El cerebro usa cálculo para controlar movimientos rápidos

El cerebro usa cálculo para controlar movimientos rápidos

Explorar

A el ratón se ejecuta en una cinta de correr incrustada en un corredor de realidad virtual. En su mente, se ve a sí mismo corriendo por un túnel con un patrón distintivo de luces por delante. A través del entrenamiento, el ratón aprendió que si se detiene en las luces y mantiene esa posición durante 1,5 segundos, recibirá una recompensa: un pequeño trago de agua. Luego puede correr hacia otro conjunto de luces para recibir otra recompensa.

Esta configuración es la base para la investigación. publicado en julio en Informes de celda por los neurocientíficos elie adam, taylor johns y Mriganka Sur del Instituto de Tecnología de Massachusetts. Explora una pregunta simple: ¿Cómo funciona el cerebro, en ratones, humanos y otros mamíferos, lo suficientemente rápido como para detenernos en un centavo? El nuevo trabajo revela que el cerebro no está conectado para transmitir un comando agudo de “alto” de la manera más directa o intuitiva. En cambio, emplea un sistema de señalización más complicado basado en principios de cálculo. Este arreglo puede parecer demasiado complicado, pero es una forma sorprendentemente inteligente de controlar comportamientos que deben ser más precisos de lo que pueden ser los comandos del cerebro.

El control sobre la mecánica simple de caminar o correr es bastante fácil de describir: la región locomotora mesencefálica (MLR) del cerebro envía señales a las neuronas en la médula espinal, que envían impulsos inhibitorios o excitatorios a las neuronas motoras que gobiernan los músculos de la pierna: Alto . Ir. Parada. Ir. Cada señal es un pico de actividad eléctrica generada por el disparo de conjuntos de neuronas.

Sin embargo, la historia se vuelve más compleja cuando se introducen objetivos, como cuando un jugador de tenis quiere correr a un lugar exacto en la cancha o un ratón sediento ve un premio refrescante en la distancia. Los biólogos han entendido durante mucho tiempo que las metas toman forma en la corteza cerebral del cerebro. ¿Cómo traduce el cerebro un objetivo (dejar de correr allí para obtener una recompensa) en una señal cronometrada con precisión que le dice al MLR que pise los frenos?

“Los humanos y los mamíferos tienen habilidades extraordinarias en lo que respecta al control motor sensorial”, dijo Sridevi Sarma, neurocientífico de la Universidad Johns Hopkins. “Durante décadas, la gente ha estado estudiando qué tiene nuestro cerebro que nos hace tan ágiles, rápidos y robustos”.

El rápido y el más peludo

Para comprender la respuesta, los investigadores monitorearon la actividad neuronal en el cerebro de un ratón mientras cronometraban cuánto tiempo le tomó al animal desacelerar desde la velocidad máxima hasta detenerse por completo. Esperaban ver una señal inhibitoria en el MLR, provocando que las piernas se detuvieran casi instantáneamente, como un interruptor eléctrico que apaga una bombilla.

Pero una discrepancia en los datos socavó rápidamente esa teoría. Observaron una señal de “parada” que fluía hacia el MLR mientras el ratón disminuía la velocidad, pero no aumentaba en intensidad lo suficientemente rápido como para explicar qué tan rápido se detuvo el animal.

“Si simplemente toma las señales de parada y las introduce en el MLR, el animal se detendrá, pero las matemáticas nos dicen que la parada no será lo suficientemente rápida”, dijo Adam.

“La corteza no proporciona un interruptor”, dijo Sur. “Pensamos que eso es lo que haría la corteza, pasar de 0 a 1 con una señal rápida. No hace eso, ese es el rompecabezas”.

Entonces, los investigadores sabían que tenía que haber un sistema de señalización adicional en el trabajo.

