Information arrival sets the minimum acquisition time in calcium imaging

La neurociencia se ha convertido en gran medida en una ciencia óptica, un campo donde los investigadores observan la actividad eléctrica del cerebro convirtiéndola en luz. Para lograr esto, utilizan una herramienta especial llamada microscopio de dos fotones para mirar dentro del tejido vivo. Inyectan un sensor químico, una molécula diminuta que brilla con más intensidad cuando atrapa un ion de calcio. Dado que las neuronas liberan calcio cada vez que disparan una señal eléctrica, o espiga, este brillo actúa como un sustituto del evento eléctrico real. Sin embargo, el proceso no es un espejo perfecto. El sensor tarda un tiempo en reaccionar, la luz parpadea con ruido y la cámara captura imágenes a una velocidad fija. Esto crea una brecha entre la chispa eléctrica real y el destello de luz registrado. Durante décadas, los científicos se han centrado en construir mejores programas informáticos para adivinar las señales eléctricas originales a partir de las grabaciones de luz borrosas. Pero una pregunta más fundamental permanecía sin hacerse: ¿cuánto tiempo necesita realmente un científico observar una neurona antes de haber visto lo suficiente para responder a su pregunta específica?

Un nuevo estudio de Maurice Antony Ewing aborda directamente este problema de tiempo. En lugar de simplemente intentar adivinar el pasado, la investigación pregunta cuándo llega la información necesaria para una tarea y cuándo observar durante más tiempo deja de ayudar. El equipo trató la longitud de la ventana de observación como un rompecabezas para ser resuelto a la inversa. Utilizaron una enorme colección de datos del mundo real donde los científicos habían registrado tanto las señales de calcio brillantes como las espigas eléctricas reales de las mismas neuronas al mismo tiempo. Estos datos de verdad fundamental permitieron probar exactamente cuánta información estaba disponible en cada fracción de segundo. Al analizar grabaciones de cientos de neuronas a través de diferentes tipos de sensores y regiones cerebrales, descubrieron que la respuesta depende enteramente del equipo específico y la configuración biológica que se esté utilizando. No existe una única regla que se aplique a todos los experimentos.

Los investigadores descubrieron que, para algunos sensores de acción rápida, la información necesaria llega en un destello. Para un sensor específico llamado GCaMP8m, los datos mostraron que el sistema alcanza su capacidad máxima para identificar espigas en solo 67 milisegundos, lo que es aproximadamente el tiempo necesario para capturar dos fotogramas de video. Para un sensor diferente, GCaMP6s, utilizado en el cerebro fuera de la médula espinal, la ventana óptima fue más larga, requiriendo unos 250 milisegundos, u ocho fotogramas. En la médula espinal, donde las señales son más lentas y el entorno es más complejo, los investigadores determinaron que un científico necesita observar durante 667 milisegundos, o veinte fotogramas, para obtener el mejor resultado posible. Crucialmente, el estudio demostró que estos límites de tiempo específicos no fueron solo conjeturas afortunadas hechas en un grupo de neuronas. El equipo seleccionó estos tiempos utilizando un conjunto de neuronas que llamaron el grupo de "descubrimiento", y luego los probó en neuronas completamente diferentes que nunca habían visto antes. Los tiempos seleccionados funcionaron perfectamente en las nuevas neuronas, confirmando que la regla es transferible.

Quizás el hallazgo más sorprendente fue que observar más allá de estos límites específicos hace que los resultados sean peores. Una vez que la información ha llegado y la tarea se ha completado, continuar la grabación añade más ruido y emborrona la imagen. En cada caso probado, extender el tiempo de grabación más allá del punto óptimo causó que la precisión de la detección de espigas disminuyera. Para el sensor más rápido, mantener la cámara grabando demasiado tiempo redujo la precisión por un margen notable. Esto desmiente la suposición común de que más datos siempre son mejores. El estudio sugiere que, en muchos casos, un científico está perdiendo un tiempo valioso y potencialmente dañando el delicado tejido con una exposición innecesaria a la luz al grabar durante demasiado tiempo.

