Consiguen completar el mapa cerebral de un insecto

Entender cómo funciona el pensamiento, ¡qué puede haber más deseado para la neurociencia! Un equipo científico ha conseguido completar el primer mapa cerebral de un insecto.

Se trata de un "logro histórico" que abre la puerta a futurasinvestigaciones sobre el cerebro e inspirará nuevas arquitecturas de aprendizaje automático. El cableado neuronal que han descifrado es el de una larva de mosca del vinagre. Se trata del mayor conectoma cerebral completo, diagrama de las conexiones neuronales, descrito hasta la fecha. Los detalles de la investigación, liderada entre otros por el español Albert Cardona, se publican en 'Science'.

"Si queremos entender quiénes somos y cómo pensamos, parte de ello consiste en comprender el mecanismo del pensamiento", afirma Joshua T. Vogelstein, de la Johns Hopkins, para quien la clave está en saber cómo se conectan las neuronas entre sí. Los antecedentes de este logro pasan por un estudio de 14 años sobre el gusano redondo que se comenzó en 1970 y dio como resultado un mapa marcial y un nobel. Desde entonces, se han cartografiado conectomas parciales en muchos sistemas, como moscas, ratones e incluso seres humanos, pero estas reconstrucciones suelen representar solo una pequeña fracción del cerebro total, explica la Johns Hopkins.

"Esto significa que la neurociencia ha funcionado en su mayor parte sin mapas de circuitos", resume Marta Zlatic, de la universidad británica. "Sin conocer la estructura de un cerebro, estamos adivinando cómo se implementan los cálculos, pero ahora podemos empezar a comprender de forma mecánica cómo funciona el cerebro", explica.

Mapear el cerebro de un gran mamífero, por ahora no parece cercano pero "todos los cerebros son similares, son redes de neuronas interconectadas, y todos los cerebros de todas las especies tienen que realizar muchos comportamientos complejos: procesar información sensorial, aprender, seleccionar acciones, navegar por su entorno, elegir comida, reconocer a sus congéneres o escapar de depredadores".

En el estudio se ha clasificado cada neurona en función del papel que desempeña y así entendieron que por ejemplo los circuitos más activos son los que van y vienen de las neuronas del centro del aprendizaje. El trabajo mostró características de circuitos que recordaban "sorprendentemente" a arquitecturas de aprendizaje automático, por eso el equipo espera que el estudio continuado pueda inspirar nuevos sistemas de inteligencia artificial.