El cerebro usa cálculo para controlar movimientos rápidos
SIN INFORMACIÓN: El neurocientífico Mriganka Sur y sus colegas descubrieron que en el cerebro de un ratón se codificaba una orden física precisa en el intervalo entre los picos de dos señales neuronales. “No hay información sobre la altura de los picos”, dijo. Foto cortesía de Webb Chappell Photography.

Para encontrarlo, observaron nuevamente la anatomía del cerebro del ratón. Entre la corteza donde se originan los objetivos y el MLR que controla la locomoción se encuentra otra región, el núcleo subtalámico (STN). Ya se sabía que el STN se conecta al MLR por dos vías: una envía señales excitatorias y la otra envía señales inhibitorias. Los investigadores se dieron cuenta de que el MLR responde a la interacción entre las dos señales en lugar de depender de la fuerza de cualquiera de ellas.

Cuando el ratón que corre se prepara para detenerse, el MLR recibe una señal inhibidora del STN. Casi inmediatamente después, también recibe una señal excitatoria. Cada señal se enciende lentamente, pero el cambio entre ellas es rápido, y eso es a lo que presta atención el MLR: registra la diferencia entre las dos señales. Cuanto mayor sea la diferencia, más rápido será el cambio en la señal inhibidora y más rápidamente el MLR ordena a las piernas que se detengan.

“No hay información en la altura de los picos”, dijo Sur. “Todo está en el intervalo entre los picos. Debido a que los picos son agudos, el intervalo puede transportar información”.

El cerebro usa cálculo para controlar movimientos rápidos
SEÑALES DE ALTO: Los investigadores del MIT se dieron cuenta de que las señales inhibidoras de “parada” que iban a la región del cerebro que controla la locomoción no podían explicar la rapidez con la que un ratón en sus experimentos dejaba de correr. “Las matemáticas nos dicen que la parada no será lo suficientemente rápida”, dijo Elie Adam, miembro del equipo. Foto cortesía de Elie Adam.

Curva pronunciada por delante

Los investigadores proyectaron el mecanismo de parada en términos de dos funciones básicas de cálculo: integración, que mide el área bajo una curva, y derivación, que calcula la pendiente en un punto de una curva.

Si la detención dependiera solo de la cantidad de señal de detención que recibió el MLR, entonces podría considerarse como una forma de integración; la cantidad de la señal sería lo que importaba. Pero no lo hace porque la integración por sí sola no es suficiente para un control rápido. En cambio, el MLR acumula la diferencia entre las dos señales oportunas, lo que refleja la forma en que se calcula una derivada: tomando la diferencia entre dos valores infinitesimalmente cercanos para calcular la pendiente de una curva en un punto. La dinámica rápida de la derivada cancela la dinámica lenta de la integración y permite una parada rápida.

“Hay una señal de excitación y una señal de inhibición y las dos se comparan instantáneamente”, dijo Sur. “Cuando ese valor alcanza una cierta cantidad, se activa un interruptor que hace que el animal se detenga”.

Este sistema de control basado en derivados puede sonar indirecto, pero tiene sentido estratégico. Cuando un ratón que navega por la realidad virtual o un jugador de tenis que corre por una cancha se acerca a un punto de parada, puede que les resulte útil saber qué tan rápido van. Pero para planificar lo que necesitarán hacer a continuación, es más útil para ellos saber qué tan rápido están acelerando o desacelerando, la función derivada de su movimiento.

“Te permite anticipar y predecir. Si conozco la derivada, la tasa de cambio de la velocidad, entonces puedo predecir cuál será mi velocidad en el siguiente paso”, dijo Sarma. “Si sé que tengo que parar, puedo planificarlo y hacer que suceda”.

Imagen principal: un trabajo reciente con ratones sugiere que el cerebro controla con precisión algunos movimientos rápidos mediante el uso de principios de cálculo en su señalización. Crédito: Kristina Armitage/Revista Quanta.

Este artículo fue publicado originalmente sobre el Abstracciones cuánticas Blog.