial": La idea de que el cerebro recibe instrucciones de los ojos de una manera que separa naturalmente las señales de "luz" y "oscuridad" en patrones específicos, como un servicio postal clasificando el correo en diferentes contenedores.
2. La Teoría de "Iguales se Atraen": La idea de que las neuronas que gustan de los mismos ángulos de línea se conectan naturalmente entre sí, formando un club muy unido donde se refuerzan mutuamente sus preferencias.

El equipo construyó su modelo superrealista, lo programó con estas dos teorías (y los datos de conexión corregidos) y luego presionó "ejecutar" para ver qué pasaba. Simularon al cerebro viendo rayas de luz en movimiento, tal como lo vería un ratón en la vida real.

La Gran Sorpresa:
La simulación falló. A pesar de tener las instrucciones de "Entrega Especial" perfectas y los clubes de "Iguales se Atraen", las neuronas en el cerebro digital del ratón no se volvieron muy buenas detectando ángulos de línea. Su capacidad para distinguir entre una línea vertical y una horizontal era mucho más débil de lo que se observa en los ratones reales. De hecho, cuando los investigadores añadieron las conexiones locales entre neuronas (la parte de "Iguales se Atraen"), esto hizo que la clasificación fuera peor en lugar de mejor.

Esto fue algo trascendental porque significó que las viejas y simples explicaciones —que funcionaban bien en modelos computacionales básicos y de bajo detalle— no eran suficientes para explicar cómo funciona un cerebro real y complejo. Es como intentar construir un motor de coche funcional usando solo un boceto; el boceto se ve bien, pero cuando introduces todas las piezas de metal reales y pesadas, el motor tose y no arranca.

Lo que los Investigadores Descartaron

El equipo no se detuvo simplemente en un "no funcionó". Jugaron a ser detectives para descubrir por qué no funcionó. Probaron varias posibilidades y las descartaron:

• No fue la clasificación de "Entrega Especial": Probaron diferentes formas de separar las señales de luz y oscuridad de los ojos, pero sin importar cómo las organizaran, el cerebro seguía sin poder detectar las líneas. La disposición física de estas señales por sí sola no era la clave mágica.
• No fueron solo las conexiones de "Iguales se Atraen": Comprobaron si la forma en que las neuronas se conectaban entre sí era el problema. Incluso cuando obligaron a las neuronas a conectarse exactamente como predecía la teoría de "Iguales se Atraes", el cerebro seguía sin clasificar las líneas correctamente.
• No fue un error en las matemáticas: Revisaron doblemente su código y sus números, asegurándose de no haber cometido un error simple en cómo calcularon las conexiones.

La Nueva Hipótesis: El Cerebro Necesita un Sistema de "Autoajuste"

Entonces, si el cableado y las instrucciones no son suficientes, ¿qué falta? Los investigadores sugieren que el cerebro real tiene un arma secreta que su simulación no tenía: la plasticidad homeostática.

Piensa en esto como un "termostato de autoajuste" para el cerebro. En un cerebro real, las neuronas monitorean constantemente cuánto están disparando. Si una neurona está recibiendo demasiada entrada y está a punto de volverse loca, reduce silenciosamente su sensibilidad. Si está recibiendo muy poca, aumenta su volumen. Esto sucede todo el tiempo, manteniendo toda la red equilibrada y lista para trabajar.

En la simulación, las neuronas eran estáticas; no podían ajustarse a sí mismas. Estaban atrapadas con la configuración con la que nacieron. Los investigadores sospechan que, sin esta capacidad de "autoajuste", las conexiones complejas y desordenadas de un cerebro real simplemente se ven abrumadas y no pueden clasificar las líneas. Proponen que el cerebro necesita este acto de equilibrio dinámico para convertir una pila desordenada de cables en una máquina afilada para detectar líneas.

La Conclusión

Este artículo es un golpe de realidad para los científicos del cerebro. Muestra que el hecho de que una teoría funcione en un modelo computacional simple y limpio no significa que funcione en la realidad desordenada y complicada de un cerebro vivo. Las viejas ideas sobre cómo las neuronas clasifican las líneas probablemente son parte de la historia, pero no son la historia completa.

Los autores sugieren que para entender verdaderamente cómo vemos el mundo, debemos dejar de mirar al cerebro como un circuito estático y empezar a verlo como un sistema dinámico y autocorrectivo. No demostraron que esta nueva idea sea definitivamente la respuesta (ya que aún no pueden simular el proceso de autoajuste perfectamente), pero sus resultados sugieren fuertemente que, sin ella, el sistema visual del cerebro simplemente no funcionaría como lo hace. Es un recordatorio de que el cerebro no es solo una máquina construida a partir de piezas, sino un sistema vivo que se sintoniza constantemente a sí mismo para mantenerse en equilibrio.