Control Motor y Cognición, Propiedades Emergentes y Redes Neuronales (compress) -Ranulfo Romo y Pablo Rudomin

IRERTA
Neuronas de la corteza cerebral humana. Kolliker, 1893. Tomada de: JaVIER DEFELIPE,
HENRY MARKRAM, JORGE WAGENSBERG, Paisajes Neuronales. Homenaje a Santiago Ramon
y Cajal, Consejo Superior de Investigaciones Cientificas, Madrid 2008, p. 118.
CONTROL MOTOR
COGNICIÓN
PROPIEDADES EMERGENTES
DE REDES NEURONALES
Ranulfo Romo
Pablo Rudomin
Coordinadores
EL COLEGIO NACIONAL
México, 2012
OP363
Conttol
motor
veognición propiedades emergentes de redes ncuronales/Pablo Rudomi
Ranullo Romo, coordinadores, México :El Colegio Nacional, 2019
355p
ISBN 978607-7240105
1 Redes neuonales (Neuobiologia). 2. Neuronas motoras, I. Rudornin, Pablo, ed
1Romo,Ranullo, cd.
Coordinación Editorial: Rosa CampOs de la Rosa
Prinera cdición: 2012
D. R. O2012. EL COLEGIO NACIONAL
Luis González Obregón un. 23, Centro Histórico
C. P. 06020, México, D. F
ISBN: 978-607-724-010-5
Inpreso
v
hecho
cn
México
Pinted and made in Mexico
CoreO clecvOUICO: ([email protected]
Coial(mx.nter.net
Sitio web: htp: /www.colegionacional.org.mx
CONTENIDO
PABLO RUDOMIN. Introducción y bienvenida.
1
EANETTE HELLGREN. Redes neuronales en movimiento:
un puente funcional entre mecanismos
intrínsecos y sistemas.
.
. 13
MICHAEL J. O'DONOVAN. Actividad sincrónica en la médula
espinal en desarrollo: mecanismos, funciones y su relación
con el sueño . ..
PABLO RUDOMIN. Sincronización neuronal como
mecanismo de control de la información
transmitida por las fibras sensoriales.
33
53
ELÍAS MANJARREZ. Un principio de sincronización secuencial:
la propagación de ondas eléctricas a lo largo
de la médula espinal generadas por interneuronas
.97
ELISHA MOSES y SHANI STERN. Diseño de sistemas lógicos
con cultivos de neuronas.
129
JosE BARGAS. Dinámica de los microcircuitos cerebrales. .
165
RAFAEL GUTIÉRREZ. Transmisión síncrona inducida en las sinapsis
del giro dentado al área CA3 del hipocampo
189
HuGO MERCHANT. Midiendo el paso del tiempo con varios
CTonometros neuronales
203
RANULFO RoMO. Representación dinámica de la toma
de decisiones a uravés de los circuitos corticales .
235
PETER UHLHAAS. El papel de la actividad oscilatoria sincronica
en
las
funciones
cognitivas normales y patológicas
HENRY MMARKRAM. El Provecto "Cerebro Azul"
283
303
GERALD M. EDELMAN. De la dinámica del cerebro a la conciencia:
como la materia se convierte en imaginación
325
JOSE GORDON. La novela del cerebro: cómo la materia se convierte
en maginación. Conversación con Gerald Edelman,
Premio Nobel de Fisiología/Medicina.
RANULFO ROMO. Conentarios finales
339
351
INTRODUCCIONY BIENVENIDA
PABLO RUDOMIN
El Colegio Nacional
Bienvenidos a El Colegio Nacional, a esta su casa.
Vivimos una época compleja... pero excitante a la vez. Es
nuestros nieque dentro de cien anos, los nietos de
hemos tratos vean con sonrisa indulgente la forma en que
posible
tado de entender las funciones básicas del sistema nervioso:
cómo se originan nuestros movimientos volurntarios, del por
qué se produce una sensación táctil al
estimular
con
pulsos
eléctricos la corteza cerebral somestética primaria, o por qué
vemos destellos cuando nos estimulan la corteza occipital.
Hasta me atrevo a pensar que para entonces los neurofisió
logos
tendrán
una
idea más clara de cómo las redes
nales se organizan y cómo
y la conciencia.
se
Hoy por hoy parece que
neuro-
generan los procesos mentales
todavia estamos inmersos
en un
laberinto... No en el "laberinto de la soledad", sino en el de
los miles y miles de datos acerca de la función cerebral que
muchos años, del cual no
se han acumulado a lo largo de
es fácil salir porque aún estamos muy lejos de disponer de
teorías que los unifiquen y que nos permitan tener una
visión más global e integrada de estos procesos.
Hace cincuenta anos con Vernon Brooks, en el entonces
Instituto Rockefeller en Nueva York, ahora Universidad, iniCiamos una serie de estudios encaminados a caracterizar las
1
la estimulación de la piel
respuestas producidas por
cerebral. De alguna
céulas piramidales de la corteza
consideramos que era
ra
posible
reconstruir
alas
mane
en
el comnor
tamiento de la población de neuronas a partir del funciona.
miento de
neuronas
individuales. Ciertamente
obtuvimos
información interesante, pero con el paso del tiempo fue
cada vez más claro para muchos de nosotros que esta estra-
información
reduccionista proporcionaba
tegia
acerca del comportamiento poblacional,
limitada
debido a que al
interaccionar las neuronas entre si, el conjunto adquiría
propiedades que no podian ser inferidas a partir de la suma
algebraica de las propiedades de sus constituyentes.
Años después, en 1969, Harold Dutton y yo nos aboca-
mos a estudiar el origen de las fluctuaciones espontáneas
de los reflejos monosinápticos en la médula espinal. Encontramos que esas fluctuaciones ocurrían simultáneamente
en varios grupos de motoneuronas y que buena parte de
ellas eran introducidas por nmecanismos presinápticos que
actuaban sobre las terminales intraespinales de muchas fibras aferentes. También encontramos que estas fluctuaciones podían ser reducidas al estimular aferentes cutáneos
y musculares, lo que nos hizo pensar que la variabilidad en
las respuestas evocadas en las motoneuronas no era ruido
el
sistema, sino la expresión de mecanismos centrales
que permitían canalizar en forma selectiva y sincronizada la
información transmitida por los aferentes hacia
grupos neu
en
ronales
Por
con
ces
especificos, asunto que cubriré en mi presentacion.
cierto, recuerdo
una
discusión
Z. Young,
distinguido
estaba visitando nuestro
J.
que tuuve
en esa
epoca
investigador inglés que ento
é
entiendo
por
q
él consideraba
que proponer que los circuitos
neuronai
poseian propiedades "emergentes"
implicaba adoptar u
posición dualista.
de
No
propiedades
2
es
país. Aún
que
extrañas ajenas
se
a
no
tratara
la
del surgimien
fisiología neuronal
La
idea era que, dependiendo de las interacCiones entre las
neuronas, se podian generar diversos "estados funcionales",
cada uno de ellos con características funcionales diferentes,
dificiles de inferir a partir del comportamiento de las neu-
ronas individuales. Un ejemplo de esta situación lo tenemos cuando las neuronas espinales se sincronizan para
generar los ritmos de marcha, o durante la generación de
un ataque epiléptico, situación en la que un grupo de neuronas empieza a activarse en forma síncrona dando lugar a
una serie de oscilaciones que se van propagando a lo largo
de muchas estructuras nerviosas, empezando por la corteza
cerebral.
El interés por las oscilaciones sincronizadas en el sistemna
nervioso ha aumentado en los últimos años. Para algunos,
estas oscilaciones son un mecanismo básico por medio del
cual el sistema nervioso puede seleccionar, de entre un enor-
me grupo de neuronas, aquellas que estarán involucradas
en el desempeño de una función específica. La oscilación
es una especie de marca funcional. Pensemos por ejemplo
en la ejecución de un movimiento voluntario. Justo antes
de que éste se inicie, la actividad de las neuronas de la corteza cerebral empieza a oscilar en forma síncrona y esta
oscilación se transmite hasta las motoneuronas que inervan
a los músculos que se van a contraer. Cuando tratamos de
reconocer un objeto, la actividad de las neuronas de la
Corteza visual empieza a oscilar en forma síncrona. Esta sin-
cronía también ha sido asociada con procesos cognitivos y
la adquisición de conciencia.
Las oscilaciones correlacionadas en la actividad neuronal
pueden desempeñar además ouras funciones. Pueden inro
ducir redundancia en la información transmitida por conjuntos neuronales, situación a veces ventajosa cuando por
alguna razón se suprimen algunas fuentes de informnación.
Eso lo saben bien los que manejan técnicas de mercadotecnia
mo
el
to de la lamprea pueden ser controladas por subconjuntos
de la red neuronal, lo que enfatiza la naturaleza auto-orga-
nizativa de las redes neuronales biológicas.
Después hablará el doctor Michael O Donovan de los
Insitutos Nacionales de Salud, Bethesda, Md. Su plática se
centrará en la importancia de la actividad sincrónica en el
sistema nervioso del embrión de pollo durante los primeros estadios del desarrollo. En fases tempranas, las neuro
nas muestran un periodo transitorio de episodios recurren-
tes de descargas espontáneas separados por intervalos de
silencio largos que están caracterizados por la activacióon
sincrónica y extendida de la mayoría de las neuronas dentro de la red. Aunque se sabe desde hace muchos años que
los movimientos espontáneos son necesarios para el desarrollo adecuado del músculo, articulaciones y motoneuro-
nas, recientemente se ha descubierto la importancia que
tiene esta actividad síncrona durante las primeras fases del
operación y función de las redes neuronacaliles, la cual, según O'Donovan, opera como una señal de
bración que ajusta la excitabilidad de neuronas aisladas de
desarrollo
en
la
y
la red a un nivel apropiado, mientras que la arquitectura
de la red cambia con el desarrollo.
En mi presentación me referiré a la sincronización neu-
ronal como mecanismo de control selectivo del flujo de la
información transmitida por las fibras sensoriales. En el
activan
gato anestesiado, las neuronas del asta dorsal se
pontáneamente, dando lugar a una variedad de potenciales
es-
en el asta dorsal, algunos de los cuales aparecen sincrónicamente en varioS segmentos espinales. Esta sincronizacion
surge de interacciones sinápticas entre las propias neuronas
espinales y puede
ser
modificada por intluencias sensoriales,
descendentes y propioespinales. Hemos encontrado que al
incrementarse la sincronización en la actividad espontanea
de este conjunto de neuronas espinales, se coactivan en for-
neuronales, entre el
síncrona y selectiva otros grupos
de la eficae
en el control presináptico
involucrados
cia
los
mecanismo permita
de las fibras sensoriales. Este
ma
llos
sináptica
canalizar el flujo de información proveniente de aferentee
es
cutáneos y musculares hacia grupos neuronales específicos
la coherencia entre los
y también incrementar
movimientos
planeados y los ejecutados.
Por su lado, el doctor Elías Manjarrez del Instituto de
Fisiología de la Universidad Autónoma de Puebla, se referi
rá a la propagación de una serie de ondas lentas asociadas
con la locomoción y el rascado a lo largo de la médula espi.
nal de los vertebrados. Para Manjarrez, el entendimiento
de este fenómeno podría servir como una herramienta para
dilucidar la compleja organización de los centros generadores de patrones rítmicos de la médula espinal. En su plá
tica mostrará evidencia experimental obtenida en el gato,
que sugiere que la propagación de ondas eléctricas asociada a tareas motoras rítmicas de rascado y locomoción cons
tituye una propiedad emergente de la sincronía secuencial
de neuronas distribuidas a lo largo de varios segmentos
espinales.
El doctor Elisha Moses del Instituto Weizmann de Ciencias de Israel, se referirá al diseño construcción de
y
algunos tipos de microcircuitos de
lógica funcional usando
cultivos neuronales del hipocampo. Moses y su grup0 han
podido crear sistemas lógicos confiables a escala interme
dia. A la fecha han ensamblado redes neuronales vivas en
configuraciones casi unidimensionales, ya que la geometria
lineal provee líneas de transmisión confiables.
Incorporando
líneas delgadas, han creado sistemas con umbrales
y com
puertas lógicas. En estos modelos la iniciación de descargas
es altamente dependiente de la dimensióny el número de
entradas necesarias para la activación umbral. Estos
siste
mas funcionan con índices de error muy por debajo ac
6
aquellos con una conexión simple. Resulta muy atractivo
pensar que este método de estudio de sistemas neuronales
puede contribuirala implementación de computación biológica in vitro y a un mayor entendimiento del cómo funcionan los circuitos neuronales.
El doctor José Bargas del Instituto de Fisiología Celular
de la UNAM Se referirá a la dinámica de las redes neuronales
en rebanadas de
tejido cerebral que incluyen los ganglios
basales. Bargas y su grupo han encontrado que estas neuronas disparan naturalmente en forma de
ráfagas de potenciales de acción, y que cuando disparan, son capaces de sin-
cronizar su actividad de manera espontánea. La actividad
sincrónica, transitoria y espontánea de un grupo neuronal
constituye un estado de la red. La actividad se transmite a
otro grupo neuronal y de éste a otro, y así sucesivamente
hasta regresar al grupo original, creando así un circuito
cerrado o ciclo de actividad, lo que origina una diversidad
de estados en el tiempo. De esta manera han podido observar patrones cíclicos espacio-temporales de actividad este-
reotipada en el tejido nervioso, los cuales constituyen la
dinámica del microcircuito y permiten estudiar la forma en
que estos microcircuitos alteran sus funciones al bloquear
las sinapsis químicas o eléctricas, así como durante estados
patológicos, como por ejemplo el parkinsonismo.
El doctor Rafael Gutiérrez del Centro de Investigación
y Estudios Avanzados del iPN, se referirá a sus observaciones
en relación a la transmisión sincrónica inducida en las sinapsis de las células granulares del giro dentado con las
células piramidales y las interneuronas del área C3 del hi-
pocampo. Estas úlümas, al ser activadas, inhiben a las célu-
las piranmidales, controlando su excitabilidad. Durante el
desarrollo en el adulto, después de crisis convulsivas, las células granulares del giro dentado, además de liberar glutamato, un neurotransmisor excitador, pueden también libe-
rar transitoriamente
Cuando
esto
sucede,
el
se
c
nhibidor GABA.
inhibidor
inhibición
n exacor
exacerbada
neurotransmisOr
produce
una
en el área CA3, probablemente para contrarrestar
tar laa
la er
exCi
tación producida por las crisis epilepticas.
Para Rafael Gutiérrez, la coliberación del glutamato v cAt
GABA
es parte de un mecanismo de plasticidad homeostática cli.
rencial que hace que las sinapsis de las celulas granulare.
res
con las células piramidales produzcan inhibición, mientras
las interneuronas continúen
excitándolas evitando la desinhibición. Por este mecanis.
que las sinapsis que hacen
con
nis
mo, las céllulas piramidales se mantienen fuertemente inhi
bidas produciendo en el área CA3 un estado hipoactivo que
modifica su actividad oscilatoria.
El doctor Hugo Merchant del Instituto de Neurobiologia
de la UNAM nos presentará sus investigaciones en relación a
los cronómetros neuronales. El tiempo es una variable fundamental para la producción y coordinación del
to. Sin embargo, actualmente no está claro cómo el sistema
nervioso procesa la información temporal necesaria
movimien
para
organizar actos motores voluntarios. Para abordar este problema, Merchant y colaboradores registraron la actividad
neuronal y los potenciales locales de campo en la corteza
premotora medial en monos Rhesus. Encontraron que la
representación abstracta del tiempo se codifica por diversas
poblaciones neuronales. El estudio de la coherencia en la
sincronía entre la actividad multiunitaria los
y
potenciales
focales mostró que esta medida de asociación funcional es
modulada
en
términos de dos variables: la
ejecución te
poral guiada por estímulos o internamente generada, y la
duración del intervalo. Estos estudios
indican que la corte
za
premotora medial contiene poblaciones neuronales pal
Cialmente segregadas para el
de diferen
procesamiento
aspectos de la información temporal durante la ejecucIO
de
O
secuencias de movimientos
8
temporalizados.
El doctor Ranulfo Romo del Instituto de Fisiología Ceular de la UNAM, se referirá a la representación dinámica de
la toma de decisiones a través de los circuitos corticales.
Para él, la toma de decisiones perceptuales involucra eva-
luar la información sensorial a favor o en contra de un
determinado curso de acción. Considera este proceso
como una cadena de operaciones neuronales: codificación
de los estímulos sensoriales, extracción de características
relevantes, retención de estas características en la memoria
de trabajo, comparación con información previa y, finalmente, comunicación del resultado de la decisión al aparato motor con el objeto de producir la acción apropiada. Sus
investigaciones se han centrado en el estudio de esta cadena de procesamiento por medio del registro simultáneo dee
la actividad extracelular de neuronas distribuidas en distintas áreas corticales de monos entrenados para reportar sus
decisiones. Los resultados obtenidos hasta ahora han reve
lado cómo neuronas en numerosas áreas corticales coordi-
nan sus actividades para sustentar las operaciones requeri
das en la toma de decisiones.
El doctor Peter Uhlhaas del Instituto Max Planck en
Frankfurt, Alemania, junto con el profesor Wolf Singer y otros
investigadores, se han destacado por sus investigaciones
dirigidas a esclarecer el papel funcional de la actividad sincrónica en la corteza cerebral. Para ellos, la corteza cerebral
puede representarse como un sistema dinámico distribuido
con las características de una red pequeña. La correlación
neuronal de procesos de conocimiento y de ejecución, se
manifiesta como actividad coordinada de grandes grupos
de neuronas distribuidas difusamente. Ello requiere de
mecanismos para la dirección selectiva de señales a través
de redes densamente interconectadas, del contacto flexible
y dependiente del contexto de grupos neuronales dentro
de grupos funcionalmente coherentes, y de la integración
de subsistemas dependientes de la tarea y atencion.
9
Para implementar estos mecanismos, proponen que las
as
respuestas neuronales deben proveer dos mensajes ortog
nales en paralelo, a saber: i) la presencia del evento con e
cual están sintonizados y ii) con qué otras neuronas (céulas
"blancos específicos" o miembros de una asamblea cohe
rente) se están comunicando. El primer mensaje está codificado en la frecuencia de descargas de las neuronas
(código de frecuencia) y se propone que el segundo men-
saje está contenido en la relación precisa de tiempo entre
descargas individuales de neuronas distribuidas (código
temporal). Además se propone que estas relaciones precisas
de tiempo están establecidas por sincronización de eventos
externoS o por mecanismos de sincronización interna. Tam-
bién revisará la evidencia experimental que apoya la coexis-
tencia de códigos temporales y la que sostiene que las alte
raciones en los mecanismos del código temporal pueden
ser uno de los mecanismos fisiopatológicos de la esquizofrenia.
El doctor Henry Markram de la Escuela Politécnica de
Lausana, Suiza, hablará del proyecto del "Cerebro Azul".
Uno de los propósitos de este proyecto es reconstruir una
columna neocortical de un roedor con alrededor de 10,000
neuronas. A la fecha han acumulado datos de casi 15,000
experimentos en la microcircuitería de la corteza como
base para este modelo. El objetivo es construir las columnas
neocorticales a un nivel celular muy preciso usando canales
iónicos genéticamente determinados, reconstrucciones 3D
morfológicas de la neurona y datos especificos sobre sus
interconexiones. A la techa han montado una plataforma de
informática para obtener y analizar esta serie de datosy asi
poder construir automáticamente modelos de canales ión
cos, neuronas y microcircuitos. En el proceso del desarrollo
de este modelo, han descubierto un número de principios
básicos de diseños estructurales y funcionales sobre los cud
10
les se basan las columnas ncocorticales. También discutirá
los conceptos que surgieron al tratar de generar el modelo
de las columnas neocorticales.
Nos sentimos particularmente entusiasmados por la participación del profesor Gerald Edelman del Instituto de
Neurociencias en La Jolla, Ca. EUA, quien en 1972, a los 43
años de edad, recibió el Premio Nobel por sus contribucio-
nes a la inmunología. Desde 1981 ha dedicado su atención
al estudio de los eventos neurales asociados con el surgimiento de la conciencia. Sus contribuciones conceptuales
son conocidas y apreciadas en el ámbito científico y cultu-
ral. El ha titulado su presentación "De la dinámica del cerebro a la conciencia: cómo la materia se convierte en imaginación".
En la última década ha habido un gran interés en abordar el problema de la conciencia a través de la investigación
científica. Según el profesor Edelman, para que estos estu-
dios sean exitosos debe tomarse en cuenta qué hay de espe-
cial acerca de la conciencia y rechazar las suposiciones
metafisicas. La conciencia tiene un número de propiedades
aparentemente disparatadas, algunas de las cuales pueden
ser altamente complejas y aún inaccesibles para un observa
dor externo. Para situar estas propiedades dentro de un
marco basado en actividad neuronal biológica, se requiere
de una teoría que esté basada en una serie de principios
evolutivos y de desarrollo. En su plática nos hablará de esta
teoria, que tiene
como
objetivo proporcionar
una
vision
unificadora de los fenómenos de la conciencia.
Ranulto Romo y yo estamos seguros de que todas las presentaciones generarán discusiones interesantes, tanto por
lo
que
se
refiere
a
los aspectos básicos relacionados
con la
Sincronia de la actividad en redes neuronales en preparacondicioes
el organismo intacto, en
con funciones
y patológicas, como e n su relación
OCsTeducidaS
1OTales
y
en
nerviosas más
complejas,
como
OS procesos
procesos
lo son los
VOS y el surgimiento de la conciencia. Estamos
de que estos
dos días de presentaciones
intelectual
a nuestra curiosidad
seran un
vencido
estímsl
nulo
y que todOs estaremos.S Sin-
invitados.
con nuestros
resonancia
Cronizados en
12
cogniti
Cor
SINCRONIZACIÓN NEURONAL COMO
MECANISMO DE CONTROL DE LA INFORMACIÓN
TRANSMITIDA POR LAS FIBRAS SENSORIALES
PABLO RUDOMIN
El Colegio Nacional
Me da mucho gusto estar aquí y compartir con ustedes algunas reflexiones acerca de los mecanismos que modulan la
transmisión de información sensorial en la médula espinal
de los vertebrados. La primera parte de esta presentación
está dirigida a los no familiarizados con el tema, con el fin
de brindarles los elementos necesarios para entender algunos de los problemas que estamos investigando en la actua-
lidad.
CONTROL SELECTTVO DE LA INFORMACIÓN SENSORIAL
Hace más de 100 años, Santiago Ramón y Cajal describió
por primera
vez un
hecho
original
para
esa
época.
Encon-
tro que al entrar a la médula espinal, las fibras sensoriales
Se dividen en una rama ascendente y otra descendente
(figura 1). El
consideró que las ramificaciones ascendentes
eran vias de transmisión de información hacia estructuras
en
el tálamo y la corteza cerebral,
sensaciones, mienprocesadas para dar lugar a
upraespinales
Ode
as
eran
como
transmitian
que las ramificaciones descendentes
infor
53
mación a los distintos segmentos espinales en donde ger
raban respuestas motoras estereotipadas, los reflejos espi.
nales (Ramón y Cajal, 1905).
Ramón y Cajal propuso ademas, que las conexiones de
las fibras sensoriales con las neuronas espinales, sobre todo
las que mediaban el reflejo rotuliano, eran
conexiones
seguras, "fatalmente" establecidas durante la fase fetal odu
rante los meses posteriores al nacimiento. Este
concepto
persistió casi por cincuenta años, hasta que en 1957 Frank
y Fourtes encontraron que las respuestas monosinápticas
producidas en las motoneuronas espinales por las aferentes
provenientes de los husos musculares eran inhibidas al esti
mular
algunas vías sensoriales, sin que cambiasen las propiedades eléctricas de las motoneuronas. Ellos propusieron
que esta inhibición ocurría porque las fibras sensoriales disminuían su eficacia sináptica, por lo que la llamaron "inhibición presináptica". Este fue un concepto realmente novedoso para la época, ya que proponía que las fibras sensoriales no eran únicamente conductoras de potenciales de
acción, como se suponía entonces, sino que la información
por ellas transmitida podía ser modificada por el propio sistema nervioso, antes de que estas fibras hiciesen
contacto
Con las neuronas
espinales.
Tuvieron que pasar varios años muchas controversias
y
hasta que este concepto fue
Ahora sabemos
aceptado.
que
este mecanismo de control del flujo de información esta
mediado por interneuronas GABAérgicas
que hacen contac
to con las terminales
intraespinales de las fibras sensoriales.
Al activarse estas neuronas, se libera
dor, el ácido gamma amino butírico
transmisor inhibD
(GABA), el cual aumena
la permeabilidad de las fibras
sensoriales a los iones cloro
que fluyen del interior al exterior de las fibras, lo que a s"
Vez las
despolariza y reduce su efectividad sináptica (Bu
y Rudomin, 1977; Rudomin y Schmidt, 1999).
54
un
A
B
M
FIGURA 1
Al entrar a la médula espinal, las aferentes sensoriales generan ramas ascendentes y descendentes. A, ramas ascendentes y descendentes de fibras sensoria-
les y sus arborizaciones terminales. B, ramificaciones segmentales y ascendentes
de una sola fibra sensorial y sus contactos sinápticos con las motoneuronas. Las
flechas muestran el flujo de la información generada en la periferia. Tomado
de Ramón y Cajal, 1905.
El control de la efectividad sináptica de las fibras sensoriales por mecanismos GABAÉrgicos no es exclusivo de los
mamíferos. También se ha demostrado en otros vertebrados
como peces, anfibios y reptiles y en invertebrados (molusCOs, artrópodos y crustáceos). Las observaciones realizadas
en el langostino son de particular interés porque en los
G3 a G5 de este crustáceo ha sido posible introdu-
ganglios
Cr microelectrodos de registro, tanto en las fibras sensoria-
es como en las motoeuronas con las que hacen contacto.
l o ha permitido demostrar que la despolarizacion GABACT-
8ica de las terminales sensoriales reduce
su
efectividad
s-
55
náptica,. en parte por el cortocicuto membranal p r o d
ido
:
por la activacion GARAeTgica de loS canales de cloro yitambien por la inactivacion de las
corientes cntrantes
de sod.
inducida por la despolarización prolongada (Clarac et ol
1992)
A la fecha no ha sido posible introducir microelectrodos
de registro en las ramiticaciones intraespinales más finas de
las fibras sensoriales en la medula espinal de los vertebra
dos. De hecho, sólo se han podido hacer regist1ros intrafibra
en las porciones intraespinales mas gruesas de los aferentes,
lo que ha sido un impedimento para poder analizar más
directanmente la forma en que operan los mecanismos de
modulación GABAérgica. Oro problema ha sido la dificultad para mantener los registros intratibra más allá de unos
cuantos minutos, lo que ha impedido la conducción de es
tudios que requieren tiempos prolongados (horas), como
lo han sido las investigaciones que hemos realizado en
nuestro laboratorio.
Afortunadamente, los cambios en la polarización de las
terminales inuaespinales pueden inferirse a partir de los cambios en la corriente eléctrica necesaria para activarlas directamente. Si aplicamos un pulso de corriente a través de un
microelectrodo insertado en la médula espinal, en la zona
donde terminan las fibras sensoriales, este estímulo va a
generar potenciales de acción en algunas de ellas. Estos
potenciales serán conducidos antidrómicamente a lo largo
de los axones hasta los nervios
periféricos, en donde pue
den ser registrados. Si ahora estimulamos una via que aes
polanza las terminales intraespinales de esas fibras, se re
querira menos corriente eléctrica para activarlas (Rudom
et
al., 1981). En nuestros experimentos hemos utilizado una
COnpuladora que ajusta en forma automáica la coriient
ae
estumulación
intraespinal
Tespuestas antidrómicas
56
necesaria para
con una
produci
probabilidad const t e
0.5. De esta torma,
la
despolarización
de las terminales
inttraespinales sera registiadta como educción de la corriente
de
necesaria para activarlas.
Con el pasar de ls anos hemos perfeccionado este méto-
do de análisis, lo que nos ha permitido examinar, en formna
simultánea, los canmbios de umbral en las terminales intra-
espinales de dos fibras aferentes o en pares de colaterales
de la misma fibra sensorial. Estos estudios nos permitieron
demostrar la alta selectividad de este control presináptico, a
tal grado que estímulos condicionantes aplicados a nervios
sensoriales o a estructuras supraespinales pueden despolarizar una colateral sin atectar a otra colateral de la misma
fibra sensorial.
No puedo resistir la tentación de presentar algunas de
nuestras observaciones que demuestran, en forma de verdad impactante, la alta selectividad de estos mecanismos de
control presináptico (Lomelí et al., 1998). Estos experimentos fueron realizados en la médula espinal del gato anestesiado. El primer paso consistió en insertar dos micropipetas
de estimulación, una en el tercer segmento lumbar (L3)
y otra en el sexto segmento lumbar (L6) de la médula espinal. Los estímulos aplicados a través de estas micropipetas
produjeron potenciales de acción antidrómicos que pudieron ser registrados en el nervio que inervaba al músculo
gastrocnemio. Dado que habíamos seccionado previamente
las raices ventrales, era claro que estos potenciales de acción
Se debían a la activación antidrómica de las fibras sensorialees.
Frecuentemente
1ntraespinales
de
nada"
en
"todo
o
encontramos
baja
que al
intensidad,
el nervio
se
aplicar
estimulos
producian respuestas
periférico, debido a
la actüvacion
de una sola fibra.
En
algunas
ocasiones
pudimos
demostrar que las
res-
puestas antidrómicas producidas por estímulos intraespinaes aplicados en los segmentos L3 y lL6 se debian a la act
57
A
C
B
osi
Potenciales de nc
Brvtidrdiri
6L.3
2 mm
4 rm
E
D
A
Ans
Cru
PBSt
30
20
1
17
1.0
15
1.4
1.3 T
A
1 min
11
10 mm
10
3
PAN
T10
SP
SU
2.5
3.6
Cx1
B V
Cx2
6V
15
A
1 min
11
FIGURA 2
La estimulación de la corteza produce una despolarización selectiva de las
colaterales intracspinales de aferentes individuales. Esta figura ilustra los cambios de umbral intraespinal dc un par de colaterales de una fibra aferente proveniente de un músculo cxtensor (gastrocnemio medial). Para ello se insertaron en la médula espinal dos micropipetas de estimulación, una en el segmento
L3y la otra cn cl segmento L6. Los trazos en A, muestran las respuestas anti-
dromicas registradas en cl nervio del gastrocnemio al cstimular intraespinal-
mente, prinero en L6 (circulos negros) y dos milisegundos después en L3
cre u s elaes). Ias t u s en B, nuestran que al reducir el intervalod e tiem-
p, ol se predujo Iespuesta al estimular en L6 pero no en I3, lo que sugiere
g e en anbes eases se estaba activando la misna fibra alerente. C, muestra la
loralizarin ede eos elee troos de estimalwión en 13 y l6. Los tros en D,
mustan los canbios d
nbral producicdos cn las dos olaterales al estimulr
e n e rviy del bieps posterior y semitelinoso ('RS)) con trenes de tres pusos
09Iz
intensidales vanibles. T,os trazos c n F, ilustran los
cannbios te
nbral pioducilos al
elnervio
stimula
posteiior aticular (PAN), ¢l peroc
1al
(Sr) ycl sur:l (SU) (On pulsos nicos y la (orteza Ccbrl.
suJili
nCs
li
1
con
de eho pulseos a G0
11
uciolplie.ulos
s
y
5
los sitiOs indicdos cn E. Los Cs[nu
iliseundos n t e s lel esunnulo mlU
en
ntensdl.dles «le estimuul.on estan ndicd.Is Cn la ligu
l
1
ul.eono
1.ite1alTGIle.