La investigación también aclaró qué sucede cuando los datos no son suficientes. Incluso en el momento perfecto, algunas configuraciones biológicas siguen siendo inherentemente difíciles de leer. El estudio midió una "ambigüedad residual", un estado donde la señal es simplemente demasiado difusa para distinguir cada espiga con total certeza. Para las grabaciones de la médula espinal, esta ambigüedad permaneció alta incluso después de que pasara el tiempo óptimo. El autor enfatiza que, en estos casos, añadir más tiempo no solucionará el problema. Si un científico necesita una imagen más clara de la que permite la configuración actual, no puede simplemente esperar más tiempo; debe cambiar el método, quizás usando un sensor diferente o una técnica de imagen diferente. El estudio no les dice qué nuevo método elegir, pero descarta firmemente la idea de que el tiempo por sí solo sea la solución.

Este trabajo establece una nueva forma de diseñar experimentos. En lugar de adivinar cuánto tiempo grabar, un investigador puede ahora estimar el tiempo mínimo requerido para alcanzar un objetivo específico. El estudio utilizó un sistema informático para analizar los datos y congelar un protocolo específico para cada tipo de sensor. Estos protocolos fueron luego validados en neuronas no vistas, demostrando que las reglas de tiempo se mantienen en la práctica. Los resultados muestran que para el sensor rápido GCaMP8m, la información está esencialmente completa dentro de dos fotogramas de video. Para las preparaciones de la médula espinal, que son más lentas, toma veinte fotogramas. Más allá de estos puntos, el tiempo extra no es solo inútil; es activamente perjudicial para la calidad de la respuesta.

Las implicaciones se extienden más allá de solo ahorrar tiempo. En la investigación médica, particularmente en el estudio de tumores cerebrales, la capacidad de medir con precisión la actividad neuronal es crítica. Si la medición es defectuosa porque la ventana de grabación es demasiado corta o demasiado larga, las conclusiones extraídas sobre cómo las neuronas interactúan con la enfermedad podrían ser erróneas. Este estudio proporciona un método para auditar el contenido de información de un experimento incluso antes de que se realice. Desplaza el enfoque de simplemente recolectar la mayor cantidad de datos posible hacia la recolección de la cantidad correcta de datos para la pregunta específica en cuestión. Al tratar el tiempo de adquisición como una variable que puede medirse y optimizarse, la investigación ofrece un camino hacia observaciones más eficientes y precisas del cerebro vivo.

El estudio es retrospectivo, lo que significa que analizó datos que ya habían sido recolectados en lugar de configurar un nuevo microscopio para probar la teoría en tiempo real. Sin embargo, la lógica es robusta. El equipo demostró que la curva de llegada de la información puede mapearse, que el punto de parada óptimo puede identificarse y que este punto de parada puede aplicarse a nuevas muestras biológicas no vistas. También destacaron que las puntuaciones numéricas utilizadas para medir el éxito son herramientas comparativas, no límites físicos absolutos. La validez de estas puntuaciones depende de la configuración específica, pero el patrón de llegada de la información es real. El estudio concluye que, para cualquier configuración óptica dada, hay un momento en que la información necesaria para una tarea declarada ha llegado, y un científico debe dejar de grabar.

Al final, la obra ofrece una lección clara y práctica para la comunidad científica. El cerebro no habla en un lenguaje único y uniforme, y las herramientas utilizadas para escucharlo no todas funcionan a la misma velocidad. Algunos sensores responden rápido, mientras que otros son lentos y deliberados. Al hacer coincidir el tiempo de observación con la velocidad específica del sensor y el entorno biológico, los investigadores pueden evitar los peligros dobles de detenerse demasiado pronto y observar durante demasiado tiempo. El estudio demuestra que más tiempo no es una virtud en sí misma. En el delicado negocio de observar el cerebro, saber cuándo detenerse es tan importante como saber cómo empezar.