Emergent locomotion from anatomy alone: a whole-connectome, conductance-based neuromechanical model of Caenorhabditis elegans

Para entender cómo se mueve un ser vivo, los científicos a menudo observan dos cosas distintas: el diagrama de cableado de su cerebro y la mecánica física de su cuerpo. El diagrama de cableado, conocido como conectoma, mapea cada una de las conexiones entre las neuronas, de forma muy similar a un mapa detallado de las carreteras de una ciudad. La mecánica describe cómo los músculos tiran de un cuerpo para crear movimiento. Durante décadas, los investigadores han luchado por combinar estos dos mapas en un único modelo funcional que pueda explicar cómo un animal diminuto decide avanzar, retroceder o detenerse. La gran pregunta ha sido si el plano bruto del sistema nervioso, cuando se le dotan de propiedades eléctricas realistas, es suficiente para generar un comportamiento complejo por sí solo, o si el cerebro necesita un ritmo separado y preprogramado para decirle cómo moverse. Esta cuestión toca un misterio más profundo en la biología llamado degeneración, que es la idea de que muchos ajustes internos diferentes pueden producir exactamente el mismo resultado externo. Si esto es cierto, entonces un sistema nervioso podría ser increíblemente robusto, capaz de seguir funcionando incluso si partes individuales camban o fallan.

Un nuevo estudio de Huan Li, de Shanghai Liangta Biotech Co., Ltd., aborda este problema utilizando el gusano redondo Caenorhabditis elegans, una criatura tan simple que todo su sistema nervioso ha sido completamente mapeado. Este gusano tiene exactamente 302 neuronas, y los científicos ya han dibujado una imagen completa de cómo se conectan. Li construyó una simulación informática masiva que da vida a todo este sistema nervioso. En lugar de simplificar las neuronas en interruptores básicos de encendido y apagado, el modelo trata a cada una de las 292 neuronas del cuerpo del gusano como una unidad eléctrica compleja con diecisiete tipos diferentes de canales iónicos. Estos canales actúan como pequeñas puertas que controlan el flujo de electricidad y sustancias químicas dentro de la célula. El modelo también incluye el cuerpo del gusano, que se simula como una varilla flexible que puede doblarse, y vincula el cerebro con el cuerpo para que los músculos puedan sentir cuándo el cuerpo se dobla y enviar esa información de vuelta al cerebro. Crucialmente, los investigadores no enseñaron al modelo cómo moverse. No ajustaron los números para que el gusano caminara correctamente. Simplemente conectaron las conexiones físicas conocidas y las propiedades eléctricas conocidas de las células, y lo encendieron.

El resultado fue una sorpresa. Sin ningún entrenamiento o ritmo preprogramado, la simulación comenzó a moverse por sí sola. La red de neuronas, impulsada únicamente por una señal eléctrica constante y suave, generó una onda de flexión que viajó desde la cabeza del gusano hasta su cola. Esta onda empujó al gusano virtual hacia adelante a través de la pantalla a una velocidad de 0,210 milímetros por segundo, con una frecuencia de ondulación de 0,58 hercios. Estos números coinciden casi perfectamente con el movimiento de los gusanos reales. El estudio demuestra que la anatomía por sí sola —la forma específica en que las neuronas están conectadas entre sí, combinada con su comportamiento eléctrico natural— es suficiente para crear un movimiento organizado y realista. El ritmo del movimiento no provino de un reloj central en el cerebro; surgió naturalmente del bucle entre el cerebro, los músculos y el propio sentido de la posición del cuerpo. Esto confirma que el sistema nervioso del gusano no necesita un manual de instrucciones oculto para caminar; las instrucciones ya están integradas en la estructura física de las conexiones.

Los investigadores probaron entonces qué tan frágil es realmente este sistema. Realizaron una serie de experimentos virtuales donde apagaron tipos específicos de canales iónicos en todas las neuronas a la vez, imitando una mutación genética. En algunos casos, estos cambios alteraron drásticamente el estado eléctrico interno de las neuronas, cambiando su voltaje de reposo hasta en 12 milivoltios y cambiando la fuerza de sus impulsos en casi un 50 por ciento. A pesar de estos cambios internos masivos, el movimiento del gusano apenas cambió. La velocidad y la frecuencia de la ondulación variaron menos del 0,3 por ciento. Este hallazgo proporciona una fuerte evidencia para el concepto de degeneración a nivel del animal completo. Sugiere que el sistema nervioso está diseñado con tanta redundancia que puede absorber grandes fluctuaciones internas sin perder su capacidad de funcionar. El comportamiento no está protegido por un solo canal, sino por la capacidad colectiva de toda la red para compensar los cambios en sus partes.

Sin embargo, el modelo inicial tenía un pequeño defecto: las flexiones del cuerpo del gusano eran ligeramente demasiado superficiales en comparación con los gusanos reales. Para solucionar esto, los investigadores añadieron una única capa de señalización química que se había descubierto en años recientes pero que faltaba en modelos anteriores. Este sistema involucra a una neurona específica llamada DVA, que libera un mensajero químico que actúa como un control de volumen para los músculos. Cuando el cuerpo se dobla, esta neurona detecta el estiramiento y potencia la señal enviada a los músculos, haciendo que las flexiones sean más profundas. Cuando se añadió este único mecanismo, la amplitud de flexión de la simulación aumentó para coincidir con el rango biológico. Este ajuste también permitió que el modelo reprodujera correctamente el comportamiento de los gusanos reales con mutaciones genéticas en este sistema, que son conocidos por moverse más lentamente y con flexiones más superficiales. Además, el modelo respondió a un fármaco específico, el aldicarb, de la misma manera que lo hacen los gusanos reales. Cuando se introdujo el fármaco, los gusanos simulados con el sistema químico intacto se aceleraron rápidamente, mientras que aquellos con el sistema roto no lo hicieron, reflejando los experimentos del mundo real.

Finalmente, el equipo probó el modelo contra experimentos específicos donde los científicos utilizan luz para encender y apagar neuronas individuales. Cuando simularon encender una neurona llamada AVA, el gusano virtual inmediatamente revirtió su dirección y comenzó a desplazarse hacia atrás, tal como lo hacen los gusanos reales. Cuando simularon encender una neurona llamada RIS, asociada con el sueño, el gusano dejó de moverse por completo y permaneció inmóvil hasta que la luz se apagó. Estos resultados mostraron que el modelo captura la lógica fundamental del comportamiento del gusano. El estudio concluye que un diagrama de cableado completo, dotado de propiedades eléctricas realistas, es suficiente para generar un comportamiento complejo. También destaca que, si bien el cableado es la base, una capa específica de modulación química es necesaria para ajustar el movimiento para que coincida con la precisión de un animal vivo. Este trabajo proporciona una nueva forma de estudiar cómo funcionan los cerebros, ofreciendo una herramienta donde los científicos pueden probar cómo los cambios en los genes o los fármacos podrían afectar el comportamiento antes de siquiera tocar un ser vivo.