How much of a nervous-system model does behaviour identify?
Este estudio demuestra que, si bien los datos conductuales pueden restringir direcciones específicas en el espacio de parámetros de los modelos de sistemas nerviosos de organismos completos, la gran mayoría de los parámetros a escala del conectoma permanecen indeterminados, siendo la extensión de la identificabilidad dependiente de la diversidad y las demandas funcionales de las conductas elicitadas.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo
Los científicos han buscado durante mucho tiempo construir gemelos digitales de criaturas vivas, programas informáticos que imiten la forma en que un gusano se arrastra o una mosca camina. Estas simulaciones se construyen a partir de miles de partes diminutas: la fuerza de las conexiones entre las células nerviosas, la velocidad a la que viajan las señales eléctricas y las reacciones químicas que mantienen vivas a las células. La esperanza ha sido que, si un modelo informático puede reproducir perfectamente el movimiento de un animal, entonces los números dentro de ese modelo deben coincidir con la biología real del animal. Si el gusano virtual se mueve igual que el real, la lógica dicta que el gusano virtual debe estar construido con los mismos ajustes que el real. Pero un creciente cuerpo de trabajo sugiere que esto podría no ser cierto. Es posible que muchos conjuntos diferentes de números produzcan exactamente el mismo movimiento, lo que significa que observar a un animal moverse puede no ser suficiente para averiguar exactamente cómo está cableado su sistema nervioso.
Un nuevo estudio de Chenxi He, de la Universidad de Cambridge, pone esto a prueba a gran escala. En lugar de observar una sola célula nerviosa o un pequeño grupo de ellas, el investigador examinó simuladores de organismos completos de un nematodo y una mosca de la fruta. Estos modelos contienen miles de parámetros que definen cómo funciona el sistema nervioso. Al ajustar sistemáticamente cada número de estos modelos y observar cómo cambiaba el comportamiento, el estudio trazó un mapa de qué partes del modelo están fijadas por las acciones del animal y qué partes son libres de variar. Los resultados muestran que el comportamiento es una guía muy pobre para los detalles completos de un sistema nervioso. Aunque los movimientos del animal sí determinan algunas combinaciones específicas de ajustes, dejan la gran mayoría de los números internos del modelo completamente sin restricciones.
El estudio se centró primero en un modelo detallado del nematodo C. elegans, un diminuto gusano cuyo diagrama de cableado de todo el sistema nervioso es conocido. Este modelo contiene 3.076 fuerzas de conexión diferentes entre sus células nerviosas. El investigador realizó miles de simulaciones, cambiando una conexión a la vez para ver si el patrón de arrastre del gusano cambiaba. Los hallazgos fueron sorprendentes: de esas 3.076 conexiones, el comportamiento del gusano solo determinaba ocho direcciones específicas en el espacio de todos los posibles ajustes. Incluso cuando el investigador observó un estándar de medición ligeramente más permisivo, el número aumentó a solo 47. Esto significa que el 99% de las fuerzas de conexión en el modelo podrían cambiarse sin que el gusano notara una diferencia en cómo se movía. El comportamiento del gusano actúa como un foco estrecho, iluminando una pequeña y específica sección del modelo mientras deja el resto en la oscuridad.
Este patrón se mantuvo incluso cuando el estudio observó un animal diferente y una parte diferente del sistema nervioso. En un modelo del sistema visual de la mosca de la fruta, que procesa lo que la mosca ve, el investigador encontró que, de 330 ajustes ajustables, el comportamiento solo restringía 14. Tanto en el gusano como en la mosca, las partes del modelo que estaban estrechamente controladas por el comportamiento eran las conexiones que transportan las señales principales para el movimiento o la visión. Las partes que quedaron libres para variar eran a menudo las corrientes químicas específicas dentro de las células. Por ejemplo, en el modelo del gusano, el comportamiento era mayormente insensible a dos tipos específicos de canales de calcio, lo que significa que su fuerza podía alterarse significativamente sin cambiar la forma en que el gusano caminaba. Esto sugiere que el sistema nervioso tiene una gran capacidad de flexibilidad; puede lograr el mismo resultado con muchos ajustes internos diferentes.
La investigación también exploró si observar a un animal hacer más cosas ayudaría a determinar más detalles. El equipo probó el modelo del gusano con diferentes tipos de movimiento, como arrastrarse en línea recta frente a moverse hacia la comida. Encontraron que añadir más del mismo tipo de movimiento, como caminar más rápido o más lento, no revelaba mucha información nueva. Los ajustes del modelo que controlaban estas acciones similares ya estaban fijados por el primer movimiento. Sin embargo, cuando el animal realizaba una tarea funcionalmente diferente, como navegar hacia un olor en lugar de simplemente caminar, el modelo reveló un nuevo conjunto de ajustes restringidos. El comportamiento del gusano en un gradiente químico fijó conexiones diferentes que su comportamiento en un simple paseo. Sin embargo, incluso con estas diferentes tareas, una gran parte del modelo permaneció libre. El estudio demostró que para aprender más sobre el sistema nervioso, es necesario observar una amplia variedad de comportamientos distintos, no solo grabaciones más largas de la misma acción.
Para asegurar que estos hallazgos no fueran solo una peculiaridad de los modelos informáticos, el investigador probó los mismos métodos en modelos celulares más simples donde las respuestas correctas ya se conocían. En estos casos, el método funcionó perfectamente: cuando el modelo era pequeño y el comportamiento era simple, se recuperaron los ajustes correctos. Pero cuando el modelo era complejo, como la famosa vía de señalización MAPK, la simulación podía coincir exactamente con el comportamiento utilizando números completamente erróneos para las partes internas. Esto confirmó que una coincidencia perfecta con el comportamiento no garantiza que la biología subyacente haya sido identificada correctamente. El estudio también comparó sus resultados con datos biológicos reales de otros científicos, como las mediciones de cuánto varían las células nerviosas entre individuos de la misma especie. Los patrones de lo que varía y lo que permanece constante en gusanos y moscas reales coincidieron con los patrones encontrados en los modelos informáticos, sugiriendo que esta "desprolijidad" es una característica real de la biología, no solo un error de las simulaciones.
La conclusión definitiva es que el comportamiento identifica un espacio específico de baja dimensionalidad dentro de un modelo del sistema nervioso, pero deja abierto la gran mayoría del espacio de ese modelo. Las partes del sistema que están restringidas son las esenciales para la tarea específica en cuestión, mientras que las partes libres representan direcciones en las que la biología puede variar sin consecuencias. Esto significa que construir un organismo digital que se comporte como uno real no significa que hayamos descubierto los ajustes exactos del organismo real. En cambio, hemos encontrado una combinación de ajustes que resulta ser la que produce el movimiento correcto. El estudio replantea esta incertidumbre no como un fallo de medición, sino como una característica de la vida: el sistema nervioso es lo suficientemente robusto como para tolerar una amplia gama de cambios internos siempre que el resultado final, el comportamiento, siga siendo efectivo. El investigador concluye que para comprender verdaderamente un sistema nervioso, debemos mirar más allá del comportamiento que produce y reconocer que el camino hacia ese comportamiento está pavimentado con muchas rutas posibles.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.