Lo han observado utilizando microscopía avanzada y modelos matemáticos para observar el crecimiento de las neuronas en el cerebro del gusano planaria, una especie que suele vivir en agua dulce.
Su estudio, publicado en Nature Physics, se basa en el hecho de que el cerebro contiene muchos tipos diferentes de neuronas y que se necesitan varios tipos trabajando en concierto para realizar cualquier tarea.
También se basa en el hecho de que la vida está plagada de patrones: con frecuencia, los seres vivos crean una serie repetitiva de características similares a medida que crecen, como ocurre con los colores de las flores.
El cerebro que eligieron para examinar pertenecía a un gusano plano, de un milímetro de largo, que posee una característica peculiar: puede crecerle de nuevo su cabeza si se le amputa.
Y lo que descubrieron fue que cada neurona está rodeada por aproximadamente una docena de otras neuronas parecidas, pero también de otras neuronas completamente diferentes.
Esta disposición significa que ninguna neurona es idéntica a su vecina y que la proximidad de las neuronas diferentes es la que permite a todas ellas trabajar juntas para completar tareas.
Los investigadores descubrieron que este patrón se repite una y otra vez en todo el cerebro del gusano plano para formar una red neuronal continua.
Metodología
Para alcanzar estos resultados, lo primero que hicieron los investigadores fue usar manchas fluorescentes para marcar diferentes tipos de neuronas en el gusano plano.
Luego utilizaron microscopios de alta resolución para capturar imágenes de todo el cerebro, neuronas brillantes y todo, y analizaron los patrones para ver si podían extraer de ellos las reglas matemáticas que guían su construcción.
A continuación, desarrollaron un modelo computacional para mostrar que esta compleja red de vecindarios funcionales se deriva de la tendencia de las neuronas a agruparse lo más cerca posible, sin estar demasiado cerca de otras neuronas del mismo tipo.
Si bien los neurocientíficos podrían algún día adaptar esta metodología para estudiar los patrones neuronales en el cerebro humano, los investigadores de Stanford creen que la técnica podría aplicarse de manera más útil al campo emergente de la ingeniería de tejidos.
La idea básica es simple: los ingenieros de tejidos esperan inducir a las células madre, las poderosas células de uso general de las que derivan todos los tipos de células, a crecer en las diversas células especializadas que forman un hígado, riñón o corazón.
Pero los científicos necesitarán organizar esas células diversas en los patrones correctos si quieren que el corazón lata.
«La cuestión de cómo los organismos se convierten en formas que llevan a cabo funciones útiles ha fascinado a los científicos durante siglos», explica Bo Wang, uno de los autores, en un comunicado.
«En nuestra era tecnológica, no estamos limitados a comprender estos patrones de crecimiento a nivel celular, sino que también podemos encontrar formas de implementar estas reglas para aplicaciones de bioingeniería».
Estudios anteriores
No es la primera vez que la Universidad de Stanford realiza estudios sobre el cerebro y los patrones de comportamiento.
Tal como informamos en otro artículo publicado este mismo mes, neurocientíficos de esta universidad descubrieron que el cerebro era capaz de predecir si un video se hacía popular en internet, o no, mediante el análisis de los patrones de comportamiento de las personas que estaban frente a las pantallas.
Del mismo modo, la influencia de las matemáticas en las neuronas es un tema al que también nos hemos referido, a partir del estudio de Investigadores del Instituto Médico Howard Hughes (USA) y del University College de Londres.
Estos científicos habían detectado que el funcionamiento del cerebro se regía por la llamada “Ley Potencial” para la representación de ciertas imágenes en la corteza visual.
Es decir, las neuronas lo que suelen hacer es seleccionar los aspectos más relevantes de un estímulo y descartar los aspectos secundarios o aquellos que consideran irrelevantes.
Chromatic neuronal jamming in a primitive brain. Margarita Khariton et al. Nat. Phys. (2020). https://doi.org/10.1038/s41567-020-0809-9