8
(
T1z
Notese
los sitios T
yla del * y SU, Icdujo ctuu
el umbi.l de I.olLal L3 Tom.do de gu).iu tt
en
vación dos colaterales de la misma fibra aferente. Así por
ejemplo, en el experimento ilustrado en la figura 2AvB. al
anlicar estos dos estimuloS con un intervalo de 1-2 milisegundos, el segundo de ellos no produjo respuesta alguna
por encontrar a la fibra en estado de refractoriedad, lo que
demuesra que, efectivamente ambas respuestas se debían a
la activación de la misma fibra aferente. En ese mismo experimento, la estimulación de los aferentes del bíceps posterior y semitendinoso (PBSt) con trenes de pulsos con bajas
intensidades (1.3 a l1.5 veces umbral, xT) redujo el umbral
intraespinal de la coBateral L3 prácticamente sin afectar el
umbral de la colateral L6. Al incrementar la intensidad del
estínulo a dos veces umbral (2xT), se produjo una despo
larización similar en ambas colaterales (figura 2D). Pero lo
realmente interesante fue el efecto diferencial producido
por la estimulación de la corteza motora, que laramente
el umbral de la colateral L6 sin afectar el umbral de
redujo
la colateral L3. O sea, se redujo la efectividad sináptica
de la colateral L6 sin afectar significativamente la efectividad de la colateral L3 (figura 2F). Resulta razonable suponer que esta inhibición selectiva permite a la corteza cere-
bral destinar la información generada en la periferia hacia
espinales (Rudomin et al.,
al., 1994, 1997; Quevedo et al., 1997).
gTupos específicos de
2004b; Eguíbar
et
neuronas
de fibras
También hemos encontrado un buen número
nervios cutáneos
aferentes en las que la estimulación de
motora, formación
(corteza
de
estructuras
supraespinales
y
inhibir en
reticular bulbar y núcleos del raphé) puede
en pares de
torma selectiva, la despolarización generada
3. Adese ilustra en la figura
como
tal
Colaterales L3 y L6,
y
diferencial se revirtió
inhibición
esta
mas encontramos que
la
conducción de impulsos en médu
la
frío
al bloquear
demuestra la postla espinal a nivel torácico. Este hallazgo
regula conti
Die existencia de u n control supraespinal que
con
59
B
APotenciales de acción
antidrómicos
D
C
L6
L6 L3
12
PBSt
10 uA
1.8 1.6 14 12
12
W
10
LA
JuA
2 mm
2 ms
A min
Bloqueo espinal
Control
E
8
T
F
PBSt 1.3 XT
PBSt 1.3 xT
12
L3
Aa
wwhy
10 uA
8
PAN SU SP Cx
15 9 4.5 XT
PAN
SU
15
9
PAN
PAN
15
15
4.5 XT
"wy
9
SU
SP
4.5T 10
wu
1 min
FIGURA 3
Modulación supraespinal selectiva del flujo de información transmitida por
colaterales intraespinales de fibras aferentes. Formato similar al de la figura 2.
A, B, interacción entre las respuestas antidrómicas producidas por estimula
ción intraespinal en L6 y L3 en los sitios mostrados en C. D, efectos de la estimulación condicionante del PBSt con distintas intensidades sobre el umbral
intraespinal de las dos colaterales. En E y F, la estimulación del PAN, SU, SP
y (Cx) no modificó significativamente el umbral de las colaterales L3y L6, pero
revirtió, en forma selectiva, los efectos producidos por la estimulación del PBSt
(reducción de umbral). Nótese que en condiciones control, esta reversión fue
mayor en L6 que en L3. En cambio, al bloquear por enfriamiento la médula
espinal torácica, la reversión de los efectos del PBst fue mayor en la colateral L3
que en la L6. Estas observaciones sugieren que en condiciones control, las seña-
les de origen muscular transmitidas
por el PBst reducirían la eficacia sinapuca
de las colaterales L3, que transmiten información ascendente hacia estructuras
supraespinales como el cerebelo, así como la eficacia sináptica de las colatera
les Lo que activan neuronas espinales en el mismo segmento espinal. En esas
condiciones,
presinapica
la estimulación de los aferentes
cutáneos reduciria la innidiciO
ejercida en las colaterales L6, pero no la ejercida sobre las cola
rales L3. Es decir la información
fluiría mayormente
mir el control descendente
segmental. Al supi
sobre la inhibición presináptica de fondo, la
acur
vación de los aferentes
a los
cutáneos acentuaría el flujo de informacion
nda.cido
SegmentOS mas rostrales (L3). Tomado de
1997.
Eguibar et al.,
(Reproau
con
permiso de Exp. Brain Res.).
60
a
nivel
nuamente la magnitud y dirección del flujo
ción transmitida por las colaterales
informaintraespinales de fibras
sensoriales.
Si bien aún
de la
no
conocemos todos los circuitos
neuronales
involucrados en esta modulación supraespinal selectiva del
flujo de información sensorial, los hallazgos de Hultborn
Pierrot
Deselligny
1987 (Hultborn et al, 1987)
sugie
ren que este mecanism0 interviene en la
ejecución de mno
vimientos voluntarios. Estos investigadores utilizaron técnicas no invasivas para evaluar en humanos los
cambios en la
inhibición presináptica en aferentes musculares que
hacenh
contacto monosináptico con las motoneuronas. Encontraron que
justamente antes de la ejecución de una tarea mo-
y
en
tora voluntaria, disminuía la inhibición presináptica tónica
de los aferentes que transmitían la información
provenien-
te de husos musculares originarios de los músculos que se
iban a contraer, a la vez que aumentaba la inhibición presi-
náptica de los aferentes provenientes de músculos que no
se iban a contraer.
En otras palabras, justo antes de la ejecución del movi
miento voluntario, el sistema nervioso activa mecanismos
neuronales que permiten el acceso de la información sensorial relevante para la ejecución de ese movimiento, a la
vez que suprimen la información innecesaria. Recientemente ha sido posible mostrar, que durante la contracción
activa asociada con la ejecución de un movimiento voluntario, la información proveniente de aferentes cutáneos tam
bién es modulada a nivel presináptico (Seki et al., 2003).
ORGANIZACIÓN FUNCIONAL DE LA DESPOLARIZACION
DE AFERENTES PRIMARIOS
selectividad de
Certamente, el haber demostrado la alta
los mecanismos (vías?) que producen la despolarizaciónn
61
de aferentes primarios en pares de colaterales rie la mistn
fibra sensorial, sugiere que las conexiones de las interne
E
ronas GABAÉTgicas con estas fibras no son al arzr, sing t
expresión de un repertorio finito de patrones de intereone.
xiones relativamente estables.
Con Lomelí y Quevedo (Rudomin et al., 204a) exarni
namos los efectos de distintos tipos de estimulos condici
nantes sobre la despolarización de pares de colaterales
intraespinales de la misma fibra aferente de origen muscu
lar. en este caso de colaterales que terminan en el segnent,
lumbar L3, en donde hacen contacto sináptico con las
neuronas que transmiten información al cerebelo, v otras
colaterales que terminan en el segmento L6 en donde ha
cen sinapsis con una variedad de neuronas en la zona inter
media y en los núcleos motores.
La posibilidad de medir los cambios de umbral producidos por los estímulos condicionantes sobre pares de colate
rales de la misma fibra aferente nos permitió calcular los
coeficientes de correlación enre los efectos producidos
por distintas combinaciones de estímulos centrales y periféricos sobre la misma colateral. Pensamos que aquellas combinaciones en las que los cambios de umbral mostrasen una
alta correlación, se deberían a la activación de vías neuro
nales compartidas. Encontramos que la correlación entre
los efectos producidos por las diversas combinaciones de
estúmulos sensoriales sobre los aferentes musculares, fue
mayor en las colaterales que terminaban en L6 que en las
colaterales que terminaban en L3, lo que indicaba, en Cier
ta forma, que las acciones ejercidas por los grupos neuro
nales involucrados Ocurrian
mayormente en el sexto e
mento lumbar. Así
por ejemplo, la mayor correlación (coe
ficiente de correlación > 0.7) se obtuvo entre los
cambios
de umbral
producidos en las colaterales L6 al estimular e
sural y el peroneo
superficial o entre estos aferentes cu
62
e0s v articulares, mientras que los efectos producidos por
esos estímulos en las colaterales L3 tuvieron una correlación menor. Esto no tiene nada de sorprendente ya que
existe evidencia de que los aferentes cutáneos y articulares
estimulados terminan en regiones vecinas en los segmen-
tos L5-L6 de la médula espinal (Rudomin et al, 2004a).
Algo semejante encontramos al estudiar los patrones de
despolarización de las terminales intraespinales de pares
de colaterales de aferentes articulares (figura 4), pero en
este caso dominaban las acciones de aferentes cutáneos
sobre las colaterales que terminaban en los segmentos L6
y L7, mientras que en los segmentos rostrales (L3) dominaban las acciones de aferentes musculares (Rudomin et al.,
2007; Rudomin y Lomelí, 2007).
Cómo explicar estas
diferencias
en
la
organización fun-
cional de las vías que median la despolarización de las fibras
sensoriales? Ciertamente, parte de esta selectividad está
relacionada con el nivel segmental donde proyectan las terminales de las fibras aferentes que reciben los contactos
axo-axónicos GABAÉrgicos, y con el nivel de proyección de
las vías segmentales y descendentes utilizadas como estímulos condicionantes. Pero estos patrones no son inmutables.
Como veremos má adelante, estas neuronas están organizadas como un sistema distribuido en donde la interacción
entre los distintos grupos neuronales varía continuamente
en función de las influencias excitatorias e inhibitorias recibidas en ese momento.
ORGANIZACIÓN MODULAR O DISTRIBUIDA DE LA
DESPOLARIZACIÓN DE AFERENTES PRIMARIOS?
Las observaciones descritas en las secciones anteriores
Os ilevan a preguntar si los patrones de despolarización de
63
B
Colateral L6 o L7
A
RM- RF
RM-RF
SP
SP-Saph
SU-SP
SU-Saph
PB I1-Qx I
PBI-PBI
PBI-Saph
SP-RM
J-RF
SU-RM
Qx l1-Saph
PB I1-OX
SP-RF
PB -RF
PB 1-PB I
PB I1-Saph
PBI-Qx l
ax 1-Qx II
PB
PB I1-RF
ax l1-Saph
PB I1-RM
PBII-Saph
SU-PAN
SU-SP
QX I1-SP
PB I1-SU
Qx 1-Qx I
PB -Qx II
Qx 1-PAN
PB I-PAN
PB I1-SU
Qx I1-SU
PB I1-RM
PB I1-SP
-PAN
PB I1-PAN
PB I-SP
PB -SU
PBII-RF
02
04
0.6
0.8
PB I-SP
Qx I1-PAN
PB I1-Qx
Saph-PAN
PB 1-PAN
PB I1-SP
PB I1-PAN
PB I-SU
Qx -SU
PAN
SU-Saph
1-SU
SP-Saph
PB -RF
Qx I1-PAN
Qx 1-Saph
0.0
SP-FPAN
Qx I1-SU
Qx 1-SP
Saph-PAN
-0.2
Qx I1-SP
Qx 1-SP
Qx 1-Saph
PB -Saph
0.4
RF
SU-FRF
-RM
PB 1-Qx
PB II-Qx I
PB |-RM
SP--RM
Colateral L3
PB -RM
Qx 1-PAN
1.0
Coeficiente de correlación
0.0
0.2
0.4
0.6
0.8
1.0
Coeficiente de correlación
FIGURA 4
Correlación entre los cambios de umbral intraespinal producidos en la misma
aferente articular por distintas combinaciones estímulos condicionantes seg
mentales y supraespinales. Gráficas que muestran los coeficientes de correla
ción de los cambios de umbral producidos en pares de colaterales de la misma
fibra aferente por diversas combinaciones de estímulos condicionantes. A, coe
ficientes de correlación en co-laterales L6 o L7. B, en colaterales L3. En todos
los casos, las diferentes combinaciones de estímulos han sido ordenadas en
forma descendente según los coeficientes de correlación. PBI PBII
quiere
y
decir fibras del PBSt
grupo Iy grupo II. Qx Iy Qx II, fibras grupo Iy II del cua
driceps. Las flechas rojas muestran aquellas combinaciones de estímulos cO
dicionantes que estuvieron más correlacionadas en las terminales L3 que en la
L6, mientras que las flechas azules muestran las
combinaciones más correl
cionadas en terminales L6
que en L3. Tomado de Rudomin y Lomelí, 2007.
(Reproducido con permiso de Exp. Brain Res.).
64
Las
aferentes
acterizado
primarias
de
con detalle,
in neuronal
modular
o
orige muscular
son el
que
resultado de
dstribuida
una
hemos
ca-
organiza-
(Enríquez et al., 1996).
Fsta no es una pregunta uivial. En estos momentos hay
mIcha discusion al respecto. Investigadores asociados con
Emilio Bizzi (Saltiel et al., 1998; Tresch y Bizzi, 1999; Lemay
et al, 2001, 2004) abogan por la existencia de una
organi-
zación "modular de las interneuronas en el cuerno dorsal
ven la zona intermedia de la médula espinal, que al ser estimuladas con pulsos eléctricos, activan en forma estructurada a las motoneuronas espinales, dando lugar a una serie
de movimientos "primitivos", a partir de los cuales se construven los movimientos más complejos. Esta es una posibi-
lidad interesante que ha sido cuestionada por (Barthelemy
et al, 2006; Gaunt et al., 2006), quienes han aportado evidencia que muestra que la estimulación intraespinal o la
aplicación de aminoácidos excitadores puede inducir por sí
misma una sincronización de las interneuronas espinales,
que no necesariamente refleja la organización funcional de
estos conjuntos.
Cómo
examinar
entonces
la
organización funcional
de
las redes neuronales que median la despolarización GABA-
érgica
de las fibras sensoriales?
Son
éstas la
expresión
de
una organización modular estereotípica o constituyen un
sistema distribuido, cuya configuración depende de las en
recibidas en un m o m e n to dado? Este es un problema importante, sobre todo por
tradas sensoriales
y supraespinales
sus implicaciones funcionales.
En una primera instancia pensamos que estos arreglos
examinar la dis-
podrian tener una base estructural y que al
nbución de las sinapsis de las interneuronas GABAergicas
Con las fibras aferentes, se obtendría la información reque-
nda. A la fecha, la información disponible más completa
esta
basada
en
las reconstrucciones hechas por
Lamotte
65
et al. (1998).
hasta
insertada dentro
colorante
colorante
de
una
a
fibr
tra-
afemicropipeta
tendinosos, que difundi
proveniente de receptores
de sus ramificaciones intra
tra
tenir una buena fracción
vés de
rente
n
Estos investigadores inyectaron
una
se
el
removiá
espinales. Una vez terminado experimento,
y fijó la médula espinal y se hicieron secciones seriadas muy
finas que fueron procesadas
con colorantes
especificos para
GABA, lo que permitió visualizar la distribución de las sinap-
sis GABArgicas
ap-
axO-axónicas en las arborizaciones intraespi.
nales de la fibra aferente.
Como se muestra en la figura 5, Lamotte et al. (19981
encontraron que no todas las ramificaciones intraespinales
de la fibra aferente recibían sinapsis GABAérgicas axo-axónicas. Algunas de estas sinapsis aparecian en las regiones en
tránsito de la fibray otras en la zona terminal, en dondese
encuentran las vesículas sinápticas. Claramente en estas dos
situaciones, los efectos sobre la liberación de transmisor
serán diferentes. En las regiones en tránsito, la activación
de las sinapsis GABAÉrgicas produciría un cortocircuito que
podría retrasar o impedir la propagación de los potenciales
de acción hacia las zonas terminales. En el caso de las sinap
sis GABAÉrgicas localizadas en la zona terminal se afectaria
directamente la liberación de transmisor.
A pesar de ser éste uno de los mejores estudios anatómcos disponibles a la fecha, no nos permite saber si los contactos axO-axónicos observados provienen de la misma 0 de
diferentes interneuronas GABAérgicas. Tampoco proporcio
nan información relevante acerca de la
posible organiza
ción (modular o distribuida) de las neuronas GABAérgicas
involucradas en la generación de la despolarización de los
aferentes
primarios. Responder a algunas
de estas
pregu
tas requeriria hacer reconstrucciones seriales muy detala
das, de tal forma que se pudiera tener información
acet
de las conexiones de
interneuronas GABAérgicas
indivu
66
100m
FIGURA 5
Distribución espacial de sinapsis GABAérgicas axo-axónicas en las colaterales
intraespinales de una fibra aferente. A, proyección planar de una reconstruc
ción tridimensional de una colateral proveniente de aferentes tendinosos
R
con trece contactos inmunorreactivos GABA (puntos amarillos). D,
0
yL, indican direcciones dorsales, rostrales y laterales. Cada eje tiene una londe 100 micras. B,
de esta colateral. Tomado de Lamotte et al,
gtud
998.
axograma
(Reproducido con permiso de J. Neurosci.)
67
les
con una
población
de fibras aferentes identificacl
cionalmente. Ello demandaria un estuerzo que
haya alguien dispuesto
n o creo
que
anos, y
no es un sueño imposible.
a
las fun-
evaría
hacerlo. Pero
CONEXIONES DE INTERNEURONAS INDIVIDUALES
CON FIBRAS SENSORIALES
Hace
algunos años, con Elzbieta Jankowska analizamos la
posibilidad de utilizar la microestimulación intraespinal para
activar directamente las interneuronas GABAErgicas que despolarizan a las terminales intraespinales de fibras aferentes
individuales (Jankowska et al., 1981). Años después,
con Jor-
ge Quevedo y José Ramón Eguíbar utilizamos esta técnica
para estudiar las conexiones de estas interneuronas con
pares de colaterales de la misma fibra aferente de
origen
muscular (Eguíbar et al., 1997;
Quevedo et al., 1997).
Para ello era necesario introducir dos
microelectrodos
en la
región del núcleo intermedio donde
se
suponíamos
localizan las interneuronas
GABAÉrgicas
que despolarizan a
las aferentes musculares
(Jankowska et al., 1981). Al estimu-
lar
con
intensidades
menores
que las
requeridas
acupara
var antidrómicamente a
las fibras aferentes de las
se
que
estaba registrando,
encontramos bastantes casos en los que
estos estúmulos reducían
el umbral intraespinal de una de
las dos colaterales
provenientes de la misma
fibra
sensorna
sin afectar el umbral de la
otra colateral. Al aumentar la
u
tensidad de estos estímulos, aun
por debajo de la requerio
para activar directamente a las fibras aferentes que se cestaban
examinando,
las dos
colaterales
podían ser despola
zadas. FEn estos estudios
pudimos demostrar que esta des
polarización estaba mediada por
mecanismos GABACTB
68
coS
latencia mininma era compatible con
conexiones
monosinápticas.
La figura 6 ilustra un ejemplo de los resultados
v
aue su
con esta
estrategia experimental y de
pueden hacer
en
relación
las
obtenidos
inferencias que se
las
conexiones de algunas de
estas interneuronas con las tibras aferentes
examinadas.
De estos estudios pudimoS concluir que la misma interneua
GABAÉrgica podia hacer contactos sinápticos con las
terminales intraespinales de varias fibras aferentes, y que
las colaterales intraespinales de la misma fibra aferente
rona
podían recibir contactos axo-axónicos de una o más interneuronas. Desafortunadamente no decían mucho acerca
de la posible organización funcional (distribuida o modular) de las redes neuronales involucradas.
IDENTIFICACIÓN FUNCIONAL DE INTERNEURONAS
QUE MEDIAN LA PAD
La identificación de las neuronas GABAÉrgicas que hacen
Contactos axo-axónicos con las terminaciones intraespinales de las fibras sensoriales es necesaria para entender más
a fondo el papel de la inhibición presináptica en la ejecu
Cion de tareas motoras específicas o durante procesos de
discriminación sensorial. Para ello, no basta registrar la acti
Vidad de neuronas que tienen los patrones de activación
esperados para las interneuronas GABAérgicas, también hay
que demostrar que tienen conexiones GABAérgicas con los
aferentes primarios.
Al principio nos propusimos registrar en la zona inter-
media de la médula espinal los potenciales de acción generados por interneuronas individuales, a la vez que peneua
generaba en ella una
monosináptica relativa a la ac-
fibra aferente para
dnos
despolarización
una
con
latencia
ver
si
se
69
B
D
.....d....
micropipeta 1
Stim
1.5
1.5
1 min
1.5 ms
A
E
micropipeta 2
uStim
4.4 4.4 4.4
1 min
uA
uA|
4.0
6.0
O
PAN CX
5xT 30 V
33
1.8
10
SU SP
PBSt
2.5
3.5
5
1 ms
I2
5.2 4.8 4.5 4.1 0.6 1.2 1.9
as...
antidromicos
Potenciales de acción
A
A
St. 2
4.4 4.4
MG
F
A
0
cru
ans
Col. 2
Col. 1
St. 1
antes
del
a
aplicada travésde
intensidades crecientes
monosináptica atribuible
pulso de prueba (para producir una despolarización
con
aplicada a través de la
intraespinal despolarizó
lasfibras
Exp. Brain Res.).
de profundidad. Las micropipetas estaban separadas 1.3 mm. Tomado de Quevedo et al, 1997. (Reproducido con permiso de
m/s respectivamente,
yvelocidad
la
con intensicades fijas e intervalos de tiempo variables. En este caso la estimulación
colateral #2 sin alectar el umbral de la colateral #1. F, diagrama de conexiones neuronales propuesto para explicar los efectos
de conducción de 1.12 xT y 105
producidos por la estimulación intraespinal. Esta fibra tuvo un umbral periférico
más rápidas. El umbral intraespinal se midió a 2.61 mm y 1.97 mm
que la sitíían en el rango de
sugiere
niicropipeta #2
ala activación directa de interneuronas espinales). Nótese que la estimulación con intensicdades entre 0.6 y 1.9 microamperes
microamdespolariza tinicamente a la colateral #1, mientras que la estimulación intraespinal con intensidades entre 4.1 y 5,2
peres despolarira a ambas colaterales. Dentro de estos rangos de estimulación, la reducción de umbral se mantuvo constante,
la activación de elementos neuronales discretos. E, efectos de la estimulación intraespinal
lo que
conteza
cerebral. D. electos
la micropipcta #l, 1.5 milisegundos
producidos por la estimulación intraespinal
dueidos en las dos colaterales por estimulación condicionantea nervios cutáneos, articulares y musculares, asi como de la
acion por relractoridad cntre las respuestas antidrómicas. C, registros simultáneos de los cambios de umbral intraespinal pro
Pauones de
dle la misma fibra aferente. A. el
despolarización producidos por estimulación intraespinal e n dos colaterales
antidrómicos registrados e n el gastrocnemio por la estimulación intraespinal
tra/o superior muestra los potenciales de acción
El trazo inferior muestra la corriente de
aplicada a uavés de dos nicropipetas insertadas e n el mismno segmento espinal (L6).
timulacion. B, como en A. pero acortando el intervalo de tiempo entre anbos estímuos intraespinales. para mostrar inter
FiR
tivación
interneuronal.
Muy pronto
nos
dimos
os
cuenta de lo
cuenta
mantener simultaneamente
a.
regict
registros
que era
y de la fibra aferente. Inve
de la actividad de la n e u r o n a
ertiasi
claro,
que decidim.
sacar nada en
mos c o m o un ano sin
mos
complicado
cambiar de estrategia. En lugar de registrar la despolariz
ción de aferentes individuales, registramos loS potenciales
es
de raíces dorsales (DRPs), que son un registro a distancia
(electrotónico) de la despolarización intraespinal de pobla
ciones de fibras sensoriales. Simultáneamente registramos
de las raíces ventrales los potenciales electrotónicos genera
dos por la activación sináptica de las motoneuronas espina-
les, así como los potenciales de acción espontáneos generados por interneuronas individuales en la zona intermedia
Estos registros nos permitieron utilizar la actividad neuronal
para iniciar la promediación de los potenciales registrados
en las raíces dorsales y raíces ventrales y determinar si la
actividad neuronal estaba o no asociada con la generación
de DRPs (Rudomin et al., 1987).
Con esta estrategia experimental encontramos dos clases
de interneuronas, tal y como se ilustra en la figura 7. La acti
vidad de las interneuronas Clase I ocurría en sincronia con
potenciales inhibitorios en las raíces ventrales (VRP), pero
no con potenciales de raíces dorsales (DRP). En cambio, la
actividad de las interneuronas Clase II aparecía asociada
con
potenciales de raíces dorsales y también con potenciales
inhibitorios en las raíces ventrales. En estudios
posternores
pudimos establecer que las interneuronas Clase I median la
inhibición postsináptica generada por la activación de atee
rentes tendinosOS en las
motoneuronas
de la columna de Clarke
(CC), que
al cerebelo (Rudomin et al.,
y en
las neuroIld
transmiten intorma
1990). Las interneuronas CIa
II muy bien podirían ser las interneuronas
GABAErgicas
median la
despolarización de aferentes musculares.
interneuronas también harían
siapsis GABAÉrgicaS
torvascon las motoneuroas (Rudomin et al., 1987).
72
que
Si bien estas investigaciones no aportaban evidencia
directa en torno a la organización distribuida o modular de
las redes neuronales, permitieron dilucidar un problema
importante que llevaba anos discutiéndose: la posible
coexistencia de inhibición pre y postsináptica mediada por
las mismas interneuronas GABAérgicas (Rudomin y Schmidt,
1999). Al parecer, éste es un mecanismo que permite a las
neuronas GABAÉrgicas transmitir a las motoneuronas comandos inhibitorios de origen supraespinal, evitando a la vez la
interferencia de señales transmitidas por las fibras sensoriales, que son suprimidas o reducidas por la inhibición presináptica resultante.
Cabe señalar que en los estudios de Rudomin et al.
(1987), además de registrar la actividad de las interneuro
nas y los potenciales de raíces dorsales y de raíces ventrales,
registraron en forma rutinaria los potenciales del dorso de
la médula espinal. Esto último, con el fin de tener una idea
más precisa del momento en que la actividad producida
por los estímulos condicionantes llegaba a la médula espinal. Al utilizar la actividad neuronal para iniciar la promediación de estas señales, encontramos que entre 20 y 50 ms
antes de que se originaran los potenciales de acción neuro
nales, aparecían en el dorso de la médula potenciales negativos relativamente lentos, que alcanzaban su máximo al
momento de la activación neuronal y duraban entre 150)
y 200 milisegundos (CDP en la figura 7).
Entonces no sabíamos, pero suponíamos, que estos po-
tenciales lentos eran producidos por la actividad síncrona
de poblaciones neuronales localizadas en las regiones más
Superficiales de la médula espinal. Tampoco nos quedaba
Claro si las neuronas que los generaban también activaban,
airecta o indirectamente, a las interneuronas Clasely Clase
II ubicadas en la zona intermedia de la médula espinal.
Esta observación nos llevó a involucrarnos en un problema
que
es,
sin duda,
una
manifestación más de los
retos
73
DRP
INT
A
CLASE II
BRECHA DE
CC
SACARSA
CLASEI
VRP
C
B
CLASE I
CLASEI
INT
INT
CDP
CDP
10mv
3
DRP
DRP
VRP
VRP
w
2
50 ms
50 ms
FIGURA 7
Potenciales espinales asociados a la actividad espontánea de neuronas indivie
duales. A, diagrama del arreglo
experimental. INT, actividad neuronal registrada
con un microelectrodo
intraespinal insertado en la zona intermedia en el seg:
mento L6. DRP, potenciales de raíces dorsales registrados del cabo central de una
raicilla tomada del segmento L6. VRP, potenciales sinápticos originados en 1as
motoneuronas registrados electrotónicamente con la brecha de sacarosa en
las raices ventrales. Las interneuronas
Clase I
hacen sinapsis inhibitorias (gic
nérgicas) con motoneuronas en el segmento L6 y con interneuronas en las
columnas de Clarke (CC) en el
segmento L3. Las interneuronas Clase na n
Sinapsis GABAÉrgicas con las motoneuronas y con las terminales intraesPld
nales
de las fibras aferentes. B C,
les
y
promedios (n 64) de los
iniciados por la actividad
espontánea
de
Nótese que los
=
potenciales esp
ie l
interneuronas individuales Clad
y Clase 1, respectivamente.
de
en el dors
potenciales
negativos
la médua
Clase
la actividad
precedieron
1
de
las
espontánea
Clase
euronas
. Notese también
y
que la actividad de las interneuronas Clase Il
Ciada con
potenciales de raíces dorsales (DRPS), lo que no se apareti las
observo
interneuronas Clase I.
aso
74
Cue en
la
actualidad
afronta la
neurofisiología integrativa:
la organización funcional de sistemas de
el definir
nas interconectados
neuro-
entre
y la forma en que esta organización se modifica durante la ejecución de movimientos
voluntarios y durante procesos de discriminación sensorial,
o bien como consecuencia de lesiones crónicas y agudas de
nervios periféricos o durante la inflamación de la piel y las
si
articulaciones.
POTENCIALES ESPONTANEOS DEL DORSO DE LA MÉDULA ESPINAL
En una primera etapa nos propusimos examinar el origen de los potenciales espontáneos del dorso de la médula
sincronizados con la actividad de las neuronas Clase I y Clase
II
(Manjarrez et al., 2000). Pronto nos dimos cuenta que
algunos de estos potenciales espontáneos, los más conspi-
cuos, aparecían simultáneamente en varios segmentos lumbares (Manjarrez et al., 2003). La correlación entre estos
potenciales era variable. Unas veces aparecían en un
segmento,
pero no en los segmentoS vecinos, otras aparecían simultá-
neamente en dos o más segmentos. Utilizando técnicas
fractales encontramos que no se trataba de combinaciones
al azar (Rodríguez et al., 2011), sino de un
repertorio relativamente limitado de patrones de activación que se
repiten
frecuentemente, tal y como se ilustra en la figura 8.
Inicialmente nos enfocamos al análisis de las relaciones
funcionales entre los conjuntos neuronales involucrados en
la
generación de los potenciales espontáneos negativos (nCDPs)
y los negativo-positivos (npaDrs) del dorso de la médula que
preceden la activación de las neuronas Clase I y Clase II,
Tespectivamente (figura 7). Para ello diseñamos un programa
Computacional que nos permitió seleccionar los potenciaEs generados en distintos segmentos espinales en sincronía
Con los potenciales generados en un segmento determinado
75
%0
001
wws
S6L'LL
SL9 L
SLL'6
sgS9
Sy9'LL
9d0osu
St9'
StL'9
s69'S
SLL'S
s99'9
S8v 0L
S676
s98'0L
SEv'EL
vdaOsu
SLE9L
Sdaosu
$9L'
s88 7
s99
spSO
s980
SSv'O
s670
SET
SZE'0
s9S7
$89L
sZ90
SSO'S
edaosu Tdaosu Ldaosu
8
%0
(A o)
(A 08-)
su 007
%00L
AOOL
0Z3
M
wu
%0
(A
%001
(AiL0e-)
v2
L
91 8
91
ZE
L2
0L
2
S
62
81
82 02 Zi
92
tiempos
potenciales espontáneos registrados
en
el dorso de la médula
se
casos,
el másimo
de
actividad
abarcaba
una
región
relativamente
pequeña. CG, distribuciones bidimensionales de
distribuciones ocurrieron más de
una vez (por ejemplo,
en
Ca los 5.05 y 13.43
segundos
E. Manjarrez.
en D, a los 2.66 y 10.48 y a los 10.86 y 16.58 segundos, en E, a los 0.62 y 2.88 segundos). Figura gentilmente proporcionada por
rentes. Queda claro que las mismas
potenciales espontáneos del dorso de la médula registrados en distintos momentos (ver tiempos) en cinco experimentos dife-
ambos
momento en que los potenciales aparecieron en el segmento L6 y el segundo cuando aparecieron en el segmento L5. En
Los
de agregados neugeneran por la activación intermitente
el dorso de la médula espinal. Los
ronales discretos. A, localización de una matriz de 40 electrodos de registro colocados sobre
40 electrodos. B, distribución bidimensional de los potenciatrazos muestran los potenciales espontáneos registrados con esos
señalados por las líneas verticales en A. Nótese que el primer par de medidas fue hecho en el
edidos en los
les
FIGURA 8
(usualmente el L5o L6), tal y como se ilustra
en la
ilustra en
la fig
figura9
(García et al., 2004).
Encontramos que las caracteristicas de los potenciale
gistrados en los distintos segmentos espinales (ampli,Te
d
y variabilidad) dependían mucho del segmento
ilizado
para seleccionar los potenciales de referencia (figura lo
También encontramos que
los
(figura 10).
npCDPs, contrariamente a lo
ncDPs, aparecieron sincronizados con potenciales esno
on-
táneos en las raíces dorsales (DRPS), que son originados
ados por
por
la despolarización de las terminales intraespinales de
las
fibras sensoriales (figura 11) (Rudomin, 2009; Chávez atal
2012). Este hallazgo nos hizo pensar inicialmente que los
ncDPS eran generados por una población de neuronas
localizadas en el asta dorsal, que a su vez comandaban a las
neuronas Clase I en la zona intermedia de la médula
espi
nal.
npCDPs serían generados por una población
ronal diferente que activaría a las neuronas Clase II, tal
ne
Los
y como se indica en la figura 14A. Al analizar la distribución
intraespinal de estos dos tipos de potenciales, encontramos
que los perfiles de distribución intraespinal de los nCDPs y
npCDPS espontáneos eran virtualmente los mismos, lo que
sugirió que en lugar de dos grupos neuronales diferentes,
los ncDPs y npCDPs podrían ser
generados por un solo grupo
(figura 14B) (Chávez et al., 2012).
Una pregunta que surge al tratar de explicar la génesis
de los nCDPS y npCDPs considerando interacciones excitado
ras
unicamente,
por qué una vez iniciados, estos pote
ciales decaen rápidamente, en lugar de mantenerse por un
es
tiempo más prolongado. Es posible que al sobrepasar un cIer
to nivel de
excitación,
inicie en las neuronas un proces
de inactivación
que limite la generación de potenciales
acción. Alternativamente, podría
pensarse que las n
nas
que generan los potenciales del dorso de la:médula acti
ven al mismo
tiempo neuronas inhibitorias que prod
se
uro-
una retroalimentación negativa.
78
B
Potenciales espontáneos
del dorso de la médula
2
3
4
R
200 ms
Plantilla
Promedio
CDPs
y desviaciOn
seleccionados
estandard
C
L4L
L5L
A
L5R
40
L6R
g
109
A
1
RP
L6L
L7L
50 ms
FiGURA 9
del método utilizado para seleccionar por forma y amplitud los
del dorso de la médula espinal. A, distribucion de
potenciales
Diagrama
espontáneos
los electrodos de registro en el dorso de la médula espinal. B, potenciales
espontáneos registrados simultáneamente en diferentes segmentos espinales.
Las casillas ilustran varios patrones de activación síncrona. C, plantilla utilizada para seleccionar los potenciales registrados en el segmento L6 (en este caso
nCDPs). Las lineas punteadas muestran el rango de variación
permitido. D,
potenciales seleccionados en L6 (RP) junto con los potenciales registrados
Simultaneamente en los otros segmentos espinales. E, promedios de los potenC1ales registrados en cada segnento espinal (razos en rojo) y su desviacion
potenciales asociados ienen
urso temporal parecido al de los potenciales de referencia y mayor variabil
Standar
(trazos en
verde). Nótese
que los
un
dad.
79
A
LAL 0 36 (n=50)
L4L
B
0.38 (n-210)
L5L 0.44 L5R 4L
0.97
L6L 0 64|0 69 L6R
o 67 1 28
o17
L7 0.13
LSL
A
L6L
L5R
L5L
L6R
L6L
A
L5R
L6R
L7L
L7L
C
0.43 (n158)
D
0.27| (n=116)
1.02 0.49
L4L
1.08
0.910.43
L4L
0.73
0.16
L5L
L7L
0.13
L5R
L5L
L5R
L6R
L6L
L6R
L7L
50 V
40 ms
FIGURA 10
Potenciales espontáneos del dorso de la médula
espinal seleccionados uilizan
do potenciales de referencia
registrados en diferentes segmentos espinales. A-D,
los nCDPs
espontáneos registrados en un segmento específico fueron selecci0
nados mediante una
plantilla y utilizados como referencia (ver flechas) para
seleccionar los
espinales.
(urazos
Cada
potenciales registrados simultáneamente en otros segmento
panel muestra los potenciales seleccionados y sus
promedios
Las
blancos).
tros muestran los
de los
potenciales
casillas que aparecen a los lados de cada
grupo de reg
cocientes obtenidos al dividir la
amplitud promedio al pico
asociados entre la
amplitud promedio al pico del potene
de referencia (fuerza de
acople). Los círculos señalan la posición del segmeir
to de referencia. El
número de muestras utilizadas en
cada caso está indicau
en
paréntesis. Nótese que la amplitud y fluctuaciones de los
1ados
potenciales
aso
en
dependen cierta forma del segmento utilizado como referencia,
lo
sugiere que con esta estrategia se seleccionan
redes neuronales con carac
ticas diferentes. Modificado de
niso
Chávez et al., 2012.
de J. Physiol.)
(Reproducido con
eris
pei
80
L6L nCDPs
A
L6L npCDPs
B
L4L
L5L
L6L
L6
DRP
25 ms
FiGURA 11
Relación entre los potenciales espontáneos del dorso de la médula espinal y los
potenciales de raíces dorsales. Los potenciales espontáneos registrados en el
lado izquierdo del dorso de varios segmentos espinales y los DRPS fueron seleccionados usando como referencia los ncDPS y npcDPS registrados del segmento
L6 izquierdo. A, los nCDPs espontáneos se generan sin DRs asociados. B, los DRPS
espontáneos se generan en sincronía con los npcDPs. Modificado de Rudomin,
2009. (Reproducido con permiso de Exp. Brain Res.).
Con el fin de evaluar la segunda posibilidad, examinamos cómo se afectaban las respuestas evocadas por la estmulación de aferentes cutáneos al estar precedidas de
nCDPs o de npcDP's espontáneos. Tal y como lo reportamos
anteriormente (Manjarrez et al., 2000), hemos encontrado
que los potenciales evocados en la médula espinal por la
estimulación de aferentes cutáneos son facilitados cuando
estos se generan durante la fase de negatividad máxima de
cDPs o npCDPs. En cambio, los potenciales generados
entre 20 y 100 ms después de la negatividad máxima son
81
hemos
con detalle el curso temporal de esta inhibición v ssu
y
fuertemente inhibidos. Si bien aún
no
icióndeteiminado
naturaleza glicinérgica o GABAÉrgica, hemos obser posible
Dle
ervado que
la inhibición de los potenciales evocados por estimuue
cutanea es mayor cuando están precedidos por loes ión
on
np iPs
loS nCDPs (figura
12
están
ura
12).
E
cuando
precedidos por
que
Cojinete plantar 2 XT
A nCDPs
B
C
nCDPs+
Cojinete plantar
L5L
L6L
A
D npCDPs
E
F
npCDPs+
Cojinete plantar
L6L
20 m
FIGURA 12
Inhbición de las respuestas espinales evocadas por la estimulación de aferentes
Cutáneos al
precedidas por nCDPs y npCDPs espontáneos. A, promeao de
32 nCDPs
espontáneos seleccionados utilizando como referencia los regisu
obtenidos en L.5 dorso de la médula
espinal en el lado izquierdo. B, respu
evocadas por un estúmulo
de la paldp
aplicado a la piel del cojinete plantarcstimulación
del
terior izquierda con
pulsos 3.2 xT. C, respuestas evocadas por estinmude
Cojinete plantar 40 milisegundos después del máximo de los nCDPS eSp
neos. D-F, lo mismo
que en A-C para respuestas evocadas precedidas
Nótese que la inhibición de las
respuestas evocadas fue mayor cuai
precedidas de npcDPS que de ncDPs.
ser
tros
Onta-
CDPS.
estaban
82
debc de
sorprendernOs, ya que además de una posible
etroalinmentacion inhibilOa, prolbablemente glicinérgica.
111CDIS
generan en sincronia con potenciales de
raíces
dorsales, signo de nhibiciOn presinaptica GABAÉrgica.
Se
SINCRONIZACION ENTRE CDPS. INFLUENCIAS
SEGMENTALES Y DESCENDENTES
Como se menciono anteriormente, los potenciales espontáneos que se registran en el dorso de la médula espinal aparecen sinmultáneamente en varios segmentos lumbosacrales.
En la preparación anestesiada, esta sincronía no parece depender mayormente de influencias descendentes o segmentales porque tambien se observa en preparaciones en
las que se ha seccionado la médula espinal a nivel torácico
y también en preparaciones con sección bilateral de las raí
ces dorsales, lo que sugiere que la sincronía entre los poten-
ciales espontáneos se debe a mecanismos espinales intrínsecos (García et al., 2004; Rudomin, 2009; Chávez et al, 2012).
Al examinar la correlación entre pares de ncDPS o pares
de npcDPs espontáneos generados en distintos segmentos
espinales, encontramos que la correlación entre nCDPs o
entre npcDPS registrados de distintos segmentos espinales
disminuía al incrementarse la distancia entre estos segmentOs, siendo máxima en L5 y L6 (figura 13) (Chávez et al,
2012). Pero lo más interesante fue que para el mismo par
de segmentos espinales, los npcDPS aparecían más correla
Cionados que loS nCDPS, tal y como se puede observar en la
figura 13A-C. Estas diferencias persistieron al espinalizar
1a preparación (figura 13D-F), se incrementaron despues
de la sección aguda del sural y el peroneo superficial (figude
13G-I) y se atenuaron notoriamente después
C1On bilateral de las raíces dlorsales (figura 13J-H).
Ta
la sec-
83
L4L-L7L
L5R-L7L
L6L-L7L
6R-L7L
L5L-L7L
L4L-L6L
L4L-L6R
L4L-LSR
L5R-L6L
LSR-L6R
L4L-LSL
L5L-L6R
0.2
0.2
0.6
0.6
LAL-LSR
0.0
LSR-L6L
L4L-L6L
PL4L-L6R
L5L-L7L
E
0.0
D
L6L-L7L
L6R-L7L
L5R-L7L
0.8 p 1.0
1.0
Gr. 1
0.8 P
Gr. 3 Gr. 2
L4L-L7L
0.4
0.4
Gr 4
L5L-L6L
LSL-L5R
C
0.0
B
0.0
AGr. 5
L6R-L6L -
L5R-L6R-
L4L-L5L
5L-L6R
L5L-L6L
L5L-L5R
L6R-L6L
L4L-L7L
L5R-L7L
L6R-L7L
L6L-L7L
L5L-L7L
L4L-L6R
LSR-L6L
L4L-L6SL
L4L-L5R-
L5R-L6R-
L4L-LL
L6R-L6L
L5L-L6R.
L5L-LSR
L5L-L6L
Neuroeje intacto
0.2
0.2
0.4
0.4
0.8 P
1.0
0.0
G
0.2
0.6
0.8
P1.0
P
0.2
0.4
0.6
0.8
1.0
0.0
H
0.4
nCDPs
0.2
0.4
0.8
P 1.0
0.8 P 1.0
npCDPss
0.6
0.6
SU y SP seccionados
Referencia npCDPs L5L
0.6
Espinal
Referencia nCDPs L5L
<0.01
0.0
K
O
0.2
0.2
<0.05
0.4
0.4
O
0.6
1.0
<o 10
0.8 p 1.00
0.6 0 . 8 P
seccionadas
Raices dorsales
Modificado de Chávez et al, 2012.
Faplica a
co).
en
(Reproducido
con
permiso deJ. Physiol.).
estadís
todas las gráficas polares. Los círculos alrededor de las gráficas polares muestran el nivel de significancia
tica de las diferencias cntre los coeficientes de correlación de ncDPS y npCDPs (p < 0.01, negro; p < 0.05, gris y p < 0.10, blan-
todas las grálicas se antuvo el orden de las diferentes combinaciones de sitios de registro que en A. La escala de correlación
corelación medidos al tiempo del máximo de los nCDPs O de los npcCDPs. Los coeficientes obtenidos fueron agrupados en cinco
categorias. Ios rangos están señalados por las líneas verticales. A, correlación entre ncDPs obtenidos en la preparación con el
ncuroeje intacto. B, lo mismo que en A para npcDPs. C, gráficas polares construidas con los datos ilustrados en Ay B. En C, tras cn azul y rojo, distribución segmental de los coeficientes de correlación de los ncDPS y npcDPs, respectivamente. D-F, lo
misno que en AC después de la sección aguda de la médula espinal a nivel torácico (T10). G-I, datos obtenidos después de la
sección adicional del sU y sP. J-L, datos obtenidos después de la sección bilateral de las raíces dorsales L3-S1. Nótese que en
an la localización segmental de los sitios de registro. Las abscisas, las medianas y errores estándar de los coeficientes de
o parcs npCDPs espontáneos. Las gráficas ilustran la distribución segmental de los coeficientes de correlación obtenidos de
serics parcadas de ncDPs o npcDrs seleccionadas utilizando como referencia los potenciales registrados en L5. Las ordenadas
Efcctos de la espinalización y deaferentación sobre la distribución segmental diferencial de la correlación entre pares de nCDPs
FiGURA 13
Spontänes
los npDPS espotán.
La generación de los nCDPsy
Una de ellas
las proM
propone que
de dos m a n e r a s .
puede explicar
estos potenciales
son
diferentes
de
dorsal
generados por grupos diferente.
el cuern0
dorsal de
ambas localizadas en
14A). a otra, que nos parece la más
(fig1ura
médula espinal
la fech
considerando la evidencia disponible aa laf
neuronas,
plausible
considera que las neuronas que generan los Compone
forman
de
parte
los ncDPS y npcDPS
de
negativos
tema que está distribuido bilateralmente a lo largo de ar
un sul
segmentos espinales. En condiciones de baja sincroni
1
la actividad neuronal, se generarian los nDPe A
aumentar la sincronización por influencias segmentale.
es
o supraespinales, se coactivarian las vias que producen i
ción
entre
os
npcDPS y las vias que
producen despolarización de aferente
primarios e inhibición presináptica, tal y como se propone
en la figura 14B (Chávez et al., 2012).
ALGUNAS IMPLICACIONES FUNCIONALES
Cada vez hay más evidencia experimental que destaca la
importancia de
la sincronización
temporal
como un meca
nismo efectivo para seleccionar vías espinales especificas
durante la ejecución de una variedad de tareas motoras
cognitivas (Konig et al, 1995; Womelsdorf y Fries, 2006:
Womelsdorf et al., 2007). Nuestras investigaciones sugieren
que al incrementarse la sincronización entre las neuronas
involucradas en la generación de los potenciales esponti
neos en el dorso de la médula espinal, se reclutarán las Vas
que median la despolarización de las aferentes primarna
y producen inhibición presináptica, dando así lugar a"
fase positiva de los npcDPs (Chávez et al, 2012).
Desde los estudios iniciales en 1987 en los que ral
olucr
de rdentificar funcionalmente
las interneuronas in
86
das en
12riOs
la
generacion
(Rudomu
de la
el al.,
despolarización de aferentes nri
T987), nos quedó claro que las
interneuronas Clase T aparecian asociadas Con potenciales
1negativos en el dorso de la medula espinal (los ncDPS).
mientras que las interneuronas lase Il aparecían asociadas
con potenciales negativo-positivos (los npcDPs).
En estudios posteriores pudimos establecer que las interneuronas Clase I mediaban la inhibición glicinérgica postsinaptica no reciproca, mientras que las interneuronas
Clase 1l mediaban inhibición GABAÉrgica pre y postsináptica (Rudomin et al., 1990). Ello implica, en cierta forma que,
dependiendo del nivel de sincronía entre las neuronas del
cuerno dorsal, se generarian nCDPs o npcDPS y en turno se
activarían las interneuronas Clase Io las Clase II, lo que
conduciría a la activación selectiva de diferentes agregados
neuronales, de acuerdo con la función por realizar. A nivel
presináptico, este mecanismo podría restringir información
sensorial generada durante la contracción activa dejando al
sistema bajo control supraespinal (Seki et al., 2003) Este
control del flujo de información sensorial también podría
contribuir a incrementar la coherencia entre los movimientos programados y los ejecutados, así como la resolución
espacial y temporal de la
información sensorial.
La sección aguda de un nervio cutáneo no sólo reduce la
entrada de información a la médula espinal. También induce un estado de sensibilización central que incrementa y desenmascara las respuestas de las neuronas del asta dorsal
cutáneos
producidas por la estimulación de otros nervios
en
y cambia la despolarización tónica de las fibras aferentes
las vias
una dirección que depende de la historia previa de
Lam
nvolucradas (Biella y Sotgiu, 1995; Biella et al., 1997;
el al., 2008; Rudomin, 2009). En este conexto, un hallazgo
gua
seccion
la
el efecto opuesto producido por
la correacion
decl sural y del peroneo superficial sobre
cresante
es
87
Cc
Gr Ib &
A
Int
MN
ClaseI
nCDPs
Gly
Clase I
MN
npCDPss
Int
Gr la
GABA
nt
Gr Ib & ll
Cutáneos
CC
Gr Ib & I1
B
MN
Clase
ClaseI
nCDPs npCDPs
MN
Int
Gr l.
GABA
Cutáneos
Gr Ib& I1
de los nCDPs y npCDPs espontáneos. A, los nCDPS y npcDPs
ambos localizados e n el c u e r n o dorsal de la médula espinal.
u n lado, interneuronas glicinérgicas que les proporcionan una
Clarke
Los axones de las n e u r o n a s que generan los ncDPs activan, por
a las interneuronas glicinérgicas inhiretroalimentación inhibitoria. Proyectan además a la z o n a intermedia en donde activan
con motoneuronas espinales. Las interneubitorias Clase I, que hacen contacto con interneuronas e n las columnas de Clarke y
también les
u n lado, a interneuronas glicinérgicas, que
ronas que generan los npCDPs tienen colaterales que activan, por
a las terminales de aferentes
con interneuronas GABAérgicas que despolarizan
retroalimentación
inhibitoria,
y
proporcionan
de aferentes provenientes
cutáneos. Por otro lado, también activan a las interneuronas Clase II que median la despolarización
el mismo grupo de interneude los husos musculares y de receptores tendinosos. B, los ncDPS y los npcDPS Son generados por
Cuando la actividad espontánea de estas interneuronas está débilr o n a s localizadas en el c u e r n o dorsal de la médula espinal.
z o n a intermedia. Cuando se eleva el nivel de sincronimente sincronizada, únicamente se activan las interneuronas Clase I en la
las interneuronas Clase II. La
zación neuronal, se activan interneuronas GABAÉrgicas que despolarizan a los aferentes cutáneos y
inhibitorias mutuas entre ellas.
activación diferencial de las interneuronas Clase I y Clase II podría deberse a conexiones
& II, aferentes Ib (de receptoAbreviaciones: Cly, neuronas glicinérgicas. GABA, neuronas GABAérgicas Int, interneuronas Gr Ib
n e u r o n a s e n las columnas de
res tendinosos) y grupo II, Gr la, aferentes la de husos musculares-MN, motoneuronas, CC,
Circuitos
espinales posiblemente involucrados en la generación
espontáneos son generados por diferentes conjuntos neuronales,
FIGURA 14
de cDPS y la correlacion entre pares de
npCDPS
ilustrado en la figura 13G-I (Chávez et al., 2012). Indepe
dientemente de los mecanismos implicados en la generar
entre pares
indeper
ración
de estos cambios diferenciales, es razonable pensar que
reducción de la correlación entre los nCDPS permitiría
la
un
control más independientey quizá más selectivo de la inh:
bición postsináptica Ib mediada por las interneuronas
Clase I, mientras que la sincronia incrementada facilitaris
la transimisión de imnpulsos en las vias que producen una
despolarización correlacionada de las terminales intraespi
nales de las fibras aferentes (Galhardo et al., 2002).
Los cambios en la conectividad funcional entre los distintos
tos
agregados neuronales que generan lOs nCDPS y npCDPS tam-
bién dependen del "estado' del sistema, lo que a su vez pue
de cambiar el contexto de la información por ellos transmitida, ya sea en condiciones normales o después de lesiones
espinales o de nervios periféricos (Hultborn, 2001; Galhar
do et al., 2002; García et al., 2004; Rodríguez et al, 2011).
En este sentido, el desarrollo de técnicas no invasivas para
registrar los potenciales espontáneos en el dorso de la mé
dula espinal puede ser de gran utilidad para registrar en
humanos las alteraciones funcionales en los sistemas neuro
nales
que generan estos potenciales durante envejecimiento, esclerosis múltiple, espasticidad y lesiones
espinales,
entre otros.
A MANERA
DE
CONCLUSIÓN
Las
son
observaciones que les he presentado en esta Ocasio
el resultado de muchos
años de investigación, graclas a
la cual ahora sabemos que las ramificaciones intraespildles
de las fibras
las
90
senales
sensoriales
generadas
no son
en
fijas de transmst
la periferia, sino sistemas
rutas
de
m:
cOs que permiten un direccionamicnto selectivo del fluio
información. Esto se decbe, cuando menos en parte, a la
acción de neuronas GABAergicas que hacen sinapsis axo
axónicas con las ramificaciOnes intraespinales de las fibras
sensoriales (Rudomin y Schmidt, 1999; Rudomin, 2009).
Nuestras observaciOnes sugieren que la actividad de estas
neuronas GABAérgicas es modulada por un sistema distri
buido de interneuronas local1zadas en el asta dorsal que
abarca varios segmentos en la región umbosacra de la médula espinal. La regulación de la magnitud de la sincroni
zación de la actividad espontánea de estas neuronas consti-
tuye, en cierta forma, un mecanismo que permite sclec
cionar la activación de vías inhibitorias específicas. Recientemente Cuellar et al (2010) han sugerido que este sistema
de neuronas del asta dorsal podría no estar involucrado en
la generación de secuencias preprogramadas de actividad
muscular como las que se generan durante el rascado, pero
ello tiene que ser estudiado con más detalle.
Si bien hemos avanzado bastante en la caracterización
funcional de los conjuntos neuronales que generan los
nCDPS y npCDPs espontáneos, todavía quedan muchas cues-
tiones por resolver. Por ejemplo, aún no sabemos si la
misma neurona del asta dorsal se activa espontáneamente
si se activa en
forma síncrona con unos y no con los otros (Contreras-Hernández et al., 2010). También es importante examinar cómo
durante los
nCDPS
y durante los npCDPs,
o
varia esta correlación como consecuencia de las lesiones agdas
o
crónicas de nervios cutáneos
o
durante procesos de
inflamación aguda de piel y articulaciones (Rudomin, 2009).
E
ayudaría a lograr un mayor
de la
del papel del control presináptico
abordar estas cuestiones
entendimiento
nos
mus
información transmitida por los aferentes cutáneos y
sensoriales
Cutares en una variedad de funciones motoras y
y
la
lorma
en
que este control
contribuye a lograr una mayor
Onerencia entue los movimientos planeados y los ejecutados.
91
Después de todo,
mente
de esta
nuestra sobrevivencia
depende
de
mayor-
coherencia.
ribución entu
Termino con el reconocimiento a la contribución
siasta a lo largo de muchos anos de mis colaboradoree
es,
diantes, técnicos y secretaria. En especial a Ismael Jimér
Elías
Manjarrez, Jorge Quevedo, José Ramón
Lomelí, Manuel Enríquez, Diógenes
Eguíbar,
Chávez, Edson Joel
Her-
nández, Erika Rodríguez, Enrique Contreras, Adrián D
mírez, Enrique Velázquez, Porfirio Reyes y Cirilo
León, asi
as
rilo León,
como a Elizabeth Rosales por su apoyo en la elaboración de
este texto.
REFERENCIAS
BARTHELEMY D, LEBLOND H, PROVENCHERJ & ROSSIGNOL S (2006)
Nonlocomotor and locomotor hindlimb responses evoked by
electri
cal microstimulation of the lumbar cord in
spinalized cats. I
Neurophysiol. 96:3273-3292.
BIELLA G, RIVA L & SOTGIU ML (1997) Interaction between
neurons in
different laminae of the dorsal horn of the
spinal cord. A corre
lation study in normal and neuropathic rats. Eur
Neurosci. 9:
1017-1025.
.
BIELLA G & SOTGIU ML
(1995) Evidence that inhibitory mechanisms
mask inappropriate
somatotopic connections in the spinal cord
of normal rat. J.
Neurophysiol. 74:495-505
BURKE RE & RUDOMIN P
(1977) Spinal neurones and synapses. In
Handbook of Physiology. The Nervous
System. Section 1, Vol. 1, Part 2.,
eds. Brookhart
JM & Mountcastle VB, pp. 877-944. American
Physiological Society. Bethesda, Md.
CHAVEZ D, RoDRÍGUEZ
E, JIMÉNEZ I & RUDOMIN P (2012) Changes in cor
relation between
spontaneous activity of dorsal horn neuronco
differential recruitment of
inhibitory pathways in the ca
J Physiol. 590:1563-1584.
CLARAC F, EL MaNIRA A &
CATTAERT D (1992) Presynaptic controI a*
mechansm of
sensory-motor integration. Curr Opin. Neurbo
2:764-769.
lead
92
to
TERAS-HERNÁNDEZ
activity off
single
E, CHAVEZ D & RUDOMIN P
dorsal horn neurons
(2010) Changes
during the generation
in
of
assoCiated with
primary afferent depolarization. Abs. Soc. Neurosc. 286.20.
EGUÍBAR JR, QUEVEIDO J, JIMENEZ I & RUDOMIN P (1994) Selective cortical
spontaneous cord dorsum potentials
control of information flow through different intraspinal collaterals of the same muscle afferent fiber. Brain Res. 643:328-333.
EGUÍBAR JR, QUEVEDO J & RUDOMIN P (1997) Selective cortical and seg
mental control of primary afferent depolarization of single mus_cle afferents in the cat spinal cord. Exep. Brain Res. 113:411430.
ENRIQUEZ M, JIMÉNEZ I & RUDOMIN P (1996) Segmental and supraspinal
control of synaptic effectiveness of functionally identified muscle
afferents in the cat. Exp Brain. Res. 107:391-404.
FRANK K & FoURTEs MGF (1957) Presynaptic and postsynaptic inhibi
tion of monosynaptic reflex. Federatiom Proc. 16:39-40
GALHARDO V, APKARIAN AV & LIMA D (2002) Peripheral inflammation
increases the functional coherency of spinal responses to tactile
but not nociceptive stimulation. J. Neurophysiol. 88:2096-2103.
GARCÍA CA, CHÁVEZ D, JIMÉNEZ I& RuDOMIN P (2004) Effects of spinal
and peripheral nerve lesions on the intersegmental synchronization of the spontaneous activity of dorsal horn neurons in the cat
lumbosacral spinal cord. Neurosci. Let. 361:102-105.
GAUNT RA, PrOCHAZKA A, MuSHAHWAR VK, GUEVREMONT IL & ELLAWAY
PH (2006) Intraspirnal microstimulation excites multisegmental
sensory afferents at lower stimulus levels than local alphamotoneuron responses. J. Neurophysiol. 96:2995-3005.
HULTBORN H (2001) State-dependent modulation of sensory feedback.
J Physiol. 53:5-13.
HULTBORN H, MEUNIER S, MORIN C & PIERrOT-DESEILLIGNY E (1987)
Assessing changes in presynaptic inhibition of I a fibres: a study in
man and the cat. . Physiol. 389:729-756.
JANKOWSKA E, McCREA D, RUDOMIN P & SYKOVA E (1981) Observations
on neuronal pathways subserving primary afferent depolariza-
Neurophysiol. 46:506-516.
tion.
J.
KoNIG P, ENGEL AK, ROELFSEMA PR &
SINGER W
(1995) How precise 1s
neuronal synchronization? Neural Comput. 7:469485.
LAM DK, SESLE
BJ & HuJW (2008) Surgical incision can alter capsaici
neu-
nduced central sensitization in rat brainstem
nocicepüve
rons. Neurosc. 156:737-747.
93
LAMOTTE DB,
DESTOMBESJ, THIESSON D, HELLIO R, LAse
KOUCHTIR-DEVANNE. N, JAMI LL & IYTNICKI D (1998) Indicati
Indications for
LASSERRE X
GABA-immunoreactive axO-axoniC Contacts on the
the intr.
intraspinal
arborization of a Ib fiber in
Neurosci. 18:10030-10036.
cat:
a
confocal
microscope study
udy.
LEMAY MA, GALAGAN JE, HOGAN N & BIzZZI E (2001)
Modulation and.
torial summation of
end-pointffor
spinalized frog's hindlimbb end.-point
produced by intraspinal electrical stimulation of he
the
cord.
TEEE
Trans. Neural Syst. Rehabil. Eng. 9:12-23.
LEMAY MA & GRILL. WM (2004). Modularity of motor
output evoked hy
intraspinal microstimulation in cats. J Neurophysiol. 91, 502-514
LOMELÍ , QUEVEDO ], LINARES P & RUDOMIN P (1998) Local
information flow in
segmental
and
control
of
ascending collaterals of single
afferents. Nature 395:600-604.
MANJARREZ E, JIMÉNEZ I & RUDOMIN P (2003) Intersegmental synchronization of spontaneous activity of dorsal horn neurons in the
cat
spinal cord. Exp. Brain Res. 148:401-413.
MANJARREZ E, RoJas-PLONI JG, JIMÉNEZ I & RUDOMIN P (2000) Modula
tion of synaptic transmission from
segmental afferents by spontaneous activity of dorsal horn
spinal neurones in the cat.]. Physiol.
529:445-460.
QUEVEDOJ, EGuÍBAR JR, LOMELÍ J & RUDOMIN P (1997) Patterns of connectivity of spinal interneurons with single muscle afferents. Exp.
Brain Res. 115:387-4002.
RAMÓN Y CAJAL S (1905) Textura del sistema nervioso del hombre y los
vertebrados. Universidad de Alicante.
RoDRÍGUEZ EE, HERNÁNDEZ-LEMUS E, ITzÁ-ORTIZ BA, JIMÉNEZ I, RuDOMIN
& P (2011) Multichannel detrended fluctuation analysis reveals
synchronized patterns of spontaneous spinal activity in anesthetzed
cats.
PLoS ONE 6(10):e26449.
RUDOMIN P (2009) In search of lost presynaptic inhibition. Exp. brun
Res. 196:139-151.
RUDOMIN P, ENGBERG I & JIMÉNEZ I (1981) Mechanisms involved in presy
napuc depolarization of group I and rubrospinal fibers im ta
spinal cord. J. Neurophysiol. 46:532-548.
RUDOMIN P, HERNÁNDEZ E & LoMELÍ . (2007) Tonic and phasic difte
ential GABAergic inhibition of synaptic actions of joint afferen
the
RUDOMIN
Exp. Brain Res. 176:98-118
PJIMÉNEZ. I, QUEVEDOJ& SOLODKIN
cat.
M (1990) Pharmaco
nucles
analysis of inhibition produced by last-order intermediate nu
94
gic
interneurons mediaung nonreciprocal inhibition
of
motones.
rons in cat spinal cord.J. Neurophysiol. 63:147-160.
DsDOMIN P & LOMELIJ (200 () Patterns of
primary afferent depolarizaand
of
tion
segmental
ascending inraspinal collaterals of single
ioint afferents in the cat. Exp. Brain Res. 176:119.131.
P. LOMELÍ J &
DO
(2004a)
QUEVEDO J
Differential modulation of
depolarization of segmental and ascending
ot
nrimary afferent
intraspinal collaterals single muscle afferents in the cat
cord. Exp. Brain Res. 156:377-391.
RIDOMIN P, LOMELÍJ & QUEVEDO J (2004b) Tonic differential
spinal modulation of PAD
and
spinal
supra-
Of segmental and
ascending colI muscle atferents in the cat
cord.
PAH
laterals of single group
Exp. Brain Res. 159:239-250.
spinal
RUDOMIN P & SCHMIDT RF (1999) Presynaptic inhibition in the verte-
brate spinal cord revisited. Exp. Brain Res. 129:1-37.
RUDOMIN P, SOLODKIN, M & JIMËNEZ I (1987) Synaptic
potentials of primary afferent fibers and motoneurons evoked by single interme
diate nucleus interneurons in the cat spinal cord.
J. Neurophysiol.
57:1288-1313.
SALTIEL P, TREsCH MC & BIzZI E
(1998) Spinal
cord modular
organiza-
tion and rhythm generation: an NMDA iontophoretic study in the
frog. J. Neurophysiol. 80:2323-2339.
SEKI K, PERLMUTTER SI & FETz EE (2003) Sensory input to
primate spinal
cord is presynaptically inhibited during voluntary movement. Nat.
Neurosci. 6:1309-1316.
TRESCH MC & Bizz1 E (1999) Responses to spinal microstimulation in
the chronically spinalized rat and their relationship to spinal systems activated by low threshold cutaneous stimulation. Exp. Brain
Res. 129:401416.
WOMELSDORF T& FRIES P (2006) Neuronal coherence during selective
attentional processing and sensory-motor integration. J. Physiol.
Paris 100:182-193.
WOMEISDORF T, SCHOFFELEN JM, OOsTENVELD R, SINGER W, DESIMONE R,
ENGEL AK & FRIES P (2007) Modulation of neuronal interactions
hrough neuronal synchronization. Science 3 16:1609-1612.
95
potenciales que se registran durante el rascado (E.
(figura
sinusoi
8B,C). La velocidad de propagación de estas ondas s
dales asociadas a la locomoción ficticia espontánea fue d.
le
0.04 metros sobre segundo, lo cual es consistente co
la
velocidad con la que un gato en libre movimiento pocri
a
caminar.
CORRELATOS ANATÓMICOS
Es interesante comparar la distribución laminar y
seg
mental de los potenciales sinusoidales asociados a la
loco
moción ficticia espontánea con la localización de los
cuer
pos de células marcadas mediante la técnica inmunohisto
química de c-fos, empleada por Dai y cols. en el 2005. Estos
investigadores obtuvieron una distribución en forma de
campana para el número de células respecto a los segmentos espinales
(figura 9), en consistencia con nuestros resultados experimentales para rascado
y locomoción ficticia,
referentes
a
la distribución
longitudinal de amplitudes
(compárese figura 9 con figuras 8B,Cy 5A). La comparación sugiere que los
potenciales sinusoidales para el rascado y la locomoción ficticia
exhiben su mayor amplitud en
el segmento L6,
ya que probablemente se esté reclutando
un
mayor numero de neuronas en ese
segmento durante
ambos actos motrices. En este
contexto, podemos decir que
las neuronas de la
médula espinal que
participan en la au
vidad rítmica de rascado
y locomoción ficticia, estän
loca
zadas en los
segmentos L4 a S1, con una mayor
densidtad los
neuronas en el
segmento L6. Podemos
potenciales eléctricos generados por estas sugerir que
Se
pagan
activan
un
patrón secuencla
ro
P
rostro-caudalmente, indicando que las neurolld
rostro-caudalmente
con
actividad.
122
neuronas
d
MARCO CONCEPTUAL PARA ESTUDIAR LA PROPAGACIÓN
DE ONDAS ELECTRICAS ESPINALES ASOCIADAS
A TAREAS MOTRICES RITMICAS
IN
Desarrollamos un modeloyuna simulación computacional
del generador central de patrones distribuido
mente que pudiera reproducir los resultados experimentales del rascado ficticio (Pérez et al., 2009). El modelo consistió
en conectar un conjunto de neuronas en una
capallama-
longitudinal-
da: la capa del generador de ritmos (capa GR) y la capa del
formador de patrones (capa FP) (ver modelo de Rybak et
al, 2006, para un segmento espinal). Propusimos conexiones sinápticas de la capa FP con las motoneuronas (Mn),
flexoras (Flex) y extensoras (Ext). También propusimos co
nexiones sinápticas en la dirección rostro-caudal a lo largo
de varios segmentos espinales, desde el segmento L4 al S1.
Asimismo, simulamos la actividad eléctrica de cada una de
las neuronas por medio de métodos computacionales. De-
sarrollamos un modelo de 300 neuronas en la capa del
generador de ritmo o reloj maestro, y otras 300 en la capa
del formador de patrones. Pudimos generar las ondas sinu-
soidales, sólo con la actividad sináptica y de espigas de estas
neuronas, una vez que aplicábamos un pulso a una de ellas
en la parte más rostral. En la figura 10 se muestran los resu-
tados de la modelación; nótese cómo también hay un gradiente de fase, lo cual indica la propagación de ondas de
upo sinusoidal asociada a la actividad alternante de las
motoneuronas flexoras y extensoras.
CONCLUSIONES
rodemos concluir que durante el rascado ticticio y
l2
cOmoción ficticia espontánea hay una propagac1O11 rOStro
123
caudal de una onda de potencial elctrico generada
por in
terneuronas a lo largo de la médula espinal. Dicha
eléctrica viajera podría representar una propiedad ema
mer-
gente de los circuitos espinales del generador
lor central.
central de.
ger
ritmico y alternante de las extro
patrones. El movimiento
tre-
midades durante cstas tareas motoras estaria asociado :
a
nivel espinal con el reclutamiento de grupos de neuronas
que van a activar a diferentes músculos de la cadera, rodill
y tobillo en una forma secuenciada. Esta forma de explicar
los correlatos neuronales del movimiento ritmico de las
extremidades es novedosa. Los grupos de neuronas que se
encuentran en el asta dorsal y en el núcleo intermedio
podrian estar interconectados a todo lo largo de la médula
espinal, generando esta onda eléctrica sinusoidal, y a la vez.
reclutando a los grupos de motoneuronas que comandan a
los músculos de la cadera, rodilla y tobillo.
La pregunta abierta es: Ocurrirá un reclutamiento de
grupos neuronales
lo largo de la médula espinal
para generar una onda de potencial eléctrico propagante
cuando la tarea motora no es rítmica y es de tüpo volunta
rio? Eso lo vamos a saber con los experimentos futuros,
estos
a
pero por el momento entendemos, por lo que se refiere a
movimientos rítmicos, que estos grupos neuronales se actvan en una forma de
sincronización secuencial y pueden
generar una onda de potencial eléctrico de tipo sinusoidal,
Con
trayectorias
de
dal de la médula
propagación
espinal.
en
la dirección
rostro-cau
AGRADECIMIENTOS
Esta
invesugación
fue
patrocinada con los fondos del ri
yecto Conacyt F1-62610 (E.M.) y VIEP.PIFLFOMES BUAP (.
y Con proyectos institucionales
VIEP-BUAP Quisiera expie
expresa
124
mi agradecimiento a
mis colaboradores doctor Jorge
Quevedo, doctor Gabriel Gutiérrez Ospina y doctor Claudio
Mirasso. También quisiera agradecer al biólogo Pablo
Linares quien participa como técnico en mi laboratorio, y a
mis estudiantes:Jesús Tapia, Carlos Cuellar, Lourdes Martí-
nez, Argelia Trejo, Nayeli Huidobro, Victoria Juárez, Imanti
Méndez, PamelaVergara y Montserrat Vazquez de la Benemérita Universidad Autónoma de Puebla, y Toni Pérez de
la Universidad de las Islas Baleares.
Agradezco a los doctores Ranulfo Romo y Pablo Rudomin por sus acertados comentari0s al presente capítulo.
REFERENCIAS
BONNOT A, WHELAN PJ, MENTIS GZ, & O'DONOVAN MJ (2002) Locomotor-like activity generated by the neonatal mouse spinal cord.
Brain Res Revieus 40:141-151.
CUELLAR CA, TAPIA JA, JUÁREZ V, QUEVEDO J, LINARES P, MARTÍNEZ L &
MANJARREZ E (2009) Propagation of sinusoidal electrical waves
along the spinal cord during a fictive motor task. J. Neurosc. 29:
798-810.
ERMENTRoUT GB & KLEINFELD D (2001). Traveling electrical waves in
cortex: insight from phase dynamics and speculation on a com
putational role. Neuron 29:33-44.
DAI X, NoGA BR, DouGLAS JR &, JORDAN LM (2005) Localization of
activated during locomotion using the c-fos
immunohistochemical method. .. Neurophysiol. 93:3442-3452.
spinal
neurons
FALGAIROLLE M & CAZALETS JR (2007) Metachronal coupling between
spinal neuronal networks during locomotor activity in newborn
rat. J. Physiol. 580:87-102.
GRILLNER S (1981) Control of locomotion in bipeds, tetrapods, and fish.
In Handbook of Physiology, section 1, The Nervous System, Vol.
II, Motor Control, ed. Brooks VB, pp. 1179-1236. American Physiol.
Society, Bethesda, MD, USA.
GRILLNER S (2006) Biological pattern generation: the cellular and com-
putauonal logic of networks in motion. Neuron 52:751-766.
125
(2006) Spinal C
Spatiotemporal Alpha-Motoneuron Activation in
Hum
95:602-618llan
Neurophysiol.
Ditferent
Specds. J.
Walking at
IVANENKo YP, POPPELE RE &
LACQUANITI F
Maps oi
KASKE A& BERISCHINGER N (2O05) Travelling wave patterns
tterns inin
a
of the spinal pattern generator using spiking neurons
model
Cybernetics 92:206-218.
KASKE A. WINBERG G & CoSTERJ (2003) Emergence of coherent.
ent tra
ing waves controlling quadruped gaits in a two dimensional.
al spinal
cord model. Biolog. Cybernetics 88:20-32.
MANJARREZ E, RoJas-PuLONI JG.JIMENEZ I. & RUDOMIN P (2000) Modl.
odula
tion of synaptic transmission from segmental afferents by spronb
neous activity of dorsal horn spinal neurones in the cat. [ Phviol
(London) 529:445-460.
ysol.
MANJARREZ E. JIMENEZ I & RUDOMIN P (2003) Intersegmental synchr
nization of spontaneous activity of dorsal horn neurons in the rar
spinal cord. Exp. Brain Res 148:401-413.
MANJARREZ E, VAzQUEZ M & FLORESA (2007) Computing the center of
mass for traveling alpha waves in the human brain. Brain Re.
1145:239-247.
MASIMINI M, HUBER R, FERRARELLI F, HLL S & ToNONI G (2004). The
Sleep Slow Oscillation as a Travelling Wave. J. Neurosci. 246862
6870.
PEREZ T, TAPIA JA, MIRASSO CR, GARCIA-OJALvo J, QUEVEDO J, CUELLAR
CA & MANJARREZ E (2009) An intersegmental neuronal architece
ture for spinal wave
propagation under deletions. J
Neursc
29:10254-10263.
RYBAK LA, SHEVTSoVA
NA, LAFRENIERE-ROULA M & McCREA DA (2000
Modelling spinal circuitry involved in locomotor pattern genc
uon: insights from deletions
during fictive locomotion. J Physo
577:617-639.
work
SANCHEZ-VVES MV & McCORMICK DA (2000) Cellular and iewo
mechanisms of rhythmic recurrent activity in neocortes: Natue
Neurosci. 3:1027-1034.
SHEVELEv IA, KAMENKOVICH
VM, BARK ED, VERKHLUTOv VM, SHAN
& MIKHAILOVA ES
(2000). Visual illusions and travelnug
waves produced
by flicker at alpha frequency. Intermalo
Psychophysiol. 39:9-20.
TREJO A, CUELLAR CA, LINARES P, TAPIA JA &
MANJARREZE
parauve analysis of traveling electrical waves during
and locomotion.
Abs. Soc. Neurosci.
783.14/QQI4.
126
Cor
1WADDEN
LANSNER A& GRILLNERS (1997) Intersegmental
the lamprey: simulations
UrtLGREN I.
aardination
in
using
a
network model
without segmental boundanes. Biolog. Cybernetics 76:1-9
t E N P & WiLLlAMS TL (T984) Fictive locomotion in the lamprev
sinal cord in vitro compared with swimming in the intact and
spinal animal. J. Physiol. 347:225-39.
VAKOVENKO S, MuSHAHWAR V. VANDERHORST V, HOLSTEGE & PrOCHAZKA
A (2002) Spatiotemporal activation of lumbosacral motoneurons
in the locomotor step cycle.). Neurophysiol. 87:1542-53.
127
DISEÑO DE SISTEMAS LÓGICOS
CON CULTIVOS DE NEURONAS
ELISHA MoSES
SHANI STERN
Instituto Weizmann de Ciencias
Rehovot, Israel
INTRODUCCIÓN
Nos gustaría agradecer a Pablo y a Ranulfo por organizar
tan bella conferencia y por publicar las Memorias. Fue un
placervisitar Méxicoy El Colegio Nacional.
Trataremos de presentar una visión general de lo que
pensamos
acerca
de la fisica de los cultivos neuronales.
Como fisicos nos permitimos experimentar con el sistema,
y como recién llegados al campo, podemos divertirnos
mucho. Nuestro laboratorio está involucrado en muchos pro-
yectos por lo que trataremos de resumir una serie de temas
que confluyen para generar una forma de pensar sobre
Como las neuronas simples pueden real1zar operaciones
logicas. Debemos advertir de
inmediato que, si bien ésta
es
una situación fascinante, es posible que esto no tenga nada
de estaque ver Con el cerebro. Por supuesto que trataremos
blecer las relaciones entre los diversos resultados, pero la
es tomar las
uescripción general de lo que hay que hacer
129
neuronas fuera del cerebro, ponerlas en un cultivo
cultivo yuego
están haciendo.
preguntarnos qué
Estudiamos cultivos hechos de neuronas tomadas
las del
hipocampo o de la corteza de ratas Wistar en estari
brionario. Los hipocampos se extraen de embriones d
(E17oEl9,
se
respectivamente),
lisociar
y las células se colocan en un recipiente. Las neuronas
o
19 días de edad
se
organizan por sí solas y se convierten en el tipo de cultivoque
se ve en la figura 1. Las neuronas en los cultivos del
campo son más separables, mientras que las de la cortea
tienden a estar más agregadas. No nos gusta trabajar con los
culivos agregados, así que preferimos trabajar con los
tivos del hipocampo. Podemos tener hasta cerca de un
millón
de neuronas en el cultivo y necesitamos cerca de cien neuronas para construir dispositivos lógicos.
Lo que vamos a tratar de esbozar es la forma de
hipo
cul.
acerca
de los
pensar
dispositivos y entender qué necesitan para ser
100 u
FIGURA 1
A, neuronas de
hipocampo de rata E19
las gliales. Las células de
la
glía forman
ble, mientras que las
neuronas
Cuerpos celulares
se ven como
sembradas en un cultivo mixto co"
una
crecen en
fina capa
la parte
u-
apenas vis
transparente, 4p
superior
de esta
de
manchas oscuras. B, cultivo de las ne
la corteza
entera, que muestran una
Las agragregarse.
fuerte
tendencia
para
paciones de las células están
conectadas por paquetes de axones ras
130
computacionales. Cuando queremos observar estos cultivos,
como en la figura 2A, utilizamos imágenes de calcio para
ver la actividad electrica, lo que signitica que las células se
impregnan con un tinte fluorescente que genera una señal
cuando se producen potenciales de acción y el calcio fluye
hacia el interior de la célula. Así que cuando se activan las
neuronas, podemos ver que se iluminan, y nos damos cuenta
que muchas de ellas se activan juntas porque están conec
tadas y se excitan mutuamente. Estas neuronas cultivadas casi
siempre se activan todas juntas o no lo hacen en absoluto.
Los registros eléctricos indican que de vez en cuando, algunas
de estas neuronas se activan por su cuenta. La figura 2B muestra registros de los cambios en la fluorescencia obtenidos
de la imagen de video de todas las neuronas en el campo de
visión. Es claro que todas ellas se activan al mismo tiempo.
Después de un minuto de reposo, se activan nuevamente y la
fluorescencia se incrementa en todas las regiones del cultivo.
Como estamos monitoreando en el microscopio la actividad con fluorescencia, podemos excitar las neuronas, ya sea
con una inyección (por presión) de glutamato o pasando
corriente a través de electrodos colocados en ambos lados
del cultivo (electrodo de baño). El electrodo de baño induce
un
campo eléctrico que despolariza y excita las neuronas
Estos cultivos pueden mostrar actividad espontánea o evocada (por químicos o por un campo eléctrico), de modo que
cuando incrementamos el voltaje, obtenemos una respuesta
en la que el número de neuronas que se activan varía de
acuerdo con la magnitud de voltaje que aplicamos. La acti-
vidad intensa del cultivo ilustrada en la figura 2 es el resultado producido por tres o cuatro potenciales de acción por
neurona y casi todas las neuronas disparan por lo menos el
80 por ciento, usualmente más del 90 por ciento.
cultivos binemos visto
un problema con estos
d
amensionales
que
es
que tienen
un
repertorio
de actividad
131
2
9
D
N
8 8.8 8 6
Fuoresoe signa (auy
hagan algo que sea más inteligente? En esta charla mostraremos que son tres los factores determinantes: 1) su conecti-
vidad es mala, de hecho al azar, 2) la dimensionalidad es pequeña y 3) en el organismo durante el desarrollo, las redes
neuronales están siendo constantemente bombardeadas
por señales que llegan a través de los sentidos y por la actividad producida por otros conjuntos neuronales, pero en el
cultivo las señales que reciben son muy limitadas.
Qué es lo que está limitando la conectividad de estos cultivos? Un problema obvio es que estas neuronas están distribuidas en un plano ubicado en el fondo de un gran volumen de líquido que fluye por encima de ellas, por lo que la
señal que reciben es el resultado de un proceso complicado
de difusión al azar que lleva a las neuronas cualquier cosa
que sus vecinas hayan segregado. No hay plan, no hay diseño
por el cual esta estructura se produzca a partir de una función pre-ordenada.
Nuestro problema central es entender por qué estos conjuntos neuronales son tan inteligentes en el cerebro, o en
el hipocampo donde computan muy bien, pero en nuestro
cultivo no son muy "inteligentes", independientemente del
cómo definamos la inteligencia. Hay que señalar, en pimer
lugar, que la pérdida de la dimensionalidad significa que se
tienen menos conexiones que en el cerebro tridimensional.
Más adelante mostraremos que las neuronas en nuestros
cultivos sólo tienen alrededor de 100 conexiones en pro-
(mientras que en el cerebro el número de conexiones
verees del orden de unos cuantos miles). En segundo lugar,
como hemos
mos que no hay conectividad dirigida, ya que,
sabemos
dicho, estas conexiones son al azar. Y finalmente,
medio
las conexiones
que en la medida en que las neuronas crecen,
estan determinadas por la difusión aleatoria de atrayente:
quimicoOs, por lo que
no
tienen entradas
planeadas
con
anticipación.
133
CULTIVOS B-DIMENSIONALES
Eventualmente nos vamos a concentrar en cómo haco
cer
Con las
neuronas y mo.
nos
traremos cómo esto ayuda a hacer una conectividad com.
algún "circuito impreso"
sencillo
putacional. Pero, en primer lugar preguntemonos acerca
de estos dos cultivos bi-dimensionales: Se puede realmente
demostrar de alguna manera que la actividad es al azar?
Cuando el cultivo empieza a encenderse, nos encontramos
con que en alguna parte se inicia la actividady que esa actividad tiene que propagarse a traves de las otras neuronas.
Ahora, el punto crucial es que la propagación puede conti
nuar sólo si un número mínimo de entradas se han activado
para todas las neuronas. Vamos a llamar a este número míni
mo de neuronas vecinas m. y sabemos por los experimentos
que es del orden de 15 o más neuronas. Eso significa que
hay que reclutar a sus vecinas para conseguir una cantidad
mínima de actividad y sólo entonces la actividad continuará
viajando en la red. Este es el problema de filtración (Breskin et al, 2006).
Como un problema fisico este sistema de "filtración" es
muy interesante, y se ocupa de lo que es necesario para que
una propiedad (en nuestro caso la activación de las neuro
nas) se propague por toda la red. La situación en las redes
neuronales es especial porque se necesita que un buen
numero de vecinas se activen antes de generar una acuv
ción individual. En los sistemas fisicos de filtración es
haD
tual requerir que
disparen dos, cuatro o seis de los vecinos
más cercanos,
dependiendo de la topología o dimensiol
Esto
no es
mucho
en
comparación
donde podemos escalarlos hasta
mos las conexiones, el
sistema
nuestra situacio
centenar. Si debilia
con
un
puede requerir que mas a
centenar de vecnas disparen antes de que una neurola
haga, y eso ya se vuelve en un sistema interactivo muy
134
10
com
olicado. ;Cómo dcbilitamoS las conexiones y hacemos que
una neurona necesite mas vecinas disparando? Aadimos
cantidades cada vez mayores del antagonista para receptores
AMPA, 6-ciano-7-nitroqunoxalma-2,diona (CNQX), con lo que
podemos hacer la red cada vez. más débil. Piénsenlo como
una competencia entre el glutamat y CNQX Sobre los recep-
tores AMPA. El antagonista CNQX no excita a la neurona recep-
tiva, mientras que el neuroturansmisor de glutamato sí lo hace.
Si se agrega CNQX en cantidades saturantes, entonces la
estructura neuronal se desintegra completamente. Pensemos en términos del número de neuronas vecinas que se
necesitan para la activación de neuronas individuales. La
conectividad se rompe cuando este número supera el promedio de entradas que están disponibles para cada neurona,
o sea, hay un umbral que se debe superar sumando las entradas sinápicas. Si hacemos esas entradas más débiles, entonces
el número que necesitaremos tendrá que crecer. Empezando
con m, de unos 15, podemos aumentarlos a cien fácilmen-
te con sólo controlar la cantidad de CNQX. La concenturación
de CNQX es el parámetro que podemos cambiar, y con ella
el número de neuronas que se necesitan para disparar
figura 3).
Echemos un vistazo a la red a la que se le agregó una can-
tudad saturante de CNQX. Cómo se comporta? Bueno, dicha
red esta compuesta de neuronas aisladas que no están conec-
tadas entre sí, por lo que si variamos el voltaje, obtendremos
una respuesta de tipo gaussiano que es acumulativa. Ustedes
Se darán cuenta inmediatamente por qué esto debe ser asi:
algunas de las neuronas serán excitadas con bajo voltaje,
mientras que otras requieren voltajes más altos para disparar.
Fero la mayoría de ellas tienen cierto voltaje umbral pro
nedio en el que van a disparar. Así que el numero de nelOnas que se activan con cada voltaje es una funcion errOr
que
es
la
integral
sobre
una
distribución
gaussiana (el
135
célula postsináptica
al
neuro transmisores
vesciculas
aumentar
receptores
sinapsis
célula postsináptica
antagonistas
neuro-transmisores
vescículas
célula presináptica
receptores
sinapsis
célula postsináptica
antagonistas
neuro-transmisores
vescículas
célula presináptica
va
independientemente
de
sus
vecinas.
AMPA SObre la
concentración de CNQX, un antagonista de los receptores
la
Diagramas de los efectos producidos
conectada y
la sinapsis tiene fuerza plena, la red está completamente
Sin
red.
la
de
(izquierda)
conectividad
CNQX
sinapsis y la
está parconcentraciones intermedias de CNQX (centro) la sinapsis
Con
vecinas
sus
de
disparan.
una n e u r o n a se activa si m,
antes que la neurona en cues>
vecinas
(m
m)
más
necesitando
disparen
debilitan
que
cialmente bloqueada y los vínculos se
neurona se actino son más funcionales y cada
las
sinapsis
saturación
(derecha)
tión pueda activarse. Con concentraciones de
FiGURA 3
receptores
sinapsis
célula presináptica
umbral de disparo se distribuye normalmente y en cada voltaie se
activarán
todas las neuronas
que tienen umbrales
más bajos). El valor del umbral del voltaje para activar una
neurona depende de la dirección de su axón y su orientación
respecto al campo electrico y también de la forma de la proDia neurona, ademas de otra serie de factores. El resultado
final es una distribución bien definida.
:Qué sucede si la red está sin CNQX y conectada
comple-
tamente, como cuando empezamos el experimento? En este
caso necesitamos de muy bajo voltaje para conseguir que todo
el mundo dispare. Asi que, de hecho, con el voltaje sólo estamos excitando directamente a una fracción muy pequeña
de neuronas en el cultivo, que son sensibles a estos voltajes,
y eso es suficiente para que todo el mundo las siga.
Bueno, éstos son los dos extremos de las redes altamente
conectadas o desconectadas por completo. Vimos que en las
redes que están altamente conectadas y en forma azarosa,
la actividad se inicia cuando un pequeño número de neuronas se han excitado y todas las demás están conectadas a
ellas (llamamos al grupo grande de neuronas conectadas
"el componente gigante"). La figura 4 también muestra que
al agregar al baño cNOx en cantidades variables de 0 a 10,000
nanomolas, pasamos desde una red completamente conectada a una red completamente desconectada. Cuando la
red está completamente conectada (0 nM de CNQx), se puede
ver que sólo se necesita un pequeño voltaje para excitar las
neuronas, que tienen un umbral bajo, y éstas excitarán a
todas las demás en la red. Cuando comenzamos a desconectar la red, necesitaremos más voltaje para excitar sufi-
todas las demás excitadas.
Podemos ver que incluso cuando la red está parcialmente
suficientes neu
conectada
un nivel de voltaje en el cual
Cientes neuronas para tener a
hay
ronas se
excitan y activanatodas las demás para generar
COmponente
gigante (el rectángulo gris).
el
Cuando la red
137
yu 000
00c
SepeIJOe seuounau ep ugjooei
1od
mismo grupo. Por 100 nanomolar de CNQX, prácticamente
todas
las neuronas se activan juntas,
a
excepción de un peque-
ño grupo de neuronas que necesitan un voltaje más alto
para poder disparar. A 300 nanomolar, el componente
conectado es mas pequeno, pero una gran fracción de las
neuronas en la red todavia dispararán juntas, porque a estas
concentraciones estan fuertemente conectadas. A mayor
concentración, tenemos grupos más desconectados.
Una característica importante del modelo físico simplificado es que el tamano gdel componente gigante conectado
puede caracterizar completamente la distribución de las
entradas a las neuronas, basándose en simples consideraciones fisicas (ver figura 6 y Soriano et al, 2008). La probabilidad de disparo de una neurona en la red puede expresarse como la suma de dos términos: la probabilidad de activación en respuesta directa a la estimulación externa
(voltaje), más la probabilidad de que si no responde a la estimulación externa, al menos m de sus entradas han disparado.
También tenemos que especificar la distribución de algunas
entradas. Esto genera un cálculo recursivo para la probabilidad de disparo en función de la distribución de entradas,
ya que esto se aplica a cualquiera de las neuronas, o respon-
de directamente al voltaje o m de las neuronas de entrada lo
harán. Los cálculos son un poco más complicados cuando
Surge un componente gigante. Las neuronas pertenecientes
al componente gigante (con un tamaño g) dispararán con
una alta probabilidad, mientras que las neuronas que no
únicapertenecen a este componente gigante dispararán
mente con una probabilidad muy baja.
Tomando todos estos factores en consideración podemos
del commedidas (la fluorescencia y el tamano
entradas.
una distribución de
definir
para
gigante)
pOnente
la a l s
ajustar los datos experimentales encontramos que
usar nuestras
u1Dución de entradas que mejor se adapta a nuestros expe
139
moy
33
Fracción de neuronas activadas
65
Fracción de neuronas activadas
J
1.0
0.8
k
0.6
k
40
k
137
78
p 990 nimm
0.4
560
p
0.2
130
0.0
A
20
0
40
60 80
100 120 140
m=m, ( 1+[CNOX/K)
FicURA 6
La conectividad de la red determina el tamaño del grupo de neuronas conec-
contiene
una
(componente gigante conectado). El componente gigante
concentración de
fracción gde las neuronas en la red. A medida que aumenta la
contadas
CNQX, disminuye la conectividad y el componente
gigante
conectado
se
concentraciones de
CNQX.
altas
trae, hasta que desaparece por completo con
una función de
Aqui se muestra la desaparición del componente gigante gcomo diferentes. La
neuronales
la concentración de CNQX, dada por tres densidades
cantidades iniciales de
en el baño diferentes
sembrando
modificada
densidadpes
la que
de las conexiones de entrada es
distribución
gaussiana
neuronas. La
el número medio de entradas
g, en donde kes
por neurona, obtenidos a partir del pico de esta gausSiana.
mejor se ajusta
a
los cambios
en
141
aleatoria de las
entradas,
jante a la que se obtendria si sólo se enviaran fuera siuesemea
gaussiana
una
distribución
nes
y dendritas al
axo-
azar.
Podemos hacer algunas observaciones adicionales
esta
preparación (Soriano et al, 2008); podemos cambiar la
el cultivo, y se puede ver
en
la figura 6, que si tenemos unas quinientas neuronas nor
milímetro, que es una densidad típica en nuestros cultivo
densidad de las
neuronas en
entonces la gaussiana necesaria se centra en 78 neuronas
Este número promedio va de 40 a 140 entradas para densi.
dades entre 100 y 990 neuronas por milímetro cuadrado.
En cada curva los diferentes puntos se refieren a diferentes
concentraciones de CNQX. Con las concentraciones más altas
de CNQX, la red está completamente rota y el tamaño del
componente gigante va a 0 (ges la fracción de las neuronas
que pertenece al componente gigante y por lo tanto en el
rango de 0a l). La curva media es la densidad neuronal con
la que solemos trabajar, en promedio, cerca de 80 entradas
por neurona. Hay que recordar que el crecimiento del componente gigante es algo que está bien caracterizado en
nuestro modelo.
MADURACIÓN DE LA RED
También es interesante observar el culivo en distintas
fases de desarrollo (Soriano et al, 2008). Durante el
desarTO
llo del cultivo ocurre lo contrario que con el CNQN. La reu
Se construye en lugar de romperse. Durante el desarrollo se
estan generando continuamente conexiones nuevas y las ya
existentes se hacen más
un culivo totalmente
fuertes, por lo que comenzamos
on
desconectado donde las neuro a s
tes
empiezan a enviar sus dendritas y axones. En los siguiente
dias las neuronas se
conectan
142
para formar
gradualmente para lo
la
red. En nuestro experimento medimos continuamente la
conectividad cada cuatr horas, día y noche durante 48
horas, hasta que en algun momento observamos este com-
Donente gigante donde todas las neuronas están conecta-
das. En el experimento de desarrollo observamos el mismo
tipo de comportamiento de la red como en los experimentos de CNQX, tal y como se ilustra en la
figura 7, salvo que
durante el desarrollo, la hora temprana corresponde a la
alta concentración de CNQX (redes aún no conectadas),
mientras que tiempos más tardíos corresponden a la ausencia de CNQX (red madura y conectada).
También podemos cambiar el día en que extraemos las
neuronas de los embriones. Las podemos sacar a partir del
primer día después del nacimiento (postnatal, P0) y también de embriones a los 17 o 19 días del embarazo (E17
y E19). Se puede ver en la parte inferior de la figura 7, que
al cambiar la edad de la rata, también cambiamos el tiempo en que se expresa la conectividad total de las redes (más
algo del tiempo requerido para que las neuronas se recu-
peren y adapten al nuevo entorno). Qué significa eso? Esto
significa que estas neuronas están programadas para conectarse plenamente en el nacimiento, sólo al final del término del embarazo. Una vez que las neuronas están totalmente conectadas, se puede enviar a la ratita al mundo y está
más o menos lista para empezar a aprender.
Hasta ahora hemos examinado las propiedades estadísticas de la actividad en los cultivos bi-dimensionales y hemos
aprendido mucho. Con sólo mirar cómo varían con dos
parametros las propiedades promedio de disparo, la concentración de CNQx y el voltaje externo requerido para la
de esta
red bidimensional. Un resultado importante es que la dis-
excitación, podemos anticipar el comportamiento
tibución de la conectividad de las entradas es una gaussialo que indica que son al azar (por el teorema central del
d,
mite). Esto
se
debe
a
determinadas
que las entradas están
143
P
4h
4h
4h
componente gigante
sembrado
A
1.0
1.0
12
:
post-natal
embrión
19 dias
A embrión 17 días
0.84
y+PE
0.84
0.78
06
0.6
0.77
0.44
0.4
0.2
0.2
0.0
0.0
3
2
4
Voltaje V (V)
B
0.87
00 05 1.0 15 20 25 30 35 40 45 50 55
tiempo después de sembrado (días)
FiGURA 7
A, diagramas que muestran el desarrollo de un componente gigante conectado
durante la maduración del cultivo. En lugar de debilitar las conexiones con
CNQN, aquí el cambio es en la dirección contraria.
en los
Dejamos
que
primeros
días el cultivo construya sus conexiones, mientras se desarrolla y madura in
vitro. B, en forma
análoga a las figuras 4y 5, se muestra la fracción de las neu
ronas que se activan en
respuesta a variaciones en el voltaje externo. Al 1gua que
en las
figuras 4 y 5, las diferentes gráficas muestran cultivos con diferentes
dos de
gra
conectividad, pero en contraste con la figura
4 y 5, aquí la conectividaa
la edad del cultivo. La curva
de la derecha fue obtenida en las
edades más
tempranas, cuando las neuronas en la red se activan
cambia debido
neamente pero
a
siguen desconectadas.
ya
En 24 horas
espo
una conecavda
completa. C, comportamiento de neuronas obtenidas obtiene
de embriones con
se
componente gigante g crece en un tiempo ten forma edaue
cial g t. Los
exponentes obtenidos a diferentes tiempos son muy expo
en torno a =0.7.
sinila
Nótese que a mayor edad del
cerebro
de
las
la
cual
neuroia
se tomaron, más
temprano se produce la maduración. Lo más
es
en
el
sorprende
momento de la
que
del componente
aparición
gigante jse produce a "
mo
tiempo que el nacimiento de la rata!
diferentes.
144
El
la búsqueda de unas neuronas para conectarse
con otras,
el
de
numero
lo
entradas que se obtiene es más o
por que
menos estable en torno a una gaussiana. Es esta conclusión
por
verdadera siempre? Casi, pero no del todo, como veremos
en la siguiente sección.
INICIACIÓN Y GUÍAS
Una pregunta muy interesante se refiere a las cuestiones
de dinámica, de cómo la actividad comienza realmente. En
dos dimensiones, la actividad es muy dificil de seguir, ya
que
no se puede ver cuál neurona disparó primero. Cuando la
gente buscaba el origen de la actividad, esperaban que los
disparos comenzaran en un punto y luego se propagarían
a partir de ahí, pensando en ver una especie de onda esférica yendo hacia el exterior, pero no vieron nada por el estilo.
Hemos investigado dónde comienza realmente la actividad
neuronal (Eckmann et al, 2008; 2010, Cohen et al, 2010).
Se combinaron los datos de tres laboratorios diferentes,
todos ellos basados en las mediciones que incluyen arreglos
de múltiples electrodos, como se muestra en la figura 8A.
Cada electrodo extracelular mide los potenciales de acción
producidos por las neuronas vecinas a una neurona en particular, y buscamos las neuronas que inician la actividad. La
figura 8B muestra los datos de este experimento. Cada línea
la actividad registrada por cada uno de los elec-
representa
trodos, y cada punto indica la generación de un potencial
de acción. Una vez que graficamos el promedio de todos los
potenciales de acción (trazo continuo), podemos ver que
muchas
neuronas
generan
ráfagas de potenciales de acción
súbi
Sincronizados con la actividad promedio que aumenta
se
tamente. Pero si se observa esta actividad con detalle,
manitiesta un
o t a r a que antes de ese aumento súbito ya se
145
9
D
Potenciales de acción/20 mseg
variabilidad. Para explicar este largo proceso de reclutamiento
sugerimos revisar la distribución gaussiana, de tal forma,
que la mayoría de las neuronas, alrededor del 90 por ciento
tengan un grado de entrada tomado de una distribución
gaussiana
centrada en el 75. Sin embargo,
para un gran
número de entradas de la distribución, no llega a cero como
una gaussiana, sino más bien, decae lentamente como una
ley de potencias. En este caso, un pequeño porcentaje, alrededor del 10%, puede tener hasta cerca de 4,000 entradas,
mucho más de lo que podría suceder en el caso de la dis-
tribución gaussiana.
Para obtener la tasa de crecimiento exponencial se nece
sita disponer de una ley de energía muy específica para la
distribución de probabilidad p (k), que es k2y puede llegar
hasta 3,000 a 4,000 entradas por neurona. Con este tipo de
distribución, la actividad de neuronas interconectadas se
recluta lentamente. Esto significa que algunas de las neuronas
están mucho más conectadas que otras y en términos de la
teoría de grafos y de Internet, son concentradores de infor-
mación ("hubs"). Más aún, constituyen algunas subredes
distribuidas en todas partes de la red principal, y son sensibles a la actividad de cada una de ellas porque están inter
conectadas entre sí.
La actividad comienza en muchos puntos de nucleación
diferentes y de estos "líderes", la actividad se propagará hacia
el exterior. Esa es la razón básica por la que no se ve ningún
tipo de fuente de actividad de la cual parta la señal que se
los cultivos bidimensionapropaga. Podemos concluir que
construir dispositivos. La
buenos candidatos
les
no son
para
todas partes, por lo que
realmente
es
subred líder está en
sean un
dificil aislarla, incluso podría ser que los líderes
estamos plaa la mayoría. Ahora
diferente
de
neuronas
ipo
inactivan las
llevar a cabo experimentos que
la red.
ronas líder particulares para ver cómo responde
neando
neu-
147
200um
A
B
100 um
FicURA 9
Imágenes microscópicas de una red neuronal unidimensional. A, la tinción
NeuN muestra los cuerpos neuronales (café), que se encuentran entre los bor
des de las dos líneas (gris) que limitan el cultivo. B, imagen de fluorescencia del
marcador GFP mostrando el cuerpo celulary el axón, que se extiende princi-
palmente a lo largo del cultivo (que se encuentra entre las dos líneas rojas).
CULTIVOS UNIDIMENSIONALES
En lugar de utilizar redes neuronales bidimensionales,
optamos por utilizar cultivos unidimensionales (Feinerman
et al, 2005; 2007, Feinerman y Moses, 2006) porque son
más fáciles de describir en modelos. Los teóricos prefieren
una dimensión, ya que se puede resolver analíticamente.
Más aún, en el cerebro los canales de información son a
menudo altamente direccionales, incluso de una sola dimen-
sión, por lo que puede haber varios lugares en el cerebro
donde este enfoque puede ser relevante.
148
El método que usamos consiste en tomar un cubreobjetos
como sustrato, cubrirlo en todas partes con una proteína
repelentey luego grabarle un patrón previamente diseñado.
A continuación le ponemos un "pegamento", en este caso
proteínas de adhesion como polilisina. Las neuronas se fija-
rán a los lugares donde hay proteínas de adhesión, pero no
a la zona de repelente. Si nos fijamos en la figura 9A, vemos
que en una línea de ancho de alrededor de 170 micrones,
las neuronas crecen maravillosamente. No es bastante unidimensional en el sentido de una cadena lineal, pero hay
tal vez tres o cuatro neuronas en promedio por sección.
Saben las neuronas que están agrupadas en un patrón
unidimensional? En la figura 9B se observa una neurona
representativa marcada con un marcador fluorescente (GFP).
El axón no se desvía, no va de izquierda a derecha, sabe de
la línea. Este tramo recto es característico de todos los axones de las neuronas que hemos observado que crecen en
una línea. Así que, de hecho hemos sido capaces, sólo por
estructuración geométrica simple, obtener una guía axonal.
El axón crecerá muy lejos sin desviarse hacia los lados.
LA VELOCIDAD DE PROPAGACIÓN, LA INICIACION
YLA TRANSFERENCIA DE INFORMACIÓN
Hay varias cosas interesantes acerca de
la aseveración que
la propagación es "causal", es decir, si A, B, C son puntos
B.
secuenciales en la línea, y si vas de A a C tienes que pasr por
Entonces realmente podemos medir cómo avanza la activ
con medir
dad (Feinerman el al, 2005). Basta simplemente
lo largo de la
las velocidades que resultan ser constantes a
es muy
rayectoria. Así que la velocidad de propagación
en
facil de medir. También hemos medido la propagaciOn
una matriz de
un culüvo crecido a lo largo de una fila e n
149
multielectrodos (Jacobi y Moses, 2007), como se muestra
diferentes electrodos reportando
la figura 10A, con los
ellos. Una vez más, en la
cada vez que la actividad pasa por
es constante por la línea
se ve que la velocidad
10B
figura
recta que define la parte delantera en el gráfico con el espaen
cio y el
tiempo
como
coordenadas.
Usando CNQX POdemos una vez más disminuir la eficacia
de las conexiones y así reducir la velocidad hasta que en
algún momento la señal no pueda avanzar. La figura 11
muestra una comparación de los datos con la teoría de prola señal de Osan y Ermentout
cierto da un ajuste muy bueno.
pagación de
(2002),
que por
La iniciación de la actividad también se puede medir con
mayor fidelidad en una que en dos dimensiones. Cuando
miramos a los líderes de la actividad en una dimensión, nos
encontramos con que hay regiones, las lamamos "zonas de
iniciación" de las ráfagas o "burst initiation zone" (BIZ), que
dominan la iniciación de la actividad y otras regiones que sólo
siguen a los BIZ. Qué caracteriza a las BIZ? Son zonas con
una alta densidad de neuronas excitadoras y una baja den30
A
B
25
20
2
15
10
***
***
mm
0,
-02
FIGURA 10
-01
01
02
03
04
tiempo (seg.)
A, culivo neuronal (en
rojo) en forma de serpentina unidimensional disenaao
para cubrir todos los electrodos en una matriz de electrodos
múliples. B, gratico
de los
de
acción
potenciales
registrados por todos los electrodos. Al seguir la plo
de
un
elecurodo al otro a lo largo de la misma
pagación
línea, vemos cono
las
de
propagan
råfagas potenciales de acción. La pendiente de la línea
den
la velocidad del frente de la
ráfaga.
150
(nM)
0 200 400 600 800
100
80
RÁPIDO
60
LiMITE
40
20
10
VLENTO
10.5
11
11.5 12 12.5 13
Voltaje umbralifuerza sináptica (Vtigs/n)
FIGURA 11
Velocidades de propagación del frente de actividad neuronal a lo largo del cul
ivo unidimensional. El eje X mide el número de vecinas que necesitan activar-
se para excitar una neurona. Los puntos azules indican diferentes cantidades
de concentración de CNQX, los puntos de color rosa indican los casos límite, ya
conectividad total (izquierda) o de pérdida de conectividad (derecha). La
línea azul es una predicción de la velocidad basada en la teoría de Osan y
Ermentrout (2002). La rama inferior describe una propagación lenta, inestable,
como la observada durante el reclutamiento. Esta descripción teórica se puede
mejorar si se toma en cuenta el retardo sináptico (Jacobi et al, 2010).
sidad de neuronas inhibitorias, lo que es natural una vez
que se piensa en ello (Feinernman et al, 2007).
Otra ventaja de trabajar en una dimensión es que se
puede medir cómo la información, codificada en la ampli-
tud de la ráfaga, se transporta a lo largo de la trayectoria.
Para dos regiones, el conjunto de las amplitudes medidas
en una región (denotado por X) puede relacionarse con el
conjunto de amplitudes de actividad en oura región (denotado por Y). La información mutua enture estas dos ampltudes es una medida de cuánto de lo que pasa en X nos per-
151
mite saber lo que ocurre en Y (y viceversa). La ecuación for
mal sobre la definición de la información mutua es:
I (X: Y) = 2 2 p (x, y) log
yEY
Donde
P (x, y)
)
xEX
las amplitudes medidas en Xy Y, respectivamente durante la generación de ráfagas en la red, p(x)
es la función de distribución de probabilidad conjunta de X
y Y, y p(x) y p,(y) son las distribuciones de probabilidad
marginal de Xy Y, respectivamente.
La autoinformación I(X;X) puede medirse en el punto
inicial de la ráfaga y compararse con la información mutua
que llega a otro punto. Naturalmente, mientras más lejos se
xy
y
son
propaga la señal, menor es la información recibida (Feinerman
y
Moses, 2006). La figura 12
muestra que este pro-
ceso está bien descrito por el modelo de Shannon para concatenar canales gaussianos. Estos canales de información
llevan
una
señal que
se
extrae de una
distribución
gaussiana
aleatoria en las que se agrega ruido blanco gaussiano en cada
cruce. La línea verde en la
figura 12 es la teórica propuesta
por Shannon, y los puntos son los datos experimentales.
También se pueden ver en rojo los datos obtenidos al
aplicar al cultivo bicuculina, antagonista GABA que bloquea
las sinapsis inhibitorias. Sin inhibición, todas las neuronas
se activan tan
rápido como pueden y se pierde el balance
entre la inhibición
y la excitación. En este caso, la anmplitua
está casi siempre en el mismo nivel, como resultado
y
prac
ticamente no hay información
generada, así que obviamente
sólo el ruido aleatorio contribuye a la variación en la senal
de
propagación y no es posible medir la información mutkd
152
0.8
06
04
02
10
milímetros
15
FiGURA 12
La información mutua (MI) Expresada como una función de distancia (véase el
texto para la definición de MI) . La MI se midió entre las amplitudes de la actividad en un área y amplitudes en un área distante durante la propagación de una
ráfaga de actividad en la red. La información contenida en el frente de propa-
gación disminuye con la distancia. La línea verde fue calculada udilizando la
teoría de Shannon para una cadena de canales de información Gaussianos. Al
aplica bicuculina, un antagonista GABA Se pierde el balance de inhibiciónexcitacióny desaparece la infornmación transmitida.
CONSTRUCCIÓN DE DISPOSITIVos LÓGICos
Hemos visto que las estructuras unidimensionales son
interesantes y sencillas, que pueden ser modeladas razonablemente bien con las ideas de la física y las neurociencias.
Por lo tanto, optamos por utilizarlas para construir un dispositivo de cálculo (Feinerman et al, 2008). Para ello hay
que tener en cuenta que las neuronas se activaran sólo sSI
reciben suficiente actividad. Por lo tanto, ahora estamos vo
vendo a lo que hemos aprendido acerca de los cultivos biamensionales, combinándolo con la estructura unidime
153
sional y tratando de construir un dispositivo lógico no lineal:
la función de umbral.
Vamos a tratar de canalizar suficiente información en un
área de neuronas para que éstas comiencen a disparar. Las
neuronas son poco confiables, y no siempre se genera un
potencial postsináptico cuando se activan las neuronas preSinápticas. Así que necesitamos un número adicional de
neuronas para conseguir algo de redundancia y con ello
confiabilidad. La idea básica que utilizamos para la cons
trucción de un umbral es que hay un nivel de actividad por
debajo del cual muy pocas neuronas han disparado, de
modo que la amplitud creada no será suficiente
para que se
propague la actividad. Y si el número de neuronas activas
está por encima de este umbral, entonces la actividad
se
propagará.
La forma más sencilla de
generar
umbral es hacer la
línea más delgada, alrededor de 50 micras en
lugar de 170.
La figura 13 muestra que los
cuerpos celulares, que son las
manchas oscuras, crecen bien en las líneas
gruesas, mienun
neurðnas i
0um
FIGURA 13
Imagen microscópica
de la
Los
transición de líneas gruesas a
delgadas en un cult
unidimensional.
de
las
cuerpos
neuronas (manchas
en la línea
oscuras) crecen SOlO
gruesa, mientras que los axones
(líneas oscuras) pueden cruzar cu
la línea delgada.
vo
154
que en la parte delgada solo crecen los axones.
Las neua
ronas prefieren migrar donde tienen más
espacio para la
adhesión, y enviar solo los axones a través de la línea delgada.
La figura 14 muestra la estructura básica del umbral
que
hemos generado, consta de dos partes que
por separado
tras
pueden
muy activas, pero entre ellas hay una conexión
por la que sólo pasan los axones. La información
pasará
sólo si es por encima de un umbral (nivel) determinado.
En la figura 14 todos los marcapasos estaban en el área 1.
Si la actividad excedía un cierto umbral, entonces el área 2
disparaba. Pero si la actividad era demasiado baja, entonces
la señal no cruzaba el obstáculo de la línea delgada entre la
zona l y la zona 2. El resultado es un
simple dispositivo lógico no lineal, que es absolutamente esencial
para el cómputo. También es relativamente eficiente, con una tasa de
ser
fallas de menos del5 %.
A
B
300umn
wwww
20
80
40
Tiempo (s)
FIGURA 14
A, estructura del dispositivo de umbral. El cultivo (marrón oscuro) crece en dos
neas gruesas (de alrededor de 200 micras de ancho) que están conectadas por
una linea fina (alrededor de 50 micras de ancho). La actividad en el área I proalta. En este
(y viceversa) sólo si su amplitud es suficientemente
dominantes.
ratagas generadas en el área l son los marcapasos
pagara al área 2
c4so, las
8IStros de fluorescencia
CLumbral
muestran que
(línea roja), también
se
al exceder la actividad
activaron las
en
B, los
el area l
un
neuronas en el area 2.
155
Si podemos construir un dispositivo de umbral, entonces
por qué no dos? Una vez hecho esto, se obtiene una comn
puerta AND Como se muestra en la figura l5. El dispositivo
AND Se compone de dos áreas que se definen como las entradas, cada una de ellas vinculadas en paralelo a una ter-
cera, que también tiene umbral, que se define como la salida.
Para disparar, el área 3 necesita entradas tanto del área de
entrada 1 como de la 2. Cuando las áreas 1 y 2 están conectadas también en una línea ancha, ambas entrarán en la 3.
Podemos utilizar tetrodotoxina (TTX) para bloquear el
canal local de sodioy así interrumpir la conexión entre las
regiones 1y2 para que disparen independientemente una
de la otra. La figura 15 muestra la actividad que se obtiene
en la salida cuando las entradas están activadas o desactivadas (en reposo). Una vez más la confiabilidad es muy alta,
más del 95% y se puede construir una tabla de verdad, de
tal manera que la zona 3 de salida realiza un AND lógico
de la zona de las entradas ly2.
T
300um
A
100 120
240280
Time (s)
520 540 B
FiGURA 15
A, estructura del dispositivo que funciona como compuerta AND. El cultivo neuronal crece en una combinación de líneas
gruesas (zonas 1, 2, y 3) y delgada
(flechas azules de 1 a3y2a3). La flecha de color rojo muestra el sitio de
api
cación de tetrodotoxina para
bloquear todos los canales de sodio con el fin
de
separar la actividad de las zonas de entrada 1 y 2. El área de salida 3 se activara
sólo si ambas áreas de entradaly2 se
activan juntas. B, los registros de tluores
cencia muestran que la activación simultánea de
cuando las áreas de entrada
y 2 activan el área 3. La actividad en una sola entrada no puede producir res
puestas de salida.
156
9
Region of interest #
estamos haciendo del todo bien, ya que utilizamos muchas
neuronas para hacer un cálculo simple que, en principio.
una sola neurona puede hacer. Sin embargo, los dispositivos pueden ser arreglados como se muestra en la figura 17.
dándoles una estructura como la de un "chip".
Hemos modelado estos dispositivos usando la teoría ela
borada hace muchos años por J. von Neumann, quien se
preguntó cómo se puede construr un cómputo confiable
usando dispositivos que fallan con frecuencia? Este enfoque
funciona también en otras áreas de la computación, y se basa
en la redundancia y la multiplexación. El modelo se ajusta
bastante bien a nuestros datos.
El último dispositivo que queremos describir es un oscilador. Si hacemos un círculo simple e iniciamos la actividad
en un punto, ésta viajará en ambas direcciones y cuando
Compuerta
Umbral
AND Diodo
FiGURA 17
Cuatro
umbrales,
que el
dispositivo
cuatro
no es
compuertas AND y un diodo
muy eficiente, varios de ellos
solo
cubreobjetos para hacer circuitos lógicos
cubreobjetos. Au
pueden empacarse en u
en un
complejos.
158
N
Región de interés #
N
E
RESUMEN
Al inicio de esta presentación les dije que los cultivos bidimensionales eran "estúpidos" por tener un repertorio limitado. Ahora estamos intentando tener una apreciación
cuantitativa de esta aseveración y así poder medir qué tan
"inteligentes" o "estúpidos" son. De todas formas hemos
sido capaces, usando patrones geométricos, de hacerlos
computar" y hacerlos algo más "inteligentes". Ahora nos gus
taría ir más allá que construir entradas con compuertas AND
porque creemos que es importante ponerse a pensar en
estas posibilidades.
Quizás esto pueda hacerse cambiando la clase de entradas
que reciben las neuronas cuando crecen, lo que ciertamente
puede hacerse probando nuevas formas de conectividad,
diseñadas en forma más inteligente, quizás en medios con
estructuras microfluídicas. Esto es lo que estamos tratando
de hacer ahora, utilizando las herramientas de la fisica
para
abordar estos problemas sencillos.
Pablo me ha sugerido amnablemente que concluya con
cuál es nuestra visión de la futura
computación
Bueno,
lo
biológica.
primero que me gustaría decirles es que companias
de computación como BMo Intel no tienen
que preocupar-
se
por el momento, ya que las
probabilidades que la bio-
computación los saque del mercado en la próxima década
son de casi cero. Por otro lado, debemos de recordar que el
primer diodo de tubos se hizo a principios del siglo XX y que
se llevaron varias décadas
para que estos desarrollos condujeran eventualmente a la construcción de computadoras.
Tuvieron que pasar más décadas para que este
proceso diese lugar al uso
gerneralizado de las computadoras portátiles
como la que hemos utilizado para escribir este texto. Asl
que es dificil predecir cómo y cuándo la biocomputación se
volverá
160
práctica o posible.
A corto plazo, una de nuestras metas es entender mejor
cuáles son los ingredientes esenciales que una red euronal
necesita para ejecutar operaciones Computacionales significativas. Obviamente los cultivos en los que el crecimiento se
realiza en condiciones estándares no tienen grandes capacidades computacionales. Su repertorio de respuestas a una
variedad de estímulos es demasiado limitado, lo que noso
tros deseamos es agregar una característica sobre otra. Por
ejemplo, conectividades ordenadas jerárquicamente o diferentes entradas externas durante el desarrollo y ver cómo
se mejoran las capacidades computacionales de la red. Desde
un punto de vista más general, al construir algo, reconstituimos sus características fundamentales. Una vez que
logremos crear un circuito computacional de neuronas
capaces de ejecutar funciones complejas, es posible que
hallamos logrado identificar algunas de las características
computacionales utilizadas en el cerebro.
El uilizar esta forma de abordar el problema puede ser
de gran beneficio potencial en el caso de los implantes neuronales y de las interfases cerebro-máquina. Esta es una opor
tunidad maravillosa
cooperación
entre
en un
área muy activa que
neurocientíficos, expertos
requerirá la
en
ciencias
computacionales, ingenieros, físicos, psicólogos y lingüistas
de neurólogos y neurocirujay desde luego contribuciones
nos. Esta dirección es muy prometedora, tanto para aplicaciones clínicas, como para lograr una visión sin precedentes
funciona el cerebro. La construcción de
de la forma en
que
Circuitos neuronales
en
la forma
en
que
nosotros
lo hace-
interacción entre
el sustrato ideal para examinar la
que
maquinas y redes neuronales. Como tal, esperamos
estudiar la
nuestra estrategia sea el puente requerido para
mos es
human0.
el "software" y el "hardware"
tener de la inge
podemos
las
que
A largo plazo, expectativas
Es
nieria neuronal están limitadas por nuestra imaginación.
interfase
entre
161
claro que el poder de la computación con silicatos ha alcanzado actualmente un nivel comparable y muchas veces mayor
que la computación humana, pero hay áreas en las que el
cerebro aun aventaja mayormente a la tecnología de semi-
conductores. Por ejemplo, la experiencia con algoritmos
para detectar el lenguaje hablado nos ha mostrado que el
cerebro lo reconoce fácilmente, algo que es muy dificil para
las computadoras. El detectar la mera presencia del lenguaje
hablado en condiciones de una baja relación señal-ruido es
dificil para las computadoras, mientras que el oído/cerebro
humanos ejecutan habitualmente esta tarea específica. Si
pensamos en acciones más complejas conmo diseñar un chip
o escribir un programa (ni hablar de un poema o un guión
cinematogrático), entonces el cerebro humano es claramente superior a las computadoras. La ventaja estructural del
cerebro radica muy probablemente en la alta interconecti
vidad entre las neuronas (cada una está conectada con
oturas, muchas, muchísimas neuronas), la computación en
paralelo y en particular la capacidad de aprender y refinar
los algoritmos con la práctica y de acuerdo a las necesidades, en respuesta a señales externas.
Obviamente, un híbrido entre silicatos y neuronas puede
ser mutuamente beneficioso. De
hecho, este es el tiempo
de combinar las dos estrategias y llevar el conocimiento de
la computación neuronal a la
computadora de silicatos y vice-
versa, lo cual incrementará nuestro entendimiento de la
estructura de las
humano.
computadoras para acoplarla al cerebro
Estamos esperando impacientes que esto se con-
Vierta en una realidad.
REFERENCIAS
BRESKIN I, SORIANo J, MoSEs E & TLUSTY T
(2006) Percolation in living
neural networks. Phys. Reu Lett. 97:188102.
162
RoDrIGUEZ-MARTINEZ M, TLUSTY T & MoSES E (2008) Development of input connections in neural cultures. The
Proceedings of
SORIANO I,
the National Academy
of Sciences USA 105(37):13758-13763.
ECKMANN JP JACOBI S, MAROM S, MoSES E & ZBINDEN C (2008) Leader
neurons in
population bursts of 2D living neural
networks.
Neaw .
Phys. 10:015011+19.
COHEN O, KESSELMAN A, MARTINEZ-RODRIGUEZ M, SORIANO J, MoSES E &
TLUSTY T (2010) Quorum percolation in
living neural networks.
Europhys Lett. 89:18008.
ECKMANN JP, MoSES E, STETTER O, TLUSTY T & ZBNDEN C (2010) Leaders
of neuronal cultures in a quorum percolation model. Frontiers in
Computational Neuroscience 4:132.
EYTAN D & MArOM S (2006) Dynamics and effective topology under-
lying synchronization in networks of cortical neurons.
Neurosci
26:8465-76.
FEINERMAN O, SEGAL M & MoSES E (2005) Signal propagati-on along
unidimensional neuronal networks. . Neurophysiol 94:3406-3416.
FEINERMAN 0, SEGAL M & MosEs E (2007) Identification and dynamics
of spontaneous burst initiation zones in unidimensional neuronal
cultures. J Neurophysiol. 97:2937-2948.
FEINERMAN O & MoSES E (2006) Transport of information along unidimensional layered networks of dissociated hippocampal neurons
and implications for rate coding"J Neurosci. 26:4526- 4534.
JACOBI S & MoSEs E (2007) Variability of activity propagating over onedimensional neuronal cultures. J Neurophysiol. 97:3597-3606.
OSAN R& ERMENTROUT B (2002) The evolution of synaptically generated
waves in one and two-dimensional domains. Physica D 163:217-
235.
JACOBI S, SORIANO J & MoSES E (2010) BDNF and NT-3 increase velocity of
activity front propagation in unidimensional hippocampal cultures.
J Neurophysiol 104(6):2932.
FeINERMAN O, ROTEM A & MoSES E (2008) Reliable neuronal logic devices
from patterned hippocampal cultures. Nature Physics 4 (12):967-73.
163
TRANSMISIÓN SÍNCRONA INDUCIDA
EN LAS SINAPSIS DEL GIRO DENTADO AL ÁREA CA3
DEL HDPOCAMPO
RAFAEL GUTIÉRREZ
Cinvestav IPN. México
En este trabajo me referiré a la neurotransmisión sincrónica,
pero no a la que ocurre entre diversas neuronas, sino a la
transmisión simultánea (de más de un transmisor) a partir
de una sola neurona, y de las consecuencias que eso puede
tener en la conexión neuronal que estamos estudiando
dentro del hipocampo.
Nosotros estudiamos la conexión que se forma entre las
células granulares del giro dentado y las de la zona del hipocampo llamada CA3 realizando experimentos en rebanadas
n vitro. A esto se le conoce como la sinapsis de las fibras
musgosas por la forma que tienen las fibras que, como se ve
en la
figura 1, tienen botones gigantes que son los que
hacen contacto con las dendritas de las células piramidales
y de donde se libera el neurotransmisor, y otras prolongaCIones que son las encargadas de hacer contactos con las
nterneuronas. Las células granulares proyectan sus axones
a la
zona
CA3, y
en su
paso
van
haciendo contactos
coon
nterneuronas de la región del hilus y con interneuronas
del área CA3
(Acsády
et
al., 1998).
ientras que las conexiones de las fibras musgosas cOn
lds
celulas
piramidales se hacen con estos botones gigantes,
189
i n t e r n e u r o n a s se
hacen con
otrT
tro üpo
las conexiones con las
contactos
de
Son más
mas noP
peque
que son
de proyecciones, otro tipo
terminales gigantes (figura i
ños y que parten de las
de esta sinapsis, o cómo c
interesa conocer la plasticidad
sus
componentes. Porqué
bia la comunicación entre
diar una sola sinapsis? Porque
esta Conexión
conforma iun
módulo que se repite en todo el Sistema nervios0 central
y que
produce
inhibición
proactiva
o
"teed-forward inhih:
tion", en inglés. Esto quiere decir que una misma vía que es
excitadora, excita tanto a células exCitadoras como a células
inhibidoras y éstas a su vez, inhiben a prácticamente todo el
grupo celular. Esta inhibición proactiva mantiene el control
de excitabilidad de las
neuronas.
mt
mt
FiCURA 1
Las fibras musgosas, los axones de
células
las células granulares, contactan a
las
piramidales con botones gigantes (mt) y a las interneuronas, con
pey de
ramificaciones provenientes de éstos, las
extensiones filopoidales (a
flecha). Reproducido con permiso de
Acsády et al.
e n a s
(1998).
190
Cuando las fibras musgOsas son excitadas con un pulso
eléctrico, liberan el neurotransmisor glutamato y esto pro
duce, en un registro intracelular, un potencial postsináptico
excitador o EPSP. Al liberarSe el glutamato sobre las inter-
neuronas que son inhibidoras, éstas se excitan, liberan GABA
y ese GABA, a su vez, produce después del potencial sináptico excitador inicial, una respuesta inhibidora. Es decir,
primero hay una excitación, esa excitación hace que las
interneuronas liberen GABA y éstas a su vez producen una
inhibición. Y esto es el módulo que se repite en prácticamente todo el sistema nervioso central y se llama inhibición
proactiva (figura 2).
El bloqueo de los receptores al glutamato evita la aparición de todas las respuestas sinápticas, tanto la excitadora
porque los receptores del glutamato están bloqueados,
Interneuronas CA3
Célula de Canasta
Célula Granular
Neurona Piramidal CA3
Célula Musgosa
FiGURA 2
as tibras musgosas contactan a las células piramidales (con los botones gigau
lerneuronas (con botones pequeños "en passant" o con las extensio
excitadas, liberan
pO1dales) y las excitan. Las interneuronas, una vez
como de "inhibicion
D e n a las piramidales. Este módulo se conoce
"feed-forward
Gutiérrez (2007).
Pactiva
o
inbibitüon".
Reproducido
con
permiso
de
Jate y
191
como
las
la inhibidora porque
interneuronas no
no pueden
conev
ha
tiempo. Sin embargo.
embargo,
hace
fenOmeno que fue muy in.
inte
inhibir. El
ser excitadas para luego
hace mucho
se c o n o c e desde
encontramos un
arreglo en
esta
años
algunos
resante. Si se hace el mismo experimento en animales epi-
estimular las fibras musgosas en preseneiia
decir,
lépticos,
de bloqueadores de los receptores a glutamato, se bloqu
es
el componente excitador, pero aparece
un
componente
inhibidor con la misma latencia que tenia el eXCitador. Este
fenómeno es transitorio porque si uno hace el mismo exDe.
rimento en un animal epiléptico, pero un mes después de
Vuelven a bloquearse
que tuvo la última crisis epileptica,
todas las respuestas sinápticas (figura 3). Con esto propusjmos que, si no se estan activando a las interneuronas, 1a
manera de producir esa respuesta inhibidora era porque las
mismas fibras, que originalmente producían excitación
liberando glutamato, ahora podrían producir también inhibición liberando GABA (Gutiérrez, 2000; Gutiérrez y Heine
mann, 2001). Esa serie de experimentos originalmente se
hicieron en animales epilépticos y supusimos que esta condición patológica era necesaria para que se presentara el
fenómeno. Posteriormente descubrimos que incrementos
de excitación (una sola crisiso estimulación tetánica
repe
titiva como la que produce potenciación a largo plazo, LTP
por sus siglas en inglés) pueden producir este fenómeno.
(Gutiérrez, 2002).
Estos experimentos fueron realizados registrando de
neuronas
piramidales,
es
decir, propusimos que
las
iuD
musgosas liberaban glutamato y GABA
simultáneamenes:
sobre las células
piramidales. Sin embargo la preguna
alo liberan también sobre las interneuronas? El
del
doctor Rudomin ha
mostrado que dos
trabajo una
colaterales
ac
misma fibra pueden ser moduladaso modular de
ma
diferencial (Lomelí, 1998).
Carmen Vivar, en Su ua
192
era
recién epileptizado
control
1 mes
después
de la
última crisis
65mV
RMP -61 mV
control+NBQX+APV
recién
62 m
epileptizado NBOX-APVy
1 mes de
después
de la
última crisis NBOX-APV
5mV
50 ms
FIGURA 3
La estimulación de las fibras musgosas produce en las células piramidales un
EPSP monosináptico seguido de dos IPSPS, uno rápido y otro lento (coNTROL).
Estas respuestas son bloqueadas en presencia de antagonistas a los receptores a
epilépticos, los antagonistas al
el IPsP rápido. Debido a que en
glutamato (NBQX+APV) bloquean el EPSP pero no
glutamato (CONTROL+NBQX+APV). En animales
esas condiciones no puede activarse la inhibición proactiva, esto sugirió que las
mismas fibras podían liberar también GABA. Un mes después de la última crisis
son de nuevo bloqueadas por los antagonistas al
ambas
convulsiva,
respuestas
glutamato. Reproducido con permiso de
doctoral
en
piramidales
mi laboratorio,
y
comparó
Gutiérrez y Heinemann (2001).
registró interneuronas y células
las respuestas. Encontró que
en
interneuronas de animales normales sanos, los antagonistas
excide los receptores a glutamato bloquean las respuestas
inhibición es
tadoras e inhibidoras, demostrando que la
interneuronas de animapolisináptica. En contraste, en las
les epilépticos, los antagonistas bloquearon el componente
inhibidor de la
excitador, lo que aisló un componente
bicuculina, que es
misma latencia, que fue bloqueado por
fibras musgosas libeun antagonista del GABA. Es decir, las
sus células blana n los dos neurotransmisores sobre todas
lo que dijo
co (Romo-Parra et al., 2003). Esto comprueba
ale
(el del
nismo
"principio de Dale"), que las
neurotransmisor e n
todas
e p r i n c i p i o de Dale" que
se
sus
lee
neuronas liberan
terminales. Por
en
los libros de
otro
neu-
193
rofisiología dice que
"las
falso
transmisor", esto es
neuronas
ya que
liberan un solo
nunca
fue
uro
neuro-
propuesto
por
Dale y como ya hemos visto, las neuronas pueden liberar
(Gutiérrez, 2008)
más de un mensajero químico
Así, durante los últimos anos hemos dejado estableria
cido
que en animales epilépticos, en animales que tuvieron.una
crisis convulsiva y en preparaciones de animales normales
los que se les estimuló con un protocolo que se cono
como
LTP,
se
puede producir
la
emergencia de
noce
este
notaten-
cial inhibidor proveniente de las mismas fibras. Sin embar.
go, sí es cierto que las mismas neuronas, estas que normal.
mente eran excitadoras, se vuelven inhibidoras, es decir si
además de liberar glutamato liberan CABA, teníamos que
demostrar que esas células podían sintetizar CABA, el neuro-
transmisor inhibidor. Tanto Schwarzer y Sperk (1995), como
Sloviter y cols. (1996) habían mostrado que existía GABA en
las fibras musgosas; sin embargo, nosotros demostramos
que la síntesis de GABA Se modula dependiendo de la activi
dad. En nuestro laboratorio, Mónica Ramírez demostró
que en las células granulares de un animal normal no hay
expresión de GAD, que es la enzima que convierte al ácido
gutámico en GABA; Sin embargo, en animales epilépticos
todas las células expresan la enzima, es decir, sí pueden pro
ducir GABA (Ramírez y Gutiérrez, 2001).
Después, Bergerseny cols. (2003) demostraron que fre
te a los
sitios de liberación en las fibras musgosas, las den
dritas tienen receptores para los dos
neurotransmisores.
Esto fue muy importante porque si se pensaba que esta tia
una
sinapsis excitadora, cómo
ahora
hacen
a
un
posible que respondetd
neurouransmisor inhibidor? En
porque existen
Y glutamato-AMPA
en
realidad
conglomerados de receptores GABA A
la
sinapsis, Es decir, esta sinapSis uc
Previamente habíamos mO
los dos tüpos de
receptores.
do que las células
granulares
194
era
sra
expresan
el RNA
jero
Melisd
para7
el
transportador
sicular de
GABA
(lamas
et
al., 2001;
ira et al.. 2005). Todo neiurotransmisor, para ser
or7ado tiene que ser vesiculado. y estas neuronas tenian la
iberad
1:2Quinaria para producir tanto el transportador vesicular
de chutamato como el de GABA. Recientemente publicamnos
un
trabajo que
hicmos
de
microscopia
electronica,
en
colaboración
con
el grupo de
Cudrun Anhert-hilger, en el que mostramos con técnicas
inmunoprecipitación
y biolo-
gia molecular, la coexistencia del RNANn y de las proteínas
Y glutamato en terminales de las fibras musgosas (Zander et al., 2010).
Con toda esta evidencia, podemos aseverar que las célu(glutamatérgicas o excitadoras) tienen toda
las
vesiculares transportadoras
de GABA
granulares
decir,
la maquinaria para ser GABAérgicas (o inhibidoras),
liberar GABA, además de glutamapara sintetizar, vesicular y
hemos podido estableto. Más aún, nosotros y otros grupos
normalmente presente durante
cer que esta cualidad está
el desarrollo y desaparece en la edad adulta, durante la cual,
es
incrementos de excitabilidad la pueden hacer emerger. (Walker et al, 2001; Gutiérrez et al, 2003; Safiulina et al, 2006).
Esta doble transmisión puede crear el problema siguiente: Si estas neuronas tienen
que excitar
las interneuronas
a
tamproducir inhibición, y ya vimos que
de excitar,
pueden liberar GABA, entonces en lugar
de
inhibidoras para
bien
podrian inhibir
a
las interneuronas. La
consecuencia
desinhibición
inhibir neuronas que inhiben sería producir
la excitación. Esto
, Como Consecuencia, se incrementaría
a
en contra
de la interpretación que dimos
a
nuestros
Las células gTanuExperimentos con animales epilépticos.
tamse convierten
excitadoras,
son
normalmente
ldres, que
conuapone
IEn en inhibidoras, c o m o un mecanismo que incemento
Es decir, el
Sncrementos de excitabilidad.
dexCitabilidad puede ser
para c o n t r a r r e s t a r
fenoupo
tal, que las
ese
células cambian
aumento
de
Su
excitacion.
195
Entonces. No podrían estas células inhibir la inhibición?
Con diferentes técnicas experimentales, analizando tanto la
actividad evocada en CA3 como su actividad espontánea.
determinamos que la inhibición de la inhibición no se pre
senta, sino que el área CA3 del hipocampo es fuertemente
inhibida (Treviño y Gutiérrez, 2005, Treviño et al, 2007).
Para entender por qué no se presenta desinhibición del
área CA3, estimulamos a las fibras musgosas a diferentes
frecuencias, y observamos que las células piramidales de
animales normales responden con una agregación de potenciales post sinápticos excitadores y se generan potenciales de acción, mientras que en los de animales epilépticos
se presenta una suma de potenciales postsinápticos inhibidores. En las interneuronas pasa lo contrario que en las
piramidales. La estimulación a alta frecuencia produce más
potenciales de acción en interneuronas de animales epilépticos que en las de animales normales. Es decir, que la
acción de la coliberación sobre las
piramidales es diferente
que sobre las interneuronas, de tal manera que es más efectiva la excitación sobre las interneuronas
que sobre las piranidales y más efectiva la inhibición sobre las
piramidales
que sobre las interneuronas (Treviño et al., 2007). Usualmente, para estudiar el balance excitación-inhibición se
bloquea la transmisión excitadora para ver la inhibidora y
viceversa. Sin embargo, nosotros
queríamos estudiar la integración de ambas señales simultáneamente. Una manera
de no desaferentar a la célula
y poder estudiar la integración simultánea, es haciendo un
análisis de conductancias
generadas por potenciales sinápticos compuestos (con los
componentes excitador e inhibidor presentes). Para esto,
se evocan
brana
a
las
respuestas sinápticas con el potencial de men
diferentes valores. Debido
de
potencial
inversión de cada uno de los iones
responsables de la carga
por la activación
de tal
196
o
a
cual receptor
que el
es
diferente,
se
pue
de inferir cuál es la conduictancia excitadora y cuál la inhi-
hidora involucradas en la generación de este potencial
compuesto y poder cuantificar el aporte de las conductancias. Así, es posible ver a lo largo del tiempo, cómo cambia
la conductancia en la neurona en registro cuando le lega
una o dos señales sinápticas. En particular, queríamos saber
si era posible detectar la coliberación de glutamato y GABA
sin necesidad de bloquear el componente excitador para
aislar el inhibidor. En animales epilépticos, con cinco o más
crisis convulsivas, se ve que hay una mayor excitación en las
interneuronas, que el potencial postsináptico excitador es
mayor, que la conductancia total es mucho mayor que en
los animales controles y que en los que tuvieron una sola
crisis convulsiva. Si se descompone la conductancia total en
sus componentes excitador e inhibidor, se observa que la
conductancia inhibidora es mayor (figura 4). Con el análi-
sis de la carga que se transfiere en los potenciales sinápticos, que es un mejor reflejo de la fuerza sináptica, se observa que las cargas inhibidoras son mayores que las excitadoras en las células piramidales, mientras que en las inter
neuronas son mayores las conductancias excitadoras que
las inhibidoras. La explicación que proponemos para esta
diferencia, es que en este sistema de acción proactiva, en un
animal epiléptico o en un animal al que ya se indujo la ex-
de estas células, las
fibras musgosas liberan más GABA Sobre las piramidales que
lo que liberan sobre las interneuronas, mientras que hay
presión de
fenotipo GABAÉrgico
de la liberación de glutamato sobre
la liberación
interneuronas, que es aún más efectiva que
una
las
este
potenciación
neta
sobre las células piramidales.
de
Se gratica la conductancia máxima vs. el potencial
en células piramidales
nembrana al que ocurre, vemos que
a un
e
un
máxima
animal control, la conductancia
POtencial
de membrana
que
es
más
se
da
despolarizado que
el
197
E
max AGs/n
max AGs/n
notencial de membrana en reposo. Sin embargo, en células
de animales que tuuvieron crisis convulsiva y que suponemos
que las fibras musgosas liberan GABA, la máxima conduc-
tancia se da en valores cercanos al potencial de membrana
en reposo y nosotros hemos postulado que eso produce un
efecto de cortocircuito o "shunt" de la respuesta excitadora
(figura 4). Es decir, no puede excitar más porque la inhibi-
ción evita que haya mayor excitación. En las interneuronas,
la mayor conductancia se da a potenciales de membrana
muy despolarizados y, por tanto, la probabilidad de evocar
potenciales de acción con potenciales sinápticos es mayor
en las interneuronas que en las piramidales que se ven sometidas a un freno muy importante por la liberación simul
tánea de GABA (Treviño et al, 2010). Este mecanismo es un
fenómeno de compensación, de plasticidad homeostática.
En resumen, la liberación de neurotransmisores se da de
manera diferencial dependiendo del blanco postsináptico
(para una revisión general sobre la fisiología de las fibras
musgosas, ver Jaffe y Gutiérrez, 2007).
Grosso modo, el modelo que hemos propuesto a lo largo
de los años y que publicamos en el 2005 (Gutiérrez, 2005),
es que las células granulares tienen toda la maquinaria para
sintetizary liberar glutamato y GABA normalmente durante
el desarrollo. Este fenómeno, como ya mencionamos, ha
sido corroborado por los grupos de Dimitri Kullmann y de
Enrico Cherubini. Este último, inclusive, ha mostrado quue
antes de que las fibras musgosas liberern GABA y glutamato,
liberan únicamente GABA durante la primera semana de
durante los primeros quince días de vida
VIda. Después,
beran ambos neurotransmisores. En el adulto, la maquid l a GABAérgica desaparece y la estimulación de las fibras
usgosas produce la liberación únicamente de glutamato.
o
embargo, si se producen crisis convulsivas hiperexcesudDllidad aplicando repetidamente un protocolo de
199
n de to
sobreexpresión
todala
estimulación
de
las
fibras
musla
maquinaria GABAérgica y
GABAergicas en la postsinan
gosas produce respuestas
Este fenómeno es transitorio porque si se dejan de prod..
mulación que
cause
1:TP,
hay
una
lu-
cir crisis convulsivas, la maquinaria GABAergica vuelve aa
estado previo. Es deci,
cir, las célul
céul
desaparecer y regresan al
un cambio de fenoi
granulares tienen un cambio plástico,
desarrollo y, en el adulto, dependiente
po dependiente del
de actividad (Gutiérrez, 2003, 2005). La hipótesis alternati
va es que hubiera otras células que no sean granulares, que
proyecten del giro dentado a CA3, que no se han descu-
bierto, y que deben funcionar exactamente igual a las fibras
musgosas y que expliquen nuestroS resultados. Sin embar.
go, existe evidencia suficiente para decir con confianza que
las fibras musgosas coliberan el GABA Y glutamato y que, en
el adulto, este cambio fenotípico evita que haya exceso de
excitabilidad mediante inhibición directa de las fibras mus
gosas sobre sus blancos post sinápticos. Sin embargo, estas
fibras no dejan de excitar a las interneuronas, quienes tam-
bién contribuyen con GABA. Entonces las células
piramidales,
que son la salida de CA3, en realidad reciben dos entradas
GABAÉrgicas, la de las fibras musgosas más la de las interneuronas.
Gran
parte de
este
trabajo se
ha llevado a cabo gracias al
trabajo de los excelentes estudiantes que he tenido: Gisela
Gómez, Héctor Romo, Carmen Vivar,
Jazmín Maqueda,
Mario Treviño, Mónica
Ramírez,
y de Bety Osorio y Benja
min
Muñoz quienes
Ttécnico de nuestro
son
la auxiliar de
investigación y
laboratorio, respectivamente. La
laboración a todos los trabajos de biologia
molecular se ina
realizado
con
resultados.
200
cu
Mónica Lamas
mann, con quien por años
e
Uwe Hein
finalmente,
hemos discutido todos nuesurOS
v,
REFERENCIAS
ACSÁDY L, KAMONDI A, SIK A, FREUNDT & BuzSÁKI G
(1998) GABAergic
the major postsynaptic targets of
cells
mossy fibers in the hipNeurosci.
18:3386-3403,
pocampus. J.
BERGERSEN L, RUIz A, BJAALIE JG, KULLMANN DM & GUNDERSEN V (2003)
are
GABA and GABAA receptors
Eur J. Neurosci. 18:931-941.
at
hippocampal
mossy fibre synapses.
GOMEZ-LIRA G, LAMAS M, ROMO-PARRA H & GUTIÉRREZ R (2005) Programmed and induced phenotype of the hippocampal granule cells.
J. Neurosci. 25:6939-6946.
GUTIÉRREZ R (2000) Seizures induce simultaneous GABAergic and glutamatergic neurotransmission in the dentate gyrus - CA3 system. J
Neurophysiol 84:3088-3090.
GUTTÉRREZ R (2002) Activity-dependent expression of simultaneous glutamatergic and GABAergic neurotransmission from the mossy fibers
in vitro. J Neurophysiol. 87:2562-2570.
GUTIÉRREZR (2005) The dual glutamatergic-GABAergic phenotype of
the hippocampal granule cells. Trends in Neurosci. 28:297-303.
GUTTERREZR (2008) Ex uno plures: Out of one, many. Co-release of classical neurotransmitters. In Gutiérrez R Co-existence and Co-release
of Classical Neurotransmitters. Ex uno plures. Springer Verlag. pp.
15-22.
GUTIERREZ R& HEINEMANN U (2001) Kindling induces transient fast
inhibition in the dentate gyrus - CA3 projection. Eur J. Neurosci.
13:1371-1379.
GUTIÉRREZ R, RoMO-PARRA R, MAQUEDA J, VIVAR C, RAMÍREZ M, MORALES
Plasticity of the GABAergic phenotype of
Neurosc.
the "glutamatergic" granule cells of the rat dentate gyrus. J.
23:5594-5598.
transmission: comJAFFE DB & GUTIÉRREZ R (2007) Mossy fiber synaptic
M.A. & LAMAS M (2003)
munication
from the dentate gyrus
to area
CA3.
Prog Brain Res.163:
109-805.
LAMAS M, GóMEz-LIRA G & GUTIERREZ R (2001) Vesicular
POrter
GABA
trans-
and in mossy
mRNA expression in the dentate gyrus
Synaptosomes. Mol. Brain Res. 93(2):209-214.
LoN
LINARES P & RUDOMIN P (1998)
QUEVEDOI,
ascending
Ormation flow in segmental and
afterents. Nature 395:600-604.
fiber
Local control
collaterals of
of
single
201
RAMÍREZ M && GUTIÉRREZ R (2001) Activity-dependent expression of
Brain Res.
917(2):139-146.
MORALES MA &GUTIÉRREZ. R (900
20
ROMO-PARRA H, VIVAR C, MAQUEDA J,
of multitransmitter signaling onto
induction
Activity-dependent
GAD67 in the
granule
cells of
the rat
hippOcampus.
py
ramidal cells and interneurons of area CA3 of the rat hippocampus.
J
Neurophysiol. 89:3155-3167.
SAFIULINA VE, FATTORINI G, CONTI F & CHERUBINI E (2006) GABAeree
signaling
at
in
mossy fiber synapses
neonatal rat
hippocamDus
Neurosci. 26:597-608.
SCHWARZER C& SPERK G. (1995) Hippocampal granule cells express glutamic acid decarboxylase-67 after limbic seizures in the rat. Nei
science 69:705-709.
SLOVITER RS, DICHTER MA, RACHINSKY TL, DEAN E, GOODMAN JH, SoLLAS
AL&MARTIN DL (1996) Basal expression and induction of gutama
te decarboxylase and GABA in excitatory granule cells of the rat and
hippocampal dentate gyrus. J. Comp. Veurol. 373:593-618.
monkey
TREVIÑO M & GUTIÉRREZ R (2005) The GABAaergic projection of the
dentate gyrus to hippocampal area CA3 of the rat: pre- and postsy
naptic actions after seizures. J. Physiol. 567:939-949.
TREVINO M, VIVAR C & GUTIÉRREZ R (2007) / Oscillatory activity in the
CA3 hippocampal area is depressed by aberrant GABAergic trans-
mission from the dentate gyrus after seizures. J. Neurosci. 27:251-259.
TREVINO M, ViVAr C. & GUTIÉRREZ, R. (2011) Excitation-inhibition balance in the CA3 network - neuronal specificity and activity-depend
ent plasticity. Eur J. Neurosci. 33:1771-1785.
WALKER MC, RUIZ A & KULLMANN DM (2001) Monosynaptic GABAergic
signaling from dentate to CA3 with a pharmacological and physio
logical profile typical of mossy fiber synapses. Neuron 29:703-715.
ZANDER JE, MÜNSTER-WANDOWSKI A, BrUNK I. PAHNER I. GÓMEZ-LIRA G,
HEINEMANN U, GUTIÉRREZ R, LAUBE G && AHNERT-HILGER G (2010)
Synaptic and vesicular co-existence of VGLUT and VGAT in selected
excitatory and inhibitory synapses. J. Neurosci. 30:7634-7645.
202
A
B 80
450 ms
40
sincronización continuación
T
550
ns
:
TTT
650 ms
850
ns
1000 ms
500 ms/ div
601
20
50
15
301
10
20
10"
450 550 650
850
Intervalo (ms)
1000
450 550 650
850
1000
Intervalo (ms)
FIGURA 13
Rasters de actividad para dos neuronas sintonizadas a la duración de los intervalos blanco. A, neurona con actividad selectiva durante la sincronización que
responde principalmente durante los intervalos largos. B, neuronal con respuestas selectivas a la fase de continuación que responde con mayor tasa de disparo para los intervalos cortoS. En la parte interior de ambos páneles se mues
tra la tasa de disparo global de las neuronas en función de los cinco intervalos
blanco. En negro se despliega el ajuste gaussiano sobre los datos que define la
función de sintonización. Modificado de Merchant et al, 2012
228
450
550
550
650
6500
850
850
1000
1000
Intervalo Preferente (ms)
350
450
5
10
15
20
25
30
0
10
15
20
25
307
B
200
200
300
300
400
400
500
500
600
600
Dispersion en altura media (ms)
100
100
en
se
neuronas con ajustes gaussianos significativos las áreas premotoras mediales. En el panel superior muestran los datos
para la fase de sincronización y en la inferior para la fase de continuación. Modificado de Merchant et al., 2012.
de
Distribuciones de los intervalos preferentes A, y la dispersión en altura media de la curvas de sintonización B. para la población
FiGURA 14
5-
10-
20
25
350
l
30
35
40
10
15
20
25
30
35
A
la función de sintonización para las dos neuronas, donde se
grafica la tasa de disparo en relación al intervalo blanco
y posteriormente se ajusta una función gaussiana a los datos.
La función gaussiana permite calcular dos parámetros
importantes de la sintonización. El primero es el intervalo
preferente de la neurona que corresponde al intervalo asociado a la máxima tasa de disparo de las neuronas, y el
segundo es la dispersión o la especificidad de las respuestas
con respecto al tiempo. Este tipo de representación neuronal también implica un código poblacional, en el cual el
intervalo preferente de cada neurona tiene una contribución que es ponderada tanto por la magnitud de la res
puesta en el intervalo preferente, como por la dispersión
de la función de sintonización (Georgopoulos et al, 1986).
Por lo tanto, la cuanificación abstracta de la magnitud de
un intervalo depende de una población de neuronas, cuyos
intervalos preferentes deben cubrir todas las duraciones
posibles en el rango de tiempo utilizado (Merchant et al.,
2012). Efectivamente, al graficar la distribución de los intervalos preferentes de la población, se observa que las neuronas cubren todos los intervalos cuantificados en la tarea,
aunque es obvio que existe un sesgo importante para los
intervalos largos (figura 14A). Con respecto a la especificidad o dispersión de la curva de sintonización, encontramos
que ésta tiene una distribución bimodal con picos para las
dispersiones extremas (figura 14B).
En conclusión, urna población de neuronas de las áreas
premotoras mediales se sintoniza a la duración de los intervalos en ambas fases de la tarea. Esta es una representación
abstracta de la magnitud de los intervalos que necesita de
una población de neuronas sintonizadas a un rango amplio
de duraciones para poder representar todos los intervalos
posibles.
230
CONCLUSIONES
Los resultados de nuestro programa de investigación en
la tarea de sincronizacion-continuación sugieren que las
áreas premotoras mediales participan activamente en la
cuantificación de diferentes aspectos del paso del tiempo.
Por un lado, registramos neuronas cuya actividad instantá-
presenta
un
patrón
rampa con pendientes positivas
o negativas. Nuestros hallazgos demuestran que las neuronas
con actividad ascendente codifican el tiempo restante
para
nea
en
la ejecución motora, de tal manera que cuando su actividad
alcanza un valor umbral, se dispara el comando motor para
el golpeteo del botón. Ademá, las neuronas con actividad
descendente funcionan como relojes de arena, representando con la disminución en su tasa de disparo instantánea,
el tiempo trascurrido desde la presentación de un estímnulo. Los dos tipos de respuestas en rampa parecen estar aso
ciados a la cuantificación del tiempo de manera dinámica,
donde el resultado de la codificación neuronal afecta directamente la ejecución en línea de los sujetos en la tarea. En
contraparte, también encontramos una señal neurofisioló
gica que representa de manera abstracta la magnitud del
intervalo cuantificado, es decir, registramos una población
de neuronas sintonizadas a la duración del intervalo. La distribución de intervalos preferentes en estas neuronas cubre
todos los intervalos utilizados.
Los tres tipos de cronómetros neuronales son de índole
poblacional y posiblemente interactúen de manera compleja durante el desarrollo de conductas con un componente
tarea de sincronización-continuación.
Mas aún, nuestros resultados noS permiten sugerir que el
Titmico,
como es
la
peso de estos tres cronómetros neuronales
en
la cuantifica-
Clon temporal es contexto dependiente. Asi, en una tarea
c
intercepción, las neuronas que calculan el tiempo res-
lante para la acción tendrán un peso mayor, mientras que
231
en una tarea de categorización de intervalos, las neuronas
sintonizadas a la magnitud del intervalo tendrán un papel
más preponderante. Es evidente que nuevos experimentos
son necesarios para probar estas hipótesis.
AGRADECIMIENTOS
Este trabajo se ha llevado a cabo gracias a la colaboración
de Wilbert Zarco, Oswaldo Pérez, Ramón Bartolo, Juan Car
los Méndez, Germán Mendoza, Jorge Gámez y Luis Prado.
Se agradece la ayuda experta en la adquisición de
imágenes
de resonancia magnética de
Juan JoséOrtiz y la asistencia
técnica de Raúl Paulín. Este trabajo fue
apoyado
parcial
mente por los donativos
Conacyt: 053944, PAPIIT: IN20
6508 y FIRCA: TW007224-01A1.
REFERENCIAS
BUHUSI CV& MECK WH
(2005) What makes us tick? Functional and neural mechanisms of interval
timing. Nat. Rev. Neurosci. 6:755-765.
GEORGOPOULOS AP, SCHWARTz AB & KETTNER RE
(1986). Neuronal population
coding of movement direction.
Science 233:1416-1419.
GIBBON J, MALAPANI C, DALE CL & GALLISTEL C (1997) Toward a neurobiology of temporal cognition: advances and
Curr
challenges.
Opin. Neurobiol. 7:170-184.
IVRY RB & SCHLERF JE
(2008) Dedicated and intrinsic models of time
perception. Trends Cogn. Sci. 12:273-280.
KARMARKAR UR & BuONOMANO DV
(2007) Timing in the absence ot
clocks: encoding time in neural
network states. Neuron 53:427-438.
LEE D &
QUESSYS (2003) Activity in the
supplementary motor arca
related to learning and
performance during a sequential visuo
motor task. J.
Neurophysiol. 89:1039-1056.
LEWIS PA & MIALIL RC
(2003) Distinct systems for automatic and
cogiu
tuvely controlled time measurement: evidence
from neuronag
ing. Cu: Opin. Neurobiol. 13:250-255.
232
GEORGOPOULOS AP (2006) Neurophysiology of
percep11al and motor aspects ot intercepti0n. J.
Neurophysiol. 95:1-13.
A
&
fopCHANT H, BATTAGLIA-MAYER
GEORGOPOULOS AP (2004) Neural
responses during interception ot real and apparent circularly
ANT
H &&
moving targets in Motor Cortex and Area 7a. Cereb Cortex 14:314331.
MERCHANT H, ZARCO W & PRADO L (2008) a. Do we have a common
mechanism for measuring time in the hundreds of millisecond
range? Evidence from multiple-inter val
tasks.
siol. 99:939-949.
timing
J. Neurophy
MERCHANT H, ZArcO W, BARTOLO R && PRaDO L (2008) b. The context of
temporal processing is represented in the multidimensional relationships between timing tasks. PloS ONE 3(9) ¬3169: 1-9.
MERCHANT H, ZARCO W, PRADO L & PEREZ O (2009) Behavioral and
neurophysiological aspects of target interception. Adu Extp. Med.
Biol. 629:201-220.
MERCHANT H & PEREZ O (2009). Neurophysiology of interceptive behavior in the primate: encoding and decoding target parameters in
the parietofrontal system. Coherent Behavior in Neural Networks.
Josic K., Matias M., Romo R., Rubin J. (Eds). Springer Series in Com-
putational Neuroscience Vol 3, New York. Cap 10. pp 191-206.
MERCHANT H, ZARCO W, PEREZ O, PrADO L & BARTOLO R (2011) Measuring time with different neural chronometers during a syn-
chronization-continuation task PNAS 108(49):19784-19789.
PATEL AD, IVERSEN R, BrEGMAN MR && SCHULZ I
(2009) Experimental
evidence for synchronization to a musical beat in a nonhuman
animal. Curr Biol. 19:827-830.
ANIJ (2001) Sequential organization ofmultiple movements: involvement of cortical motor areas. Annu. Reu Neurosci. 24:631-651.
LARCO W, MERCHANT H, PRADo L & MENDEZ JC (2009) Subsecond timing in primates: comparison of interval production between human subjects and rhesus monkeys. J. Neurophysiol. 102:3191-202.
233
REPRESENTACIÓN DINÁMICA DE 1A TOMA
DE DECISIONES A TRAVÉS
DE LOS CIRCUITOS CORTICALES
RANuLFo ROMO
El Co"legio Nacional
INTRODUCCIÓN AL PROBLEMA CIENTÍFICO
De las múltiples incógnitas de la naturaleza, una me apasiona
particularmen te: ¿dónde y cómo en el cerebro surge la experiencia consciente? Este misterio a su vez, provoca el planteamiento de otra pregunta: ¿es posible abordar científicamente esa cuestión? ¡Mi respuesta es sí! Pero, y ¿cómo?
Aclaro, la curiosidad no ha sido sólo mía. Desde hace más
de dos mil años, Demócrito ya se la planteaba (Jung, 1984).
El filósofo griego (periodo de florecimiento entre los años
430-420 a. C.), en un tour de force, pensó que los objetos del
mundo estaban constituidos de partículas atómicas, y que
éstas viajaban por los nervios hasta llegar al cerebro, donde
se organizaban para generar imágenes isomórficas, como
una manera de interiorizar la realidad. Para él, éste era el
material primario de la p ercep ción, aprendizaje y memoria.
Así el sujeto podía utilizar estas representacion es a volt1ntad
para guiar sus acciones. Sin proponérselo, Demócrito planteó el paradigma que muchos de los científicos contemporáneos seguünos para investigar dónde y córno se tra.nsf0 ::11ª
e11 el cerebro u11a representació11 sensorial en percepcion,
23fl
aprendizaje, memoria y toma decisi?ne s. Por sup~es~o, en
la actualida d contamos con herramie ntas y conoc1m1entos
que Demócrit o no tenía hace más d e dos mil años. ~ero, en
11uestros días, ¿qué es verificable respecto a esta hipótesis
1nile11aria?
E11 prii1cipio, mucho sabemos de los elemento s involucrados e11 la transducc ión de señales en los órganos sensoriales de cada tina de las modalida des sensoriale s: visual,
táctil, auditiva, gustativa y olfativa. Conocem os las rutas cerebrales primarias donde esta informac ión se procesa en el
cerebro. Lo que desconoc emos en su totalidad, es cómo los
centros superiore s del cerebro represent an esta información en la actividad de las neuronas y cómo a su vez esta
actividad se transform a en sensacion es conscientes. Más
específicamente: ¿dónde y cómo en el cerebro se evalúa la
informaci ón sensorial y cómo surgen las percepciones?
Estos procesos son críticos porque gracias a ellos podemos,
no solamente percibir, sino aprender y forjar nuestra experiencia, la cual se guarda en forma de memorias . Además,
con esta informaci ón podemos tomar decisione s y organizar
nuestra conducta motora voluntaria . Sin estos procesos sería imposible elucubrar acerca de la existencia de mecanismos cerebrales de la experienc ia conscient e. A continuación
discutiré la evidencia experime ntal que demuestr a dónde
ocurren estos procesos y luego, la evidencia experime ntal
de cómo ocurren. Antes de explicar la estrategia para intentar dar respuesta a las preguntas , es necesario que transn1íta
a los lectores algunos conocimie ntos básicos necesarios para
una mejor comprens ión del tenia.
236
LA ORGANIZACIÓN
ANATÓ MICA Y FUNCION AL
DEL SISTErviA NERVIOSO
El hecho que el cerebro esté organiz ado en agregad os de
neuron as que confor man núcleo s, regiones o áreas cerebrales, ha facilita do el estudio d e su s funcion es. Estos conjuntos de neuron.as estable cen conexio nes selectivas con los
recepto res sensoria les y con los aparatos efectores (múscu los
y glándul as) . Tomem os como ejempl o el p rocesam iento de
las modali dades sensori ales visual, auditiva y táctil. En un
princip io, los estímul os visuales son procesa dos desde la retina hasta las áreas visuales de la corteza cerebra l. En la modalidad auditiva , los estímul os auditivo s son inicialm ente
procesa dos desde la cóclea hasta las áreas auditivas de la
corteza cerebra l. La percep ción táctil se lleva a cabo gracias
a que los mecano rrecept ores de la piel de la mano transducen los estímul os mecáni cos que son posteri orment e
transmi tidos a la corteza somato sensori al por medio de las
aferente s primari as, la médula espinal y el comple jo ventrobasal del tálamo. Este princip io ha establec ido la existencia de vías y centros cerebra les asociad os con el procesamiento de la inform ación de cada una de las modali dades
sensoria les.
De igual manera , se ha estable cido la existenc ia de áreas
motoras en la corteza cerebra l, mismas que están conecta das
con las moton eurona s de la médula espinal , para el control
de los múscul os durante la realizac ión de 1novimientos voluntario s. Sin embarg o , el conocim iento an atómico es inst1ficiente para entend er cómo las vías y ce11tros cerebrales
organiz an su activida d para realizar el proceso de elaboración de la percepc ión sensorial y la conduc ta n1otora volu 11taria. Por lo tanto el reto es entend er cómo las represe n taciones cerebrales de los estímul os sensoria les contrib uyenª
la percepc ión, aprendi zaje, memor ia y ton1a de decisiones.
237
La clave para resolver este problema, es entender el código
neural que utiliza el cerebro, desde que capta la experiencia
sensorial, hasta que la procesa y elabora una respuesta que
se hace operativa a través de los movimientos voluntarios.
Junto con mis colaboradores a este asunto he dedicado mi
investigación los últimos 22 años en el Instituto de Fisiología Celular de la UNAM.
EL CÓDIGO NEURAL
Investigacione s recientes han demostrado cómo la actividad neuronal [actividad eléctrica, que en el argot de la
neurofisiología, llamamos "potencial de acción" o "disparo": unidad de información qúe no dura más de una milésima de segundo y que varía en el tiempo (representa los
atributos físicos o químicos de los estímulos sensoriales tanto en la periferia como en el cerebro)]. Los resultados de
estas investigaciones han facilitado el desarrollo de nuevas
preguntas que están más bien relacionadas con la cognición. Por ejemplo, ¿cómo las representacion es neurales de
los estímulos sensoriales se relacionan con la percepción?
¿Qué atributos de la actividad neuronal, producto de los
estímulos sensoriales, son interpretados por circuitos más
centrales a las etapas tempranas del procesamiento y cómo
éstos influencian la toma de decisiones y la conducta motora voluntaria? Para entender la dinámica de los circuitos
cerebrales durante la toma de decisiones, primero es necesario saber cómo las variables físicas sobre las cuales se elabora ur1a decisión, son codificadas en la actividad neuronal.
El reto principal para responder estas preguntas es que la
tarea cognitiva, por más simple que sea, compromete la activación de múltiples circuitos cerebrales, y cada uno de estos circuitos puede representar la misma información de
_
diferentes man eras , o com .bina rla con otros tipos d e sena
.
. 1a
ona , repr esen tand o la expenenc
les gua rdad as en 1a mem
.
d
previa o el plan ~ acci one s futu ras.
som atos enso rial del mo no com o
Utilizando el sist
. ema
mod elo de estu dio, los ~ab ajos reci ente s de mi labo rato rio
han aportad_o nue vas pist as para la reso luci ón a estos problemas, pa~ t.Icu larm ~~te , dan l~z. acer ca de cóm o el cód igo
neu ral (la info rma cion tran smi tida en los disp aros de las
neu rona s) se rela cion a con la perc epc ión y la tom a de decisiones. La clave par a el éxit o de nue stro trab ajo ha sido la
imp lem enta ción de una tare a cog nitiv a sencilla, pero no
por eso trivial (figu ra 1) . Esta tare a dep end e de la discriminaci ón sens oria l emp lean do estí mul os simples, de tal man era que dive rsos circ uito s cere bral es pue den ser estu diad os
dura nte la mis ma labo r. El prin cipi o que guía mi pensamie nto exp erim enta l dice que es posi ble desc ubri r la contrib ució n de cad a uno de los circ uito s cort ical es en la resoluci ón de la tare a si los cód igos neu rale s del estím ulo son
iden tific ado s en las etap as tem pran as del proc esam ient o.
A con tinu ació n revi saré hast a dón de hem os avanzado en este
prob lem a de inve stig ació n, pero ante s vale la pen a explicar
el para digm a exp erim enta l y las preg unta s que son posibles
de abo rdar dire ctam ente .
En los labo rato rios de nue stro s días, es muy com ún que
se hag an exp erim ento s que com bina n el r~gistro simul~ neo de la actividad neu ron al, mie ntra s el suJeto de estu dio
ejec uta una tare a cogn itiva . Mi men tor Ve_ri:ion Mo untc1~tl:
Ysus cola borador es de la Esc uela de Med1c1na de la yn :~ sidad de John s Hop kins , inic iaro n esta línea de inveStigaci?n
rabie de observac10·d
.,
.
.
.
e
i
en 1960 e h1c1eron un num ero cons
dal'1dad sensorial conocida
.
. ,,
mo
sub
una
nes imp orta ntes en
- 1) La sensac1on
.b
·
no
espa
en
com o el sent ido delj lutt er (ale teo
obie to que VI ra
l
d e1flutt er se pro duc e cua11do toca mos un 1s:., (Tal bot et a.,
ª frecuencias entr e 5-50 Hz. Motintcas tle Yco ·
2~9
Inten-uptores
~-
ti
.
11
\:,~
t r,
-,.,..__ ,. i.·_..
e~t.mulador
..,
palanca
••,:;
_!.
.
.
~
' .. .,,1¡:--~~<
,· . .
·"
A,
·,
,
,~
.
.¿ _ , , . ; . •
.
-r;
Ír,;~
•, I
.·
,~, :. ~. . .
~
t ' ,.,. -4·;.r .,
~f(_ .
. •~ ";' '
-~•·.••-·
t
,'.,
,} : ;
't•- ,., .)llf'-
' ' . ·=·;~ ,,.,, '
•.....~
·: ~·• ......
recompema
Base
FIGURA
Comparación
KU PB
1
Tarea de discriminación. Secuencia de eventos que suceden durante un ensayo
en la tarea de discriminación. La punta del estimulador mecánico hace contacto con la piel glabra de uno de los dedos de la mano (PD); el mono sitúa su
otra mano libre en la palanca, la punta oscila verticalment e a cierta frecuencia
base. Después de un retardo fijo, una segunda vibración mecánica es enviada
con determinado valor de frecuencia de comparación . Al finalizar el segundo
estímulo el mono suelta la palanca (KU) y presiona uno de los dos botones
(PB) , para reportar si la frecuencia de comparación fue mayor o menor que la
frecuencia base. En la figura se ilustra la secuencia cuando el mono reporta que
la frecuencia del estímulo de comparación , era de menor frecuencia que el estímulo base.
1968) observaro n que el flutter es primariam ente mediado
por los mecanorr eceptores de adaptació n rápida (otr0,,5
tipos de mecanorr eceptores se adaptan m11y lento a un e5 t11nulo aplicado suave y sostenida mente sobre la piel) , Yen,, n
contraron que, tanto los humanos como los monos, tenia
habilidad es muy similares para detectar y discrirninar las
frecuencias de los estín1ulos vibrotáctiles aplicados en la
240
.
J , ¡ 1 n1ano (Ta lbot et al., 1968) . Estos auto
.
res tam b1én
. .
.
.
pH' 1 ot '
la acuvidad neural provocad a por
dcter1111n ar s1
de
ron
,..
_
.
,h~l
n
f.., .
tl<'I c st,1h:1 correlaci onada con la conducta p ·
SlCO 1s1ca
t' l /1/l
I t1~t'diril1n del re~or~e d e las respuesta s perceptua les en
túncillll de las ,ra1,ac1011es d e las cantidade s físicas de los
c.,~1nn u lo~ sensoriale s (Moun tcastle et al., 1969) J. En su
l .lrt\ l de ctisr1; n1inació11, los monos debían indicar si la fret'ucnl'ia del ~--sti111t1lo d e co~parac ión era menor O mayor
qut' un est1n1ulo base aplicado unos segundos antes
t \lountcastle et al., 1990). En principio , la tarea podría ser
con(t'ptua lizada como una cadena de operacion es neuronales o procesos cognitivo s: codificac ión del primer estí1nulo V1), mantenim iento de JI en memoria de trabajo,
codificaci ón del segundo estímulo (f2), comparación de f2
contra la memoria de JI, y la respuesta motora ante la comparación entre los dos estímulos (figura 2). La tarea del flutt.er como modelo de trabajo ofrece ventajas evidentes acerca de cómo el cerebro procesa la informac ión sensorial;
tanto los humanos como los monos ejecutan la tarea de la
misma manera (figura 3) . Es un hecho inicial cómo los estímulos que son comparad os en el tiempo, activan siempre
las mismas poblacion es de receptore s primarios , y en consecuencia, los cambios de lugar son removido s de la escena
de estudio. Sin embargo, para que la tarea del flutter sea un
modelo d e estudio útil, es esencial que genere de una
manera confiable , la secuencia de eventos cognitivos. Pero,
.
¿cómo sabemos que éste será el caso?
Un paso fundame ntal es el análisis de los reportes psicofísicos. En la tarea original diseñada por Mountcas tle, JI n~
"~aba de en sayo a ensayo y nunca se consideró otra.po_sibilidad (i\1ountca stle et al., 1990) . Al reexamin ar el diseno
de la tarea de discrimin.ación ' e ncontram os que éS. ta era
anlbigtia (Her11á11dez et al. 1997). Cuando JI tiene sieinpre
' podía ser resue1ta, comparando
· 1a frecuencia , la tarea
la n1 isn
241
FlGl''RA
2
~Iisnia secuencia de los eventos descritos en la figura 1, pero los signos de inten·ogación sirYen para llainar la atención de los tres eventos fundamentales que
pueden ser estudiados en esta tarea de discriminación. El primero ~stá asociado con el código del estímulo sensorial. El segundo con el mecanismo de la
codificación de la información del estímulo base durante la memoria de trabajo.
El tercero está asociado con el mecanismo de la comparación del segundo estímulo contra la traza del primero y en consecuencia, con el reporte motor de la
toma de la decisión.
indistintamente f2 contra fl o simplemente clasificando f2,
como "alto" o "bajo", ignorando por lo tanto el estímulo
base, fl. ¿Cuál era entonces la estrategia que utilizaban los
sujetos para resolver la tarea diseñada por Mountcastle y
cols.? Cuando mantuvimos Ji constante en bloques de ensayos, como se hizo originalmente, los umbrales de discriminación (la mínima diferencia que puede ser detectada entre el incremento de f2 comparado contra Ji; responder
ante un umbral bajo indica una gran capacidad discriminatoria) fueron, como esperábamos, similares a la reportada
por Mountcastle y cols. ( 1990). Pero, si los sujetos eval11aran
la diferencia entre Ji y j2, deberían igt1alme11te discrin1inar
cuando fl- cambiara de ensayo a e11sayo. Sin en1bargo, esto
no fue así; la respuesta a esta condición cayó por debajo de
los umbrales de discriminación. Los sujetos simpleme1:r:
prestaban atención a j2, categorizáJ1dolo como Halto" o ''b,~o
242
• ., f
n respecto a una referencia interna, q u1zas
1 la fre
eO
'
.
entr
de
periodo
encia usada durante el
U
De
am1ento.
en
.
,
.
e
1111 solo estimulo era aplicado en cad
s1
echo
11
a ensayo y el
'
1110110 era recompensad o por categorizarlo como "alt ,,
O O
.
e
t
•"
''baJO resp_e c o ~ ~na re1-ere?c~a arbitraria, el resultado de
la curva ps1cometnca era pract~c~mente idéntico a aquella
observada durante la tarea ongmalmente empleada por
~1ou11tcastle y cols.
Para lograr una verdadera discriminación , la clave fue
variar JI e11 cada ensayo, de tal manera que p, podía ser de
mayor o menor comparación (Hernández et al., 1997). Esta
condición forzó a los monos a comparar realmente f2 contra JI (figura 3). La ejecución en esta situación mostró el mismo perfil que en la tarea originalmente utilizada por
Mountcastle y cols. (1990), probando que los monos eran
capaces de discriminar entre las dos frecuencias de ensayo
a ensayo. La lección fue que los monos desarrollan alternativas para resolver la tarea de diferentes maneras, aunque
aprendan a discriminar. En pa;rticular, en la tarea originalmente diseñada por Mountcastle (1990), los monos evitan
la comparación de los dos estímulos en cada ensayo. Curiosamente, los sujetos humanos también. En su lugar, tienden
a clasificar fi, posiblemente estableciendo las categorías
"alta" y "baja" en los primeros ensayos durante la ejecución
de la tarea. Por lo tanto, independient emente de la modalidad sensorial, hay que ser cuidadosos si se preten~~ conclu3r que el sujeto discrimina en tareas de comparacion.
Esta parece una observación trivial, pero es clave para
entender las operaciones neurales que implementa el _ce~e. ·· d a d ~n , .el diseno
b ro Y ad em ás resuelve cualquier am b 1gue
de una tarea de discriminació n sensorial. Considerese, por
de una. sola
· ·
·
una tarea que involucre vanaciones
ejemplo,
, . d e 1os ensayos · Para 1den• del estím t1lo a traves
, , tica
earac ter1s
a mparado conb
,,
tiEicar o clasificar el estím ulo , este
de e ser e
243
100
l,J
L
l,J
' . •-1
l~_~J
30 _.
¡;:~l
%
-!',.;
'
-·
,.._
e
hPl
i/iº]
¡;,q]
l
e:
·O
--....
fl
.
1 ..:.
~
.
-....-,...
-
FIGURA
I
o
o
'J
;...
,:;
.......
,..,
¡[<Hq
____
o
l9YJ
[iáJ
;;;a
I
•/;
[~~, Jr.J
10
I
'.J
1¡;.i l
r.._,•
,
~
~
~
~
r",1 . 't •
~
. __ ., .. ,
~
¡::,.
,.,, "'
(
¡\
,
·- 20 -:9s:93~,¡sa1¡,·~:!s21¡,:,;I s~í[~sr~1 r9~2/9_9
¡::
,
1''
o
...
n
n
n
10
20
Ba~c (Hz)
30
o
.. ~-.,-..
10
14
18
22 26
30
Comparación (IIz)
3
Medición de la discriminació n. Panel izquierdo. Bloque de pares de estímulo
utilizados para estimar los umbrales psicométrico s. Los números dentro de las
cajas indican el porcentaje general de ensayos correctos obtenidos para el par de
frecuencias base y comparación . Panel derecho. Curvas psicométrica s obtenidas utilizando las respuestas indicadas en el eje vertical del panel de la izquierda.
Los trazos anaranjado y verde ilustran la habilidad de un mono y de un hombre, respectivame nte, para discriminar entre las dos frecuencias. D.L.: umbrales de discriminaci ón en Hz.
tra una referencia interna almacena da en la memoria de
largo plazo, pero no está claro cómo se puede estudiar el
proceso de comparac ión en esta condición experimen tal.
¿Cómo se recupera la informac ión de largo plazo durante
los eventos sensoriales? ¿Dónde se almacena esta información en el cerebro y cómo difiere de la actividad net1ronal
originalm ente evocada por los estímulos sensoriales? En
contraste, en tareas de discrimin ación donde dos estímulos
son secuencia lmente presentad os en cada ensayo, la comparación del segundo estímtllo tiene que realizarse contra
la traza de la memoria del primer estímtllo. Esto sugiere
que si podemos identifica r el correlato neuror1al de la rnen1o1ia de trabajo, entonces podríamo s estudiar el proceso
244
a ociad
de comparación o los mecanismos
. . . 5
os con 1a toma de
decisiones
. en. tareas de d1scr1minación
.
· Estos procesos ya
e, eron 1de11uficados en m1 laboratorio
d'1scutamos
1L1
,,
, pero
ahora cómo los est1mulos del fiutter ·son cod'fi
1 1cad os en la·
acthidad 11euronal del cerebro.
EL CÓDIGO
NEURAL DE LOS ESTÍMULOS VIBROTÁCTILES
¿Có1no se representa la información de la frecuencia del
estín1ulo vibrotáctil en la actividad neuronal del cerebro
durante la tarea de discriminación? ¿Fluctuaciones en el
código neuronal, reflejan las fluctuaciones de la conducta
discriminatoria del mono? Las incógnitas anteriores se relacionan con el posible papel de la frecuencia de disparo de
las neuronas (número total de respuestas en un segundo)
durante el periodo de estimulación, versus la precisión del
disparo en la codificación de la información sensorial. Por
cierto, en la actualidad es motivo de intenso debate el valor
de la sincronización temporal de los disparos neuronales
en la codificación de atributos de estímulos sensoriales que
no varían en el tiempo. En el caso de la discriminación vibrotáctil, sin embargo, los estímulos por sí mismos varían en el
tiempo y por lo tanto, algún proceso temporal debe llevarse a cabo.
Los trabajos pioneros m ostraron que los trenes de los
estímulos vibrotáctiles se codifican en la actividad de las aferentes primarias que inervan los mecanorreceptores de
adaptación rápida (Talbot et al., 1968) . La respueS ta _d e las
aferentes muestra una alta probabilidad de q~e el disp~?
esté asociado a cada onda senoidal de los eStlmulos penodicos; esta codificación es muy precisa, del º rden
u~a
rnilésima de segundo. En general, las aferentes ~nmanas
Pueden representar con altísima fidelidad complejos patro-
?e
245
· tenlp orale s de estím ulos táctiles. En contra';te e
nes espacio
.
on
otras afere ntes prin1arias que son activada" con frecuenciat,;
mayores al flutter (por arrib a ~e 60 Hz) , la fr:,cue~c~a de di'\paro de las afere ntes prim arias ~e adap ta~10 n rap~da Varía
muy poco en relac ión con las difer entes _frecue nc1ac; en el
rai1 go del flutter (5-50 Hz) . Esto cond ujo a prop oner la
idea de que la frect1encia del dispa ro de las afere ntes primarias de adap tació n rápid a no trans mitía infor mación y por
lo tanto , algún circu ito cereb ral leerí a su estructura temporal en cada ciclo del estím ulo flutter (Mou ntcas tle et al., 1959).
En otras palabras, inter preta ría el inter valo entre los dispar0 5
evocados a lo largo d e los ciclos d e los estímulos vibrotáctiles. La posib ilidad de que las neur onas fuera n sensibles a las
pequ eñas variacione s de interv alos de tiem po era muy interesan te, y la teorí a parec ía apoy ar esta idea. Expe rimentos
espec ialme nte dirigidos a prob ar esta posib ilida d most raron
que las neur onas de la corte za soma tosen soria l prim aria,
sensibles a los estím ulos vibro táctil es, respo ndían de una
mane ra simil ar a las afere ntes prim arias de adap tació n rápida (Mou ntcastle et al., 1969). Al igual que estas aferentes,
esas neuro nas no modu laban su frecu encia de disparo en
funci ón de las frecu encia s en el rang o del flutter. Esta fue
una obser vació n fund amen tal porq ue suge ría que un lector
centr al (circu ito de neur onas ) respe cto a la corte za somatosenso rial prim aria tendr ía la capa cidad de leer la representació n de la estru ctura temp oral de los estím ulos vibrotáctiles (Mou ntcas tle et al., 1990 ) .
Aunq ue algun as obser vacio nes p usier on en duda este
~eca nism o, los resul tados no se cues tiona ron por much o
tiemp o. Hace más de diez años , con mis colab orado res
demo stré que en la activ idad de las neur onas de la corte_za
soma tosen soria l prim aria (figu ras 4 y 5) ocur ren vaiiacio-nes en 1 f
, ª recu~nc1a· de dispa ro dura nte la prese ntaci·~/ n de
los e st1mulo s vibro táctil es (Sali nas et al., 2000 ; H ernande2
-,,,
246
~lt"tla b
aa~a 1
FIGURA
3
4
Imagen fotográfica de un cerebro de mono utilizado para investigar las prer
piedades de las respuestas neuronales de la corteza somatosenso rial primaria
(Sl) durante la percepción vibrotáctil. Los registros fueron realizados en las
áreas 3b y 1 de la corteza somatosenso rial primaria (S1).
et al., 2000). Esta observac ión me permitió contestar tres
preguntas cardinale s.
Primera pregunta: ¿Cómo varía la gama de disparo de las
neuronas en la corteza somatose nsorial primaria? En el rango del flutter, la frecuenci a de respuesta neuronal se incrementa linealmen te en función del incremen to de la frecuencia del estímulo vibrotácti l (figuras 6-8). Estas respuestas pueden ser descritas como una función lineal. Por
~jemplo, durante el periodo jl, la frecuenci a de disparo es
1
~al a al x JI + b, donde al y b son constante s. El coeficiente al es la pendient e de la función de la frecuenci a de
disparo, y es una medida de qué tan intensa es la modula-
247
A
B
o
2
t
a
8
T
a
6
1
a
e
11
o
1
1
ll
1]~
2
s
1
'
g
111
Tiempo (s)
F'IGCRA
5
Registro de la actiúdad eléctrica de una netu-ona durante la rarea de disc:-=~:_nación. A el panel superior ilustra el registro d e la acti\idad elécaica ce> L--~neurona con un microelec trodo. B. el trazo intermed io n1uesrra el rcgisITL"' c.~
tiempo real. C, el panel inferior n1uestra la acti\idad seleccion ada en úml-'- ··
del 'oltaje de la neurona. Los trazos del panel inferior pro,iencn de l.l ~e-~~-..
ción ~ son utilú.ados con10 un a m edida de la acti\idad elécnica ele L1 ncu.
. ~ · .,··..
(disparos por segundo. o la 111edición de los in ren ·alos de ticn1pL) c:>nrrc' .l" ~paros de la neurona) .
-,
ción de la frecuen cia de d isparo d e la n eu rona. En 1.1 l~~r~;~
za soinatose11s01ial p1in1a1ia, la n1a, 01ia de las pendic>ntc . 1 1
1os d'i,paros de las neuron as son p nsilÍ\'<lS. pero rn_uc11•l ·' ,, \i
cercan<L~ a cero (Salin as et al. . ~000). Esto sign ilil·,i qu n.1
"' L •
1•1
·. l l-)1111
acti\id,. .ld n et1rona l de l...1 coi-re , a ~on1a tu~c-n~t Hl..l
l11 1
.
1
. , tutlt
.
·
usualn
lente 111c1~en1enta st1 frecuen ri~l de d1~p~u t1 t 11
248
ul o v1.b rotá d e la frec uencia d el estín
to
inen
ncre
~
1
'
1'
de1 µ~
ct1
o
neur
la'i
s
toda
de
%
30
o solam en te un
nas que res. ,.
per
. ,. . .
b
Esta
.
n
1o
mod ulac
1den n1ue stran esta
c
serva
o
.
1on
,.
.
poi
dría expl icar por que en estu dios prev ios , basad os en el
pº
registro de una mue stra n_iuy p eque ñ a de neur onas o que
,. ured ucid o d e frec uencia'i de los estim
Ut1·1izar on ,,un. rang o
las ,i brotactil~s, no ~n co11traro n varia ciones significativas
en la frect1enc1a de disp aro de las n e uron as (Mou n tcastle et
al., 1990 ). La figu ra 6 mue stra la activ idad de una neur ona
de la corte za som atos enso ria~ en función del tiem po con los
diferentes trazo s corr espo ndie ntes a las diversas frecu encias
de los estím ulos vibr otác tiles . La figu ra 14 (páneles superiores nom brad os com o Sl; punt os verd es para JI y punt os
azules para fl) mue stra la distr ibuc ión de los valo res de las
pendiente s deriv ados de la activ idad neur onal de la corte za
soma tosen soria l prim aria. Los valo res al y a2 indic an la
inten sidad de la mod ulac ión de la activ idad neur onal provocada por JI y fl, resp ectiv ame nte; los deta lles se explican
en el pie de la figu ra. Para tene r una idea de la fuer za de
la mod ulac ión, bast a expl icar que un valo r de 1 (muy
típico en esta pobl ació n de neur onas ), significa que la neurona añad e un disp aro por segu ndo cuan do la frecu encia
del estím ulo se incr eme nta 1 Hz.
Segu nda preg unta : ¿cóm o repr esen tan la infor ~ ac!ón
1utos
de los estím ulos vibr otác tiles las neur onas de .los c1rc
.
.
centrales más allá de la cort eza som atos enso nal pnm ana.
En la figur a 14, la activ idad de la cort eza so1natosensorial
primaria es fácil d e inte rpre tar; las n euro nas resp ond~n ª f1
dura nte el peri odo d e la pres en tació n del p rime r eStlmulo,
rales
las a,. reas cent
b
.
..
a
,
Y f2 d uran te el segu nd o. Sin em argo
idad
• an·a mue su--'111 acuv
a lª corte za som a tose 11sor ial pnn1
. .
las s1griue n tes
,,
,,
rn l1
.
en
uc 0 mas com pleia asun to qt1e se vera
· I-1res en 1a
·
:., '
s ·
,
_ecc1ones. Tam bién se obse r van varia cion es s1n11 '-. secu
n
, , , t 0 sens orial
.
.
free
uenc1a de d ispa ro en la corteza soni a
~
249
~
m
::::l'f'I
i:::,
11
m
g
'1iJ
.
!,
i'' ·: ••
.'·:,
11.tt l•, l'flll!·
r /.. • •
'.,
1 ..
¡
~
; ; ; ¡; ¡ ¡ ¡¡i i
11 1 1 ¡
1 1 J.
.i tí i i t ¡
111
TI·
30
-,::,
1:-t,
cJ
,_:,
20
"=!
10
o
...a:,
[L
10
20
30
40 ·
10
Frecuen cia (Hz)
~
-u
-
:;¡
-...
el
.....
l!
o
o
1
I
//
·. O
,:r
-·
10
20
Frecu enci a d 8
compa rac ió n [Hz]
250
55
-...
3
-...
u /1.
~
40
o
,1, r
;..
30
~
o:>
o:>
?O
Frecuen cia (Hz)
100
C"
t t· 1
40
-~
I
--
¡-
-3
~
;.,:
30
o
0.1
1
1O
Fiazó n de urnb rale :;
(condu cta/ neuron8)
FIGLR-\
6
discriminación. A,
Resp uestas peri ódic as de una neu ron a dur ante la tare a de
•
áfi
·,
tos reprerepresen tacion
gr ca del disp aro de una neu ron a. Cad a fila de· .pun
, Las l"'1neas
· l de accion.
d
y
ensa
un
ncia
senta
pote
un
ta
0
esen
repr
to
pun
a
, Y ca
.
h0 nzontal · di
ulo (f2) • B,
. . . es in can el prim er estí mul o (fl) y el segu ndo estím
,
d
fu ·.,,
penod1ndad
e~tI~
n
se~
?l
y_
(jl)
en n~1on de las frec uen cias del primer
mulo
psicometnca
(J2)· C, pan el 12q uier do ilus tra la rela ción entr e la func1on
·1 ) d
(
mon. o '. traz 0 verd e) y neu rom étri ca (disp aro de la neu ron a, trazo ama nl O e
dis
,. afi ·
cnrn1nac·, (n1 ono ) regi.stra das sim ulta., nea men te. Lo ante nor esta gr ca
ion
do .
. ad O coroo mayor
., mul o sea Juzg
pr
la
o
corn
0 ba b'l•
esti
o
1 1dad de que el seg und
qu l .
entre los umbrales
psi:oe ~n~ ero (20 Hz). Pan el derech o ilus tra las razo nes ra neuronas con
, . s resp ecti.varn ente ca1cu 1a d a Pª
, d
cos )' n euro met
rnetn
nco
Perioct·1 .
n e
razo
1
'
cidad (barra s ama rilla s).
,.
~
tan
esen
repr
s
Las barr as roja
.
urnbrai .
no nun1ero
.
es (ps1co , nco s/ neu rom é tricos) calc ulad a para un peque
d
met
e neur0
nas co
n mod ulac ione s e n su tasa de disp aro.
251
.
·10
. • ' 4,
~o
:o
:o
20
20
:20
20
20
Hz
10
20
30
~o
10
Frecuen cia (Hz)
'.)
:;¡
e
(.,
:.,
-
,:)
e
'.)
3
"
:::
o
/,
o
1O
Fre cuencia de
co rnparación [Hz]
252
Frecuen cia (Hz)
;::
e-
:,,,J
40
-...
,:,
,:,
30
.,. 55
100
.,_
20
o
: 11.
¡:;:a zon de umbrales
(co nd ueta i ne uro na)
FIGlJRA
7
eza somatosens(}~adulación de la tasa de disp aro de una neu ron a de la cort
ato que la figura
nal primaria dur ante la tare a de disc rim inac ión. Mismo form
6_· represen taci ón gráf ica de la acti vida d neu rona l. B, Tasa de disparo en funstra la relació?
cion de la frec uen cia del estí mul o. C, pan el a la izqu ierd a mue
o verde) Yla n_euromee~tre las funciones de disc rim inac ión psic omé trica ( traz
pan el a la derecha ilustra la
tnc~ (trazo rojo) regi stra das sim ultá nea men te. El
ulados para cada
razon entr e los umb rale s psic omé tric os y n euro mét rico s calc
. ,, d e 1a frecu en ci·a del estímulo.
. aro van.o,, en func ion
neurona et1Yª tasa de disp
ales psi· ) L barr as ama rillas repr esen tan la razo,, n entr e 1os t 1mbr
(barras r0Jas
· as
~
,, ro de neuronas
.
etric
corn
e
num
o
uen
peq
os Yneu rom étri cos calc ulad as para un
. ct· . ad .
con pe no
1c1d
¿.,
253
.,
.
;
28
26
24
'.22
?O
1\.' .•,.• '. r'· •
!·, 1
20
, •• •
. ,. .
• \ .)
¡·
1
• •
•• , •
,
' .
t\
~
1
. .. .
·1
... ·¡~!
. ·,...,
(
1
• ,.¡
l. •
! 1
t
1,
.
t
.. ,.,
..1
:?O
.• t
. ¡
.r
t
Hz
o
30
'"O
e
::;
C)
20
1:l,_1
,_,)
~-
10
·~
(1'"1
t i:,
Q..
(j)
10 14 18 22 26 30
o
10'. 14 18 22 26 30
Fre cuen cia (Hz)
Fre,: uen ( 1::¡ (Hz)
·,; SS -
-::::
<:J
~·:.,
,, r,
:::;
:.,
(.;
"C
:::
e
o
3
/ ,
O·
~~0
Frecuencia de
comp a,a ció n (Hzj
254
1
1
10
~'<.uon de u,nbr:-iles
(conduct:~ / neu1o n.1)
FIGURA 8
-- de la tas a de .
M. od ul ac1· on
ne ur on a de la corteza somatosensoa
un
de
o
ar
sp
di
d
na l pr im ari
,, ulos no periódicos
-- d e est1m
te la tar e a d e d.1s cn. mi. nao.on
an
ur
a
K·
~
.
1vusmo fo
de
la
mo
co
)
(/1
6
se
ba
rm ato qu e la fi gu r~ , pe ro ta~ to la fre cu en cia
co mpa rac ió n
t:u-on periodicidad. A,
en
res
p
no
,
io)
ed
om
pr
ias
nc
ue
rep rese n ta . ,, (/2) __ (fr ec
n
uron al. B, tas a de disparo en funció
ne
d
ida
tiv
ac
la
e
d
ca
áfi
gr
~
cio
de la fre e
stra la relación en tre
1e
nu
a
rd
uie
izq
la
a
el
n
pa
C,
.
o
ul
las fu . u e n cia d el es tím
,, ·ca
d e ) y la neuron1etn
(
·
-r
·
ve
zo
-tra
·
ca
·
etn
·
c
orn
dis
s1c
p
nm 1n acio n
. n es d e.
( tra zon.cio
ne l a la de recha ilustra Ja razón
pa
El
te.
en
m
ea
tán
ul
sim
as
rad
ist
en tre az ul) reg
lados p ~ cada neurocu
cal
s
co
tri
mé
ro
eu
n
y
I
s
co
tri
é
om
na cu ~s _um br ale s p sic
cia de l estmmJo (barras
en
cu
fre
la
de
ión
nc
fu
en
rió
va
o
tas a d e d isp ar
ro·· /
en tre los un1 brales psicon1érricos
ón
raz
la
l.an
en
res
p
re
s
ule
az
s
,, ulo s con
, wn
~as · Las ba rra
es
n
co
ro
pe
nas
uro
e
n
.
as
,
sn1
om
nli
ur
Y ne
e tn cos calcu lad as p ar a las
fr
ec ue nc j as no p e rió dic as.
255
daria (no1nbrada como S2 en la figura ~ 4), ~n ci~cuito cortical ce11tral a la corteza somatosensort al pnmana. La evidencia anatómica sugiere que las neuronas de la corteza
so1natosenso1ial secundaria dependen de las conexiones
que la corteza somatosensorial prima~a establece co~ _ella.
Sii1 einbargo, hay diferen cias sustanciales en la actIVIdad
11elironal de las d os áreas cor ticales durante la tarea de
discrimi11ació n de estímulos vibrotáctiles. La primera es que
casi tm 40 % de las neuronas de la corteza somatosensorial
secrmdaria muestran pendientes n egativas (figura 14) . La
actividad promedio de disparo de estas n euronas disminuye linealmente, en función del incremento d e la frecuencia
del estímulo vibrotáctil.
En la figura 11 se m~estran las respuestas de una neurona
de la corteza somatosensorial secundaria que reaccionó más
intensamente a las frecuencias bajas del estímulo vibrotáctil.
La distribución de los valores de las pendientes de las neuronas de esta corteza aparece en la figura 14. Todas las
áreas corticales centrales a la corteza somatosensorial primaria que hemos estudiado en esta tarea mostraron una
proporción similar de neuronas con pendientes positivas o
negativas (figura 14). Estos circuitos están localizados en el
lóbulo frontal y es muy probable que la representación observada en la corteza somatosensori al secundaria sea la
fuente de esta actividad. Como dato interesan te se apunta
que con otras tareas táctiles, se han observado propiedades
similares en la corteza somatosen sorial secundaria. La segunda diferencia importante entre la corteza somatosensorial primaria y las áreas más centrales a ésta, es el hecho que
las neuronas de todos estos circuitos corticales 110 n111estran
traza alguna de la periodicidad de los estímtllos, con10 es el
caso d e la actividad en la corteza somatosenso1i al prin1aria.
Tercera pregun ta: ¿Correlaciona con la conducta discriminatoria, la mod ulació11 de la frecuencia de disparo pro-
256
medio o la preci sión temp oral del dispa ro de las neuro nas
en la corte za soma tosen sorial prim aria? Tene mos tres líneas
de resultados expe rime ntales que han apor tado nuevas evidencias para escla recer esta preg unta. Un resul tado importa nte es que existen covariacio nes significativas entre la
actividad neur onal evoc ada por los estím ulos y la respu esta
psicofisica en ensayos indiv iduales (Salin as et al., 2000) . Este
resul tado es muy consistent e con hallazgos en tareas de discriminació n de estím ulos visuales. Lo anter ior significa que
la frecu encia de dispa ro d e algun as neur onas de la corte za
soma tosensorial prim aria predi ce en su actividad si el mono
discr imina rá corre cta o incor recta ment e duran te un ensayo. Resultados similares, pero much o más robus tos, fuero n
encontrad os en la corte za soma tosen soria l secun daria (Salinas et al., 2000). Por el contr aste, tal asociación no fue observa da con la preci sión de los disparos neuro nales , mism a
que fue cuan tifica da de varias mane ras y en difer entes situaciones expe rimen tales . En otras palabras, aunq ue en ensayos individuales tamb ién fluct uó la preci sión de los intervalos entre los dispa ros de las neuro nas dura nte los estímulos,
o más preci same nte con las fases de los ciclos de las ondas
vibrotáctiles, estas variaciones no predi cen la cond ucta perceptual del mono . Esto indic a que la frecu encia de dispa ro
de las neur onas de la corte za somatosensorial primaria
duran te el perio do de estim ulaci ón es más impo rtant e que
la precisión del dispa ro de las neuro nas dura nte la tarea.
Otro resul tado se refie re a la mane ra de anali zar la discrimi nació n del anim al en relac ión con la actividad de la
neuro na, es por medi o de la n euro metr ía, una m~di d~ del
porce n~je de Ja5 respuestas correctas que un tesugo ideal
haría en funci ón de obse rvar las respu estas neuro nales evocadas por los estím ulos vibrotáctiles (Her nánd ez et al. , 2~00;
Romo et al., 2003 ). Esto corre spon de a la cond ucta psicofísica de un ohse rvado r ideal que discii ,nina iía, b~ad o
257
sola men te en la resp uest a de una neur ona. Este sujet o utiliza u11a estra tegia ópti ma para gene rar sus deci sion es y por
lo tanto , su cond ucta pued e com para rse dire ctam ente con
la mejo r cond ucta posi ble sobr e la base de la actividad de
una sola neur ona. Las curv as neur omé trica s pued en ser
cons truid as con cual quie r med ida de la resp uest a neur onal. Resp etan do este prin cipio , cons truim os dos tipos de
curv as neur omé trica s: una exclusiv ame nte basa da en la frecuen cia de disp aro prom edio y otra sobr e la base de su
perio dicid ad , o la fase difer enci al en tre los inter valo s de los
disp aros de la neur ona. Ejem plos de tales med iciones son
mos tradas en la figuras 6C y 7C). Enc ontr amo s que las curvas neuromé trica s depe ndie ntes de la frec uenc ia de disparo
(figu ra 7C) , corr elac iona ron dire ctam ente con la curv a psicométrica, mien tras que no lo hicie ron las curv as neur ométricas basa das en la med ida de la peri odic idad (figura 6C).
Esto conf irma que el obse rvad or idea l no expl ota la precisió n de los disp aros que codi fica fielm ente el estímulo.
Fina lmen te, y com o terce r argu men to, desc ubrimos que
la frecu enci a de disp aro de la activ idad neur onal podría
codi ficar la frecu enci a del estím ulo táctil. La obse rvación
depe nde del uso de estím ulos aper iódi cos, expe rime nto
que por su dise ño no posi bilit a gene rar inte rvalos reg1.1lares
en los disp aros de la neur ona. Un ejem plo es ilust rado en
la figu ra 8. En este caso , el estím ulo consiste en un tren de
pulsos m ecán icos qu e están sepa rados p or inter valos aleatorios, don de la frec uenc ia del estím ulo se defi ne com o el
núm ero prom edio de p ulsos en u na u nida d de tiempo.
Aun que esta m anip ulac ión elim ina cual quie r reg1ila1id ad
en la prec isión temp oral del disp aro d e ensayo a ensayo, los
mon os fuer on capa ces de discr imin ar las d ifere ncias entre
las frecu enci as de los dos estím ulos ap erió dico s. De hecho,
tanto los estím ulos peri ódicos com o aperiódi cos, provocaron casi la mism a mod ulac ión de la frec uenc ia de disparo y,
258
cons ec11ente 1ne nte , las dos ct1rva'i neur omé tricas fuer on
sin1ilares (figura 8C) . Este restd tado es consisten te con la
frec ue ncia
u 1o es
~
- fle] esti.,.m
l'dea de que e11 amb
.,. os. caso s la
regu lada por u11 cod1 go d e frec ue ncia d e d isp aro de las
neuro11as en la corteza som atose n soria l primaria (Rom o et
al., 2003 ; L11na et al., 2005).
En res11me11, la frec uenc ia d e disp aro varía en func ión ele
la frecu e n cia del estím ulo vibr otác til en todo s los circu itos
corti cales dura nte la tarea d e discr imin ació n, p artic ularmen te en la cort eza som atos enso rial, y tene mos evid enci a
de que estas mod ulac ione s tiene n un impa cto en la co nduct a disc rimi nato ria (figu ras 7C y 8C). Por el cont rario , no
enco ntram os ning una evid enci a conc luye nte que apoy e la
idea de que la peri odic idad prov ocad a por el estím ulo vibrot áctil en la cort eza som atos enso rial y en circu itos centrale s a ésta, cont ribu ya a la disc rimi naci ón de la frecu enci a,
aunq ue es impo sible elim inar esta posi bilid ad.
PERCEPCIONES ARTIFICIALES: SIMULANDO EL CÓDI GO NEURONAL
POR MEDIO DE LA MICROESTIMULACIÓN INTRACORTICAL
¿Cóm o prob ar que la activ idad neur onal d e un circu ito
corti cal cont ribu ye a dete rmin ar la cond ucta de un sujet o?
La microest imul ació n intra cort ical eléc trica es una herr amien ta muy pod eros a que pued e estab lece r t1na relac ión
caus al (no una simple corr elac ión) e ntre una cond11cta c~gnitiv a y la activ idad de una pobl ació n de neuronas de un circuito cort ical. En la disc rimi naci ón d e l flutt er, la utilizació n
de esta técn ica ha apor tado respt 1esta s cont un~ en~es: Yª
1 1
que todo s los even tos cogn itivo s de la tarea d e d1scr n inación , pued en ser inici ados por la activació11 artifi cial de las
· 1anL·a con pron euro nas de la cort eza som a tose11sor1·a 1 pnn
l 1998 · Ron10
·
et
pied ad es d e adap tació 11 rápi da (Ron 10
ª -,
'
259
2000). Esta aproximación experime ntal nos ha permitido explorar algunas incógnitas a la propuesta del código
neuronal del estímulo vibrotáctil en el rango del flutter.
La figura 9 resume los experime ntos de microestimulación intracortical realizados en la corteza somatosensorial
primaria. La idea inicial giraba alrededor de la manipulación
del estímulo de comparac ión (figura 9). Los monos aprendieron primero a discrimin ar la diferencia de frecuencia
entre dos estímulos vibrotáctiles aplicados secuencia lmente
sobre la piel de un dedo de la mano. Mientras esto sucedía,
registramos grupos de neuronas de la corteza somatosensoet al.,
Estímulo de comparació n
Estímulo base presentado
mecánicam ente
,JW\,W- / '
o eléctrico
1~ '\,
~
FIGURA
n
11
\\
1\
\
9
Diseño experimenta l para probar si los monos podían no solamente discriminar entre dos estímulos vibrotáctiles o cuando la frecuencia del estímulo de
comparación (vibrotáctil) era sustituido por trenes de estímulos eléctricos aplicados directamente en las neuronas de la corteza somatosensorial primaria.
260
rial primaria co~ camp~s rec?p~ores st1sceptibles de ser activados por ~1, est~m_ulo vibro~ct.Il y que tenían propiedades
de adaptac1on ra~1d~. Posteno~men.te, el estímtdo de com~aciói1 fue sustituido con microestirnulación in tra _ ,_
paI
.
coru
. d
1
cal elé~tnca en .ª r.mta d~ lo_s ensayos (figuras 9 y lO).
Los estimulas ar~c1ales ( elect_r1cos) consistieron en pulsos
periódic_o s de c~rnente a la misma ~rec~encia de comparación aplicados directamente en el c1rcu1to de la corteza soinatosensorial primaria, a través del microelectrodo con el
cual registramos la actividad evocada por los estímulos vibrotáctiles. Sorprendentemente, los monos discriminaron
las señales d e los estímulos base (mecánico) o eléctrico (comparación) de manera muy similar a la discriminación que realizaron cuando recibieron estímulos naturales aplicados
sobre la piel de un dedo de la mano (figura 10). La interpretación más directa de este hallazgo indica que la microestimulación del circuito neuronal de la corteza somatosensorial primaria indujo sensaciones similares a las provocadas
por los estímulos vibrotáctiles, aunque es difícil descartar la
posibilidad de que estas sensaciones fuesen diferentes aunque comparables. Por ejemplo, a pesar de qu e los sonidos
de una flauta y de una guitarra son diferentes, sus tonos
pueden ser comparados.
Cuando se varió la intensidad de la corriente eléctrica de
~icroestimulación aplicada en el circuito cortical, se ob~ervo un resultad o interesante . Con inten sidades muy baJas,
los estímulos artificiales no fu eron d etectados por el an.imal. Con intensidad es intermedias, los monos detectaron
los estímulos eléctricos, p ero no p u dieron dis~riminarl~s.
C?n intensidades mayores d iscriminaron los est1n1ulos electncos. Estas transiciones son comparables a las observadas
con los estímulos vibrotáctiles c1-1ando sus iritensidades son
graduadas , es d ec1r,
· osc1
., -1an d e ba~1as a intermedias y altas.
E
n otras palabras existe 1,1n "intervalo ato11al" , en e1 Ctla1 e1
estírnulo puede s~r d e tectado pero no discriminado.
261
. - 0 de la tarea la compa ración del segund
Dado e1 d 1sen
'
.
o
estímul o se realiza contra la traza de la memo na d el Prirner
,, 1o. En princip io, los monos fueron cap aces de interestnn11
, . d
1
o e ectnco
e .compar
p I~e ta1,. 1a frecuen cia del estímul
,
, .
d ación,
pero ¿podían utilizar el esumul o e 1ectnco_ ~P1Ka . o durante
el periodo base y almace nar esa_ inform ac1on artificial_ en la
memor ia de trabaj o? En expenm entos donde el estimulo
base consistió en u n estímulo eléctric o aplicad o en el circuito cortical , la conduc ta psicom étrica fue indistin guible de
aquella obtenid a con los estímul os natural es,, (figura 10),
indican do que las señales evocad as por los est1mulos naturales y artificiales podían ser almace nadas en la memor ia de
trabajo y recorda rlas con la misma fidelida d. Aún más, los
monos lograro n ejecuta r la tarea con muy poca degradación de la conduc ta sobre la base de la sustituc ión de
los dos estímul os mecáni cos por estímul os eléctric os aplicados directa mente en las neuron as de la corteza somatosensorial primari a con propied ades de adapta ción rápida
(figura 1O).
Deseo mencio nar un par de observ aciones adicionales
que resultan notable s debido a la especif icidad de los resultados de la microe stimula ción intraco rtical. Primer o, experimento s realizad os en las aferent es primar ias mostraron
que la sensaci ón del flutter está específ icamen te mediada
por las aferent es con propied ades de adapta ción rápida,
pero este hecho fue mucho más difícil de probar en la cortez~ somato sensori al primari a. Cuand o aplicam os la microesu l · ,,
mu ~~ion en neuron as de esta zona con propied ades d~
adaptac ion lenta, los monos no pudier on discrim inar las diferencias entre las frecuen cias de los dos estímt1los. Al colocar el microe lectrod o en el borde entre un grupo de neuronas con las m ·
.
ismas caracte rísticas y otro grupo con propiedades d e ada ta . .,
., .
.
n su
.
.
P cion rap1da, los monos meJora
ro
capacidad d1scri ·
·
•
pero
minato na
con los estímul os eléctnc
os,
2'12
v.
o
100
;,)
('.)
>
:r.
o
~
C,)
100
>
-----------------•-K+U-::P~B
PO KD
Base
Comparación
500 ms
10
20
30
Frecuencia base (Hz)
FIGURA
10
Desempeño psicofísico para la discriminación de frecuencias con estímulos
naturales (mecánicos) y con estímulos artificiales (eléctricos) inyectados a grupos
de neuronas de la corteza somatosensorial primaria. Los diagramas a la izquierda muestran los dos tipos de ensayos mezclados durante los experimentos. Las
curvas de la derecha muestran el desempeño del animal en las distintas situaciones ilustradas a la izquierda.
la respuesta nunca fue comparable con la obtenida cuando
los estímulos eléctricos eran aplicados en el centro de un
grupo de neuronas de adaptación rápida. Esto indica que
conglomerados de neuronas están funcionalment e separados en la corteza somatosensori al primaria. La propuesta es
consistente con observaciones previas de una organización
modular de la corteza cerebral. La clave del éxito de estos
:x~erimentos consiste precisamente en este hech~. Por
ult:n~o, para contestar la pregunta inicial sobre la llllpor~ncia de la periodicidad de la frecuencia en el proceso de
~isc~r_ni_nación , aplicamos microestimulación de patrones
Penod1cos en un grupo de neuronas de la corteza soma263
tosensorial primaria q11e simu laro n los patrones aperiódicos de los estímulos vibrotáctiles. Desd e los primeros ensayos, los anim ales pudieron discriminar ambos estímulos,
mecánicos y eléctricos, con similares perfiles psicomé tricos
a los observados en los estímulos vibrotáctiles periódicos
(figura 10) .
Hasta donde se sabe, estos experimentos son los primeros en demostrar que la activación de un circuito neuronal
de la corteza cerebral es suficiente para iniciar la secuencia
completa de operaciones neuronales que se requieren para
realizar una tarea cognitiva. Estos resultados tienen implicaciones profundas en el entendimiento del código neuronal de la memoria de trabajo, como lo discutiré en la si.
. ,,
gu1ente secc1on.
EL CÓDIGO NEURAL DE 1A MEMORIA DE TRABAJO
Una característica esencial de la tarea de discriminación
vibrotáctil es que requiere del almacenamiento temporal
del primer estímulo en la memoria de trabajo, para luego
compararlo con el segundo estímulo (figura 2). ¿En qué
parte del cerebro y cómo se lleva a cabo esta operación neuronal? ¿De qué forma la información de la memoria se
compara con la información sensorial? Con mis colaboradores descubrí que la actividad neuronal de la corteza prefron tal, es capaz de mantener la información del primer
estímulo durante el intervalo base y el de comparación.
Entre esos dos sucesos, la corteza prefrontal pone en acción
neuronas que incrementan su actividad d e manera que
dependen de la frecuencia del primer estímulo durante el
periodo de memorización (Romo et al., 1999). Muestro un
ejemplo en la figura 11, la tasa promedio de disparo de la
neurona que tiene una preferencia por las frecuencias altas
264
34H:zl
10 Hz
60 ,
60
-o..,,
.~
bl
C)
'l.
----
"'...o
o 80
f
'J,
-
.oet:...
a
~
;:::
~
"t:
e
~
o
o
120
¡_.
C)
::...
-
~
......
,...,,
-
.§
;,,-:
o-
o
40
FIGURA
11
~espuestas neurona les evocadas por el estímulo base (fl, barra gris) en cuatro
areas corticales durante la tarea de discriminación. Los trazos a la izquierda
m~estran las respuestas de cuatro neurona s en función del tiempo. Las barras
gnses por arriba de cada uno de los trazos indica el tiempo durante el cual la
tasa de disparo de la neurona fue modula da significativamente en función del
~stímulo base. Los colores de la barra a la derecha del primer bloque de trazos
indican las frecuencias del estímulo base; mismos colores que son utilizados
para los trazos de las otras neuron as. Los trazos de la derecha muestra n los
números de neurona s que modula ron significativamente su disparo en función
de la variación de la frecuencia del estímulo base. Sl, corteza somatosensorial
primaria; S2, corteza somatosensorial secundaria; PFC, corteza prefrontal;
MPC, corteza premoto ra medial.
del_ estímulo base, es graficada en función del tiempo para
vanas frecuencias del mismo estímulo. Sünilar a la corteza
somatosensorial secund aria, la actividad prome dio del disparo depen de de la frecue ncia del estímulo (figura 11); casi
un 50 % de las neuro nas muest ran pendie ntes negativas
(dispar an más con las frecue ncias bajas; figura 14 ), mien-
265
tras que la otra mita d mues tran pend iente s positivas (dispara n más con las frect1encias altas, figur a 14).
Esta repre senta ción de la frecu encia del estím ulo durante la mem oria de trabajo no es estática ya que la intensidad
de la actividad varía dura nte el perio do de memorización.
Esto es evide nciad o de dos mane ras. En prim er lugar, no
todas las neur onas se activan al mism o tiemp o; algunas prolo11gan las respuestas evocadas dura nte el estím ulo base
hasta la prim era parte del perio do de mem oriza ción y se
vuelven silentes antes del perio do de comp araci ón (las clasificamos como respuestas de mem oria "tem pran a"). Otras
neur onas hace n lo opue sto, inici alme nte son silentes, pero
su activi dad se incre ment a justa ment e antes del perio do de ·
comp araci ón; es decir, al final del perio do de memorización, son respuestas de mem oria "tardía". Otra clase de neuronas mant iene su actividad dura nte todo el perio do de memorización, y a éstas las clasificamos como de mem oria
"persistente". Com o resultado de esta diversidad de respuestas, el núm ero total de neur onas relac ionad as con la memoria del prim er estímulo varía en func ión de tiem po (figura
11). Es evidente que se trata de un proc eso dinám ico, pues
la inten sidad de la calidad de la señal del prim er estímulo
dura nte el peri9 do de mem oriza ción pued e variar en el
tiemp o (figura 11). El segu ndo proce so que llama la atención es el hech o que las neur onas de la corte za prefrontal
mues tran la adap tació n que el sujeto realiza dura nte el
intervalo de mem oriza ción de la infor maci ón. Por ejemplo,
cuan do este proceso se incre ment a de 3 a 6 segun dos, los
perfiles de activación de las neur onas "tardías" ajt1stan su
actividad prop orcio nalm ente. En otras palabras, estas neuronas dispa ran tardí amen te, inde pend iente men te del
perio do de la durac ión de la men1oria.
Una preg unta esencial especiahne nte para las 11euronas
con actividad tardía, es si la actividad persistente realn1ente
266
· 1
codifica la información de fl '. o en su lugar refl eJa
a pre.
.,
para~10n del SUJeto para realizar el movimiento que está
asonado con l_a respuesta del proceso de comparar. Éste es
un problema mteresa~te, porque en situaciones parecidas
a las nuestras, el expenmentador también encuentra resultados similares, donde es difícil desacoplar la respuesta sensorial de la motora, misma que se interpreta como sensorial
o como motora, igualmente como de memoria o como actividad anticipadora. En la tarea del flutter, la actividad graduada de la respuesta neuronal, podría estar.asociada con
la probabilidad de realizar un movimiento específico hacia
el interruptor lateral o hacia el interruptor medial (figura 1).
Sin embargo, esto no es posible porque el repertorio de respuestas graduadas de las neuronas se encuentra de igual
manera, cuando la probabilidad de realizar un movimiento
hacia el interruptor lateral o medial es de 0.5. Por lo tanto,
la actividad graduada que se observa en el intervalo entre
los dos estímulos, recuerda la copia de la actividad neuronal observada en la corteza somatosensorial secundaria; o
sea que la corteza prefrontal parece mantener en línea, la
codificación de la información de la traza de Jl durante
.
la memoria de trabajo.
Aunque la corteza prefrontal aparenta mostrar una codificación muy clara de la información_del estí~ulo base durante el periodo de memorización, mis expenmentos mues· ·to coro· cal involucrado en
. , • c1rcu1
.,
.
no es el un1co
tran que este
· . , d e fl durante la memona
.
. de la 1nformac1on
e1almacenaJe
de trabajo (Romo et al., 2002; Hernández et al., 2002 ; Romo
& Salinas, 2003; Romo et al., 2004; Machens et al., 2005; d~
Lafuente & Romo, 2005; H ernández et ~l., 2?10). Esta aco
vidad ha sido encontrada tanto en los c1rcu1tos_ cer_canos a
• ~orno en c1rctutos cer.
.
1a corteza somatosensonal
.
pr1maria, e
atoras Por eJen1p1o,
111
sta
_ • d
·.
canos asociados con las respue s
c10 e
te1
un
casi
iia
d·
.
·
'
ª
en la corteza somatosensor1al secun
267
las neur onas significativamente mod ulad as por la frecuencia del estím ulo base , prol onga n su resp uest a algu nas décimas de segundo más allá del p erio do de estim ulac ión. La
resp uest a de la neur ona en la figu ra 11 es un ejem plo. Su respues ta deca e muc ho tiem po desp ués de term inad o el
peri odo de estim ulac ión, situa ción muy dife rent e a la
man era com o las neur onas d e la cort eza som atos enso rial
prim a1ia se com port an en la mism a cond ición : term inado
el estím ulo, éstas deja n de resp onde r inm edia tame nte. La
figu ra 11 mue stra las resp uest as de las neur onas de estas dos
área s corti cales, resa ltand o sus difer enci as a nive l poblacional. La may oría de las neur onas de la cort eza soma tosen sorial prim aria son silen tes inm edia tame nte desp ués de termin ado el prim er estím ulo, mien tras que la activ idad de las
neur onas de la corte za som atos enso rial secu ndar ia muestran actividades muy similares a las resp uest as "tem pran as"
de la corte za pref ront al, que codi fican la info rma ción de fl.
Hay que men cion ar que son muy com unes en las cortezas
prem otor as med ial, dors al y vent ral, las neur onas que codifican info rmac ión del prim er estím ulo al final del inte rvalo
del peri odo de mem oriza ción . El ejem plo de la figur a 11
mue stra la actividad de una neur ona de la cort eza prem otora med ial dura nte el peri odo de mem oriz ació n, misma
que mue stra pref eren cia por las frecu enci as baja s. Com o
pued e verse en la figu ra 11, algu nas neur onas de la corte za
prem otor a med ial man tien en la codi ficac ión del prim er _
estím ulo dura nte todo el peri odo de mem oriz ació n, pero la
may oría de la pobl ació n lo hace justa men te al final . Como
ya lo indi qué, de la mism a man era que en los otro s circuitos corticales, la info rmac ión de la mem oria se man tiene en
la sine rgia de la actividad de las neur onas con pend iente
positiva o nega tiva (figu ra 14) . Una com para ción a través
de las distintas área s corti cales mue stra que, at1nque cada
circu ito corti cal pare ce tene r su prop ia iden tidad dura nte
268
t'I ¡'t'l h'l h, dt'."\l'I\ h \l i. 1, t':--lsh •11 1l. ,si.' 1ws e' 11 11111 1ipn.~'I<- 1 ' ')I
pucst.is. t'l.'1\!•mth' IIHIY ph 1h.1!1k1 ~h ' tllc '. l., d 11 i. 111111 :1 d• · 1,1
inh't\'\ lt\Cl"tl\ 'ttt, d entre t'stns r tr, ·t11tns cu 1 f i< .ti,·.~.
de la t\l< '• ' dt ' d isc1ia11i11.1cin11 viluo
tactH. Y1~, ronti>ararió11 c..' nt re .// )' J2 o,·11 rr<· d u, at1t,· l:1 pH·
$l'Ht~,ció11 dt'l Sl.'gnndt) estftn nlo. l ,as l'< 'SJHH 'S f: t.'4 11, ·11 1011 ~11, ·~
observada~ t'll t~stc intt'rvnlo ~on ro111pl<:i:1s, p« ·ro , c·fl ,·jru1 c•I
proceso artivo en el cual la ~1ctividad 11< \11 ro11 rd <·vn, .u l;,
codifica la dift'rl'tlria t'ntrc .f2 y.// (l{on, o ,-/ al.. ~00~, 1lc ·rn,indc z t)t nl., 2002~ llon10 & Sali11as, ~00:\; R o 11 10 ,,, fl!,
2004: Mac llt'llS (!t n,l. , 2005; de 1,nruc11l t &· l{o n 10, '2 oor,,
Deco rt al., 2010; ller1utndt'Z ,,1i nl., ~010). No c 1u·n 11f 1.11 t10~
ningu11a evide11cia de este prol't·so t-11 le, <'Ol'f<•1.,1 so111:Ho s<·n
sorial pril11,u·ia donde las 11curonas si1nplc111c11tc: 1c s1><u1
den en fun ción d e la, frecue ncia d,) / 2 d11ra111c la co111p:11 ;1ción (figt1ras l1 y 14), llero en la co1 ·tcz;1 so1n:t1os<·nso , i: d
secund aria se observó por pri1nc r~, vez <"sfc pro<'<•sn (fi g 1u :1s
11 -13). La dcpc11dcr1<.:ia sirnult ;-í nca de la fas;, de disp:11<, ••11
función de JJ y ./2 duran te el períod o de co111p:11 a<io11 " •·
c~antificó c o11 la siguie nte cxpr<·si< ..Hl 111afc111:í fi ('a: f re·• t1c11cia de diSJ)aro = a J x ./ / t a2 x j 2 1 h, do11d(' h (·s 1111 : , < ons
tante y al y a2 son los co<;firit·11tcs q11<' 111id<'n I;, in1c,1 ~id;uJ
de la 1nodulació11 por los cslír1111los // y /2 (fi g 111 ;,s 1~ Y J:i) .
~ lo largo de la co1nparaci<, 11, al y a2 p1t<'d< ·11 < ~11nbi;1r . l'o,
eJcrnp lo, si estos co(•fi<'i c nh·s son ol>h ·nidos d(' 1:. ;,c1i vid;uJ
dc.; una ne urona de la (·orl<'za soina1ost.·11so1 ial st·<, 111d;11 i ; 1 ; 1
diferent es interv alos de ri,·111p<>, <·s pusihl<' ol,"<·1 v;ir 'f 1H· d,,
r ª11 te la prj rne ra dí-ci, na de s<'g ll ndo, b, nci I n H 1<• n '"P011d "
c.~ ~1 fun cióu d( ' /2; <·s d<'cir, d11r ;u1t<' •·s t;, vcr 1 tan;i .dc ti, ·rup'>,
solo c--1 roeficj cnt<- a2 <'S .\ig11ifica1iv,1111<·11t•· dJfc rcJJft' d('
l .a
npt't'¡_\C:tPt\ cL\\'C
1
'
26,:14 ·
1
1l
ll l p:11 : ti
1( l 11
FR -= a2 (f2J + a3
22, ')0
FR =
)+
+ a3
4
14 '/í'
f f
1fl!H
t
t
34,26
1
o
+
30,22
26,18
-4
-4
o
4
34
10
18.10
.~
f2
(Hz)
FIGURA
12
Dependencia simultánea de la tasa de disparo en función de JI y f2 durante el
pe1iodo de comparación. Esta operación se cuantificó con la siguiente expresión
matemática utilizando como modelo las respuestas de disparo de una neurona
de la corteza somatosensorial secundaria durante el periodo de comparación
para pares de frecuencias JI y f2 (panel izquierdo) FR (frecuencia de disparo)
= al x JI + a2 x fl + a3, donde a3 es una constante y al y a2 son los coeficientes que miden la intensidad de la modulación por los estímulos f1 y f2. Lo primero que se observa de este análisis es que las neuronas muestran una respuesta diferencial (panel intermedio) que es función de los dos coeficientes
y que matemáticamente muestran el resultado de la comparación (panel de la
derecha).
cero (figura 12). En la siguiente décima de segundo, la respuesta desarrolla una dependencia de JI, de tal forma que
al se vuelve también significativamente difer~nte de cero.
Dos o tres décimas después de iniciado el segundo estímulo, al y a2 muestran casi la misma magnitud pero con signos opuestos, indicando que la neurona responde en función de j2 - JI; es decir, la comparación entre Jl y j2. Esta
situación es muy común, pero hay otras variantes. Por eje~plo, algunas veces el coeficiente al es primordialmente significativo, indicando que la neurona recuerda la información de JI, presentada unos segundos previos al segundo
270
• ', 1111¡1¡ t;lt ' f , lJ)
FR
=a2 (f2)
+ a3
100
r:n
o
~
~
rn
1\1 Q
.1 ·
(HZ)
FIGURA
13
Dinámica del proceso de comp araci ón en funci ón del tiempo. La neur ona responde diferencialmente (páneles de la izquierda e intermedio) duran te la
comparación de JI y f2, pero ésta prim eram ente refleja la información de JI luego de f2 y finalmente la depe nden cia entre fl y f2 (panel de la izquierda) .
estímulo, y_la dep end enc ia de j2 se desa rrol la posteriormen te (figura 13). Las neu rona s term inan resp ond iend o intens ame nte cua ndo la dife renc ia entr e j2- JI es muy grande. Además, las neu ron as mue stra n dife rent es trayectorias
den tro del espa cio de los valores al y a2, aun que algunas
sim plem ente resp ond en a j2 dur ante el peri odo de estimulación.
La figu ra 14 resu me estos resu ltad os sobr e la base de un
análisis con secu tivo de ven tana s de tiem po de una déc ima
de segu ndo dur ante el peri odo de com para ción . Los pun tos azules y verd es corr esp ond en a valores de al y de a2,
calculados a lo larg o de la actividad net1ronal desa rrol lada
dura nte las prim eras dos déci mas de segu ndo del peri odo
de com para ción . Los pun tos azules repr esen tan las neu ronas que mos trar on una dep end enc ia significativa de f2 y los
pun tos verdes significan las neu rona s de fl , inde pen dien te-
271
ine nte de la se11 sib ili da d de las ne l1r on as a f2.
Es cla ro que
las 11 e11r 011as de la co rte 1a so1na tosen so ria l
se cu nd ari a respo nd en pi imero en fu nción de J2, o co mb in an
y f2, de
difere i1 tes 111an eras. Po r el co ntrast e , los pu nt
os roJos muestrai1 los ,a.lores al y a2 qt1 e ft1 ero n calcl1lado
s en las mismas
f!-
ne ur on as . pe ro du~·an te la res puesta en las ~~tim
as tre~ déci-
1nas de segt111do de l pe1i od o d e co mp ara c1
on (el est im ulo
f2 tie11e un a dt1ració11 co ns tan te de me dio se gu
nd o) . Estos
~ptn1tos cae11 so bre la dia go na l a2 = -a l,
ind ica nd o que
dura11te est e pe rio do las ne ur on as co dif ica n
la fu nc ión de
j2 - f l. De esta ma ne ra, el rep ert or io de rép lic as
de la corteza
so ma tos en so ria l se cu nd ari a es mu y am pli o, pe
ro la ten de ncia ge11eral es el pr oces am ien to co ns ec uti vo
de f1- y f2 , hasta co dif ica r f2 - fl .
Este pa tró n d e ac tiv ida d ind ica qu e las rep res
en taciones
ne uro na les de f l y f2 se co mb ina n pa ra ge ne
ra r un a señal
de co mp ara ció n, la ac tiv ida d co dif ica en f2
- fl , so bre la
cu al se ba sa el ac to mo to r qu e ref lej a la co
ns ec ue nc ia de
la co mp aració n. Si est a int erp ret ac ión fu era
cierta , en ton ces las n eu ro na s qu e co dif ica n la dif ere nc ia
en tre las frecu en cia s f1- y f2 , de be ría n ten er un im pa cto en
la ha bil ida d
de l mo no pa ra tom ar un de cis ión ac erc a de si
f2 >f1- o de si
j2 < fl-. Es ta pr ed icc ión se co mp ro bó po r m ed
io de l análisis
de los ensayos co n res pu est as co rre cta s, co nt
ra los en sayos
co n res pu est as incor rec tas, cal cu lan do pa ra
ca da ne ur on a
un índ ice de la pr ob abili da d qu e pr ed ice la
de cis ión del
mo no uti liz an do la res pu est a de la ne ur on
a (fi gu ra 15).
Estas pro ba bil ida de s cre ce n du ran te el tra ns
cu rso de l perio do de co mp ara ció n. No tablem en te, los índ
ice s mayores
fu ero n en co ntr ad os en las ne ur on as qu e de pe
nd en en funció n de f2 - fl . Lo an ter ior es co ns ist en te co
n otr os análisis
dis cu tid os pr ev iam en te, do nde se en co ntr ó
tln a asociación
m~ y ~~ rte en tre la act ivi dad de la ne ur on a
y la co nd uc ta
ps1cof1s1ca. La fue rza de est a aso cia ció r es co
mp ara ble co n
1
272
FIGURA 14
Dinámica de las poblaciones neuronales de seis áreas corticales durante la tarea
fe discriminación. Los resultados son producto de la expresión matemática utiIZada para la figura 12, que permite decodificar tanto la información de fl YJ2
como sus dependencias a lo largo de los diferentes componentes de la tarea.
Cada punto corresponde a una neurona, aunque durante el periodo de la com¡aranón, una neurona puede mostrar más de una dependencia. Por ejemplo,
os puntos verdes corresponden a la información de fl, los azules aj2y los rojos
el resultado de la comparación (j2 contra Jl). Sl, corteza somatosensorial; S2,
cortezª somatosensorial; VPC, corteza premotora ventral; PFC, corteza prefrontal·' MPC , corteza premotora medial; Ml corteza motora pnmana.
.
.
273
L.1 enrontcH:L1 en ntrns rirruitns l'l'rt'hLth's en t.1r(\1s d<· dis
c1i1nin .1rión ,isu . 1l.
l~na pregi.1nt..1 rruri,tl es ~i estl1 artiYidad dc¡H'tHlit'llh' el(·
J~ - _11 gtna la acthidad de lns rirruitos rortir~llt's 111otnrl'S
generadores del 1110,inlicntn. por tncdio del r u,,I el .1ni111 ~,1
ü1dica la decisión. o si ésta sin1plcn1cntc rc flt:ja u11 :1 ropL 1
efere11te del ron1ando tnotor. I~