Brayan Delgado Durán
Biólogo, Asistente de Investigación en Neurociencias
.

La neurociencia es un campo de investigación multidisciplinario que incluye la biología, medicina, psicología, ingeniería, educación, entre otros. Uno de sus objetivos fundamentales es entender el funcionamiento del sistema nervioso a diferentes niveles que van desde aspectos moleculares hasta lo cognitivo y conductual.  En los últimos años la cantidad y complejidad de los datos derivados de investigaciones en esta área se han incrementado significativamente. Hoy sabemos que en estudios de neuroimagen pueden recopilarse varios terabytes de datos, una cantidad mucho mayor que lo obtenido al secuenciar el genoma completo de un mamífero (Landhuis, 2017). Muchos de estos datos representan patrones complejos de señales eléctricas o interacciones entre moléculas que informan acerca de la actividad neuronal espontánea, o derivada de la interacción entre el sistema nervioso y su entorno. Esto obliga a utilizar herramientas de análisis potentes que permitan extraer el máximo de información de los datos sin comprometer la reproducibilidad y la interpretación de los resultados. 

La investigación en neurociencias se beneficia de los avances teóricos y las herramientas computacionales para el análisis de datos.  Estos avances y herramientas ayudan a describir estructuras y procesos que permiten la función del sistema nervioso, la cual abarca múltiples escalas espaciales y temporales.  La integración de datos anatómicos referentes a las conexiones neuronales y datos comportamentales con ayuda de herramientas como el Aprendizaje en Maquina o “Machine Learning”, ha permitido relacionar grupos de neuronas particulares con fenotipos de comportamiento. Estos resultados han venido a mejorar nuestra comprensión acerca de los patrones de activación cerebral durante comportamientos y procesos cognitivos muy específicos, que parecen estar alterados en muchos trastornos neurológicos.

El estudio de entidades neurológicas implica tomar en consideración múltiples marcadores y mecanismos biológicos, así como manifestaciones conductuales y/o fisiológicas.  Por ejemplo, para tener una mejor comprensión de algunos trastornos del espectro autista es necesario integrar información relacionada a genes, conectividad cerebral, características comportamentales y del ambiente (fisiológico y externo). De este modo, algoritmos que integren estos datos y permitan dar seguimiento al funcionamiento de los circuitos neuronales a diferentes niveles pueden brindar información útil para proponer nuevas alternativas terapéuticas. De igual modo, algoritmos útiles para identificar asociaciones entre la exposición a factores de riesgo ambientales durante la gestación o el desarrollo y la posibilidad de presentar una enfermedad neurológica, pueden ayudar a determinar qué hábitos debemos corregir y en qué momento.

Uno de los proyectos más ambiciosos de la neurociencia actual es elaborar un mapa cerebral que permita estudiar las conexiones neuronales, la forma en la que estas se integran en el cerebro y su plasticidad. Así pues, las mejoras en precisión, adquisición y análisis de los datos derivados de las investigaciones podrían favorecer la elaboración de reconstrucciones de los circuitos neuronales a nivel ultraestructural (Bassett & Sporns, 2017). Además, las técnicas de inferencia estadística pueden ser útiles para elaborar modelos de circuitos neuronales más detallados. De este modo, tanto las herramientas de recolección de datos como las de análisis pueden utilizarse en conjunto para construir modelos muy precisos sobre diferentes áreas cerebrales e incluso de cerebros completos (Bassett & Sporns, 2017).

Los neurocientíficos interesados en la elaboración del mapa cerebral discuten todo el tiempo sobre mejores formas de recopilar, integrar y analizar los datos derivados de sus investigaciones. En la actualidad existen laboratorios intentando mapear el cerebro a escala macroscópica mediante resonancia magnética y a nivel microscópico con una precisión nanométrica. También existen laboratorios enfocados en investigar patrones de expresión genética, así como la actividad electrofisiológica, todo esto para construir una representación más fidedigna del cerebro. Lo cierto es que todos estos enfoques producen una cantidad importante de datos y ahora más que nunca serán necesarias nuevas herramientas computacionales y mejores habilidades para el análisis de estos datos.

Referencias

Landhuis, E. (2017). Neuroscience: Big brain, big data. Nature, 559–561. doi:10.1038/541559a

Bassett, D., Sporns, O. (2017). Network neuroscience. Nature Neuroscience. 20, 353–364. doi:10.1038/nn.4502