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

O cérebro humano é uma vasta rede de bilhões de minúsculas células elétricas, disparando sinais constantemente para construir nossos pensamentos, memórias e percepções. Durante décadas, cientistas debateram como essas células se organizam para armazenar informações. Um lado do argumento sugere que o aprendizado acontece quando grupos de neurônios disparam em uníssono perfeito, como um coro cantando a mesma nota ao mesmo tempo. Essa atividade sincronizada é considerada a assinatura física da formação de uma memória. Do outro lado, uma escola de pensamento diferente argumenta que, para a informação ser útil, ela deve ser variada e imprevisível. Se cada célula disparar exatamente no mesmo momento, o sinal torna-se demasiado uniforme para carregar detalhes complexos, tal como uma estação de rádio que transmite apenas um único tom. Essa tensão entre a necessidade de unidade para aprender e a necessidade de variedade para codificar informações criou um enigma de longa data na neurociência.

Pesquisadores há muito sabem que o cérebro utiliza uma regra específica para fortalecer as conexões entre os neurônios: quando duas células disparam em uma sequência precisa, a ligação entre elas torna-se mais forte. Este processo, conhecido como plasticidade dependente do tempo de disparo, é o mecanismo biológico por trás do aprendizado. No entanto, não estava claro como essa regra de aprendizado poderia coexistir com a ideia de que a informação requer um estado caótico e dessincronizado. Se o aprendizado exige que as células disparem juntas, como pode o cérebro também depender delas disparando separadamente para armazenar memórias ricas e detalhadas? Um novo estudo de cientistas computacionais da Universidade de Toronto e do Instituto Cerebral Krembil propõe que essas duas forças aparentemente opostas não são inimigas, mas parceiras em um ciclo de feedback contínuo.

Para resolver este mistério, os pesquisadores construíram um modelo computacional detalhado de uma pequena rede de neurônios, mimetizando o comportamento de células encontradas no hipocampo, o centro de memória do cérebro. Eles programaram esta rede virtual com as mesmas regras biológicas que os neurônios reais seguem, incluindo os sinais químicos que excitam ou inibem a atividade. A equipe alimentou o modelo com dados realistas registrados de ratos realizando uma tarefa visual, na qual os animais tinham que distinguir entre imagens de diferentes brilhos. Em seguida, rodaram duas versões da simulação: uma onde o mecanismo de aprendizado estava ativo, e outra onde ele estava desligado. Ao comparar a atividade elétrica dos neurônios virtuais em ambos os cenários, eles puderam observar exatamente como o processo de aprendizado alterava o tempo dos disparos.

Os resultados revelaram uma relação dinâmica e surpreendente entre aprendizado e tempo. Quando o mecanismo de aprendizado estava ativo, os neurônios não simplesmente permaneciam sincronizados ou dessincronizados. Em vez disso, eles entravam em um ciclo rítmico. No início do processo de aprendizado, os neurônios começavam a se afastar em seus tempos de disparo, criando um estado de dessincronização. Esta mudança não era uma falha do sistema, mas uma consequência necessária do próprio aprendizado. O aumento da variedade no tempo dos sinais servia, de fato, para regular a força do aprendizado, impedindo que a rede ficasse presa em um padrão rígido.

Conforme a simulação continuava por vários segundos, os pesquisadores observaram uma dança complexa de sincronização e dessincronização, embora o padrão não fosse um simples vai e vem. A rede movia-se de um estado sincronizado para um dessincronizado e, depois, após um período de atividade esparsa, sincronizava-se brevemente antes de se afastar novamente. Esta flutuação era impulsionada inteiramente pelas regras de aprendizado. O estudo sugere que o cére-brebro utiliza este equilíbrio oscilante para gerir a informação. A sincronização inicial permite que o cérebro capture um novo fragmento de informação, enquanto a dessincronização subsequente permite que essa informação seja armazenada com flexibilidade suficiente para ser recuperada posteriormente sem interferir em outras memórias.

Crucialmente, as simulações mostraram que, sem o mecanismo de aprendizado, os neurônios não exibiam esta mesma flutuação regulada. Quando o aprendizado era desativado, a rede permanecia em um estado misto de sincronização e dessincronização que não evoluía ao longo do tempo. Esta descoberta indica que a capacidade de alternar entre estes estados não é uma ocorrência aleatória, mas um resultado direto do processo de aprendizado do cérebro. O estudo sugere que o cérebro não escolhe entre sincronização e dessincronização; em vez disso, utiliza o processo de aprendizado para alternar entre elas, criando um sistema autorregulado.

Esta perspectiva oferece uma nova forma de compreender o longo debate sobre como o cérebro equilibra ordem e caos. Sugere que a aparente contradição entre o aprendizado e a teoria da informação é resolvida ao visualizar ambos como partes de um processo único e contínuo. O aprendizado inicia a sincronização necessária para formar uma memória, mas o próprio ato de aprender empurra o sistema em direção à dessincronização, que preserva a flexibilidade dessa memória. Os pesquisadores descobriram que este ciclo permite que o cérebro mantenha um nível saudável de variabilidade, prevenindo a sincronização extrema vista em condições como a epilepsia ou a dessincronização extrema associada à perda de memória.

O estudo, conduzido inteiramente através de simulações computacionais, fornece um quadro teórico de como estes processos biológicos podem funcionar no cérebro real. Embora o modelo tenha sido baseado em dados biológicos estabelecidos e entradas realistas, as descobertas são uma proposta de como estes mecanismos interagem, em vez de uma observação direta de tecido vivo. Os autores sugerem que este ciclo regulatório pode ser a chave para compreender como codificamos os detalhes complexos das nossas vidas diárias. Ao mostrar que o aprendizado e a dessincronização estão profundamente entrelaçados, a pesquisa oferece uma explicação coerente de como o cérebro consegue ser tanto um registrador estável de eventos quanto um processador flexível de novas informações.