Computational simulation reveals the critical role of spike-timing-dependent plasticity in synchrony

El cerebro humano es una vasta red de miles de millones de diminutas células eléctricas, que disparan señales constantemente para construir nuestros pensamientos, recuerdos y percepciones. Durante décadas, los científicos han debatido cómo estas células se organizan a sí mismas para almacenar información. Un lado del argumento sugiere que el aprendizaje ocurre cuando grupos de neuronas disparan en perfecta unión, como un coro cantando la misma nota al mismo tiempo. Se piensa que esta actividad sincronizada es la firma física de la formación de un recuerdo. Por otro lado, una escuela de pensamiento diferente sostiene que, para que la información sea útil, debe ser variada e impredecible. Si cada célula dispara exactamente en el mismo momento, la señal se vuelve demasiado uniforme para transportar detalles complejos, de forma muy parecida a una estación de radio que solo transmite un único tono. Esta tensión entre la necesidad de unidad para aprender y la necesidad de variedad para codificar información ha creado un enigma de larga data en la neurociencia.

Los investigadores saben desde hace tiempo que el cerebro utiliza una regla específica para fortalecer las conexiones entre las neuronas: cuando dos células disparan en una secuencia precisa, el vínculo entre ellas se fortalece. Este proceso, conocido como plasticidad dependiente del tiempo de disparo, es el mecanismo biológico detrás del aprendizaje. Sin embargo, no estaba claro cómo esta regla de aprendizaje podía coexistir con la idea de que la información requiere un estado caótico y desincronizado. Si el aprendizaje requiere que las células disparen juntas, ¿cómo puede el cerebro apoyarse también en que disparen separadas para almacenar recuerdos ricos y detallados? Un nuevo estudio de científicos computacionales de la Universidad de Toronto y el Instituto Cerebral Krembil propone que estas dos fuerzas aparentemente opuestas no son enemigas, sino compañeras en un ciclo de retroalimentación continua.

Para resolver este misterio, los investigadores construyeron un modelo computacional detallado de una pequeña red de neuronas, imitando el comportamiento de las células que se encuentran en el hipocampo, el centro neurálgico de la memoria en el cerebro. Programaron esta red virtual con las mismas reglas biológicas que siguen las neuronas reales, incluyendo las señales químicas que excitan o inhiben la actividad. El equipo alimentó el modelo con datos realistas registrados de ratas realizando una tarea visual, donde los animales debían distinguir entre imágenes de diferentes brillos. Luego, ejecutaron dos versiones de la simulación: una donde el mecanismo de aprendizaje estaba activo, y otra donde estaba desactivado. Al comparar la actividad eléctrica de las neuronas virtuales en ambos escenarios, pudieron observar exactamente cómo el proceso de aprendizaje cambiaba el tiempo de los disparos.

Los resultados revelaron una relación dinámica y sorprendente entre el aprendizaje y el tiempo. Cuando el mecanismo de aprendizaje estaba activo, las neuronas no simplemente permanecían sincronizadas o desincronizadas. En su lugar, entraban en un ciclo rítmico. Al principio del proceso de aprendizaje, las neuronas comenzaron a distanciarse en sus tiempos de disparo, creando un estado de desincronización. Este cambio no fue un fallo del sistema, sino una consecuencia necesaria del propio aprendizaje. El aumento de la variedad en el tiempo de las señales sirvió de hecho para regular la fuerza del aprendizaje, evitando que la red se quedara estancada en un patrón rígido.

A medida que la simulación continuaba durante varios segundos, los investigadores observaron una danza compleja de sincronización y desincronización, aunque el patrón no era un simple vaivén. La red se movía de un estado sincronizado a uno desincronizado, y luego, tras un periodo de actividad dispersa, se sincronizaba brevemente antes de volver a separarse. Esta fluctuación era impulsada enteramente por las reglas de aprendizaje. El estudio sugiere que el cerebro utiliza este equilibrio cambiante para gestionar la información. La sincronización inicial permite al cerebro capturar una nueva pieza de información, mientras que la desincronización subsiguiente permite que esa información se almacene con suficiente flexibilidad para ser recuperada más tarde sin interferir con otros recuerdos.

Crucialmente, las simulaciones mostraron que, sin el mecanismo de aprendizaje, las neuronas no exhibían esta misma fluctuación regulada. Cuando el aprendizaje se desactivaba, la red permanecía en un estado mixto de sincronización y desincronización que no evolucionaba con el tiempo. Este hallazgo indica que la capacidad de cambiar entre estos estados no es un suceso aleatorio, sino un resultado directo del proceso de aprendizaje del cerebro. El estudio sugiere que el cerebro no elige entre la sincronización y la desincronización; más bien, utiliza el proceso de aprendizaje para alternar entre ambas, creando un sistema autorregulado.

Esta perspectiva ofrece una nueva forma de entender el largo enigma de cómo el cerebro equilibra el orden y el caos. Sugiere que la aparente contradicción entre el aprendizaje y la teoría de la información se resuelve al verlos como partes de un proceso único y continuo. El aprendizaje inicia la sincronización necesaria para formar un recuerdo, pero el acto mismo de aprender empuja al sistema hacia la desincronización, la cual preserva la flexibilidad de ese recuerdo. Los investigadores encontraron que este bucle permite al cerebro mantener un nivel saludable de variabilidad, evitando la sincronización extrema vista en condiciones como la epilepsia y la desincronización extrema asociada con la pérdida de memoria.

El estudio, realizado enteramente mediante simulaciones por computadora, proporciona un marco teórico de cómo podrían funcionar estos procesos en el cerebro real. Aunque el modelo se basó en datos biológicos establecidos y entradas realistas, los hallazgos son una propuesta de cómo interactúan estos mecanismos más que una observación directa de tejido vivo. Los autores sugieren que este bucle regulador podría ser la clave para comprender cómo codificamos los complejos detalles de nuestra vida diaria. Al mostrar que el aprendizaje y la desincronización están profundamente entrelazados, la investigación ofrece una explicación coherente de cómo el cerebro logra ser tanto un registrador estable de eventos como un procesador flexible de nueva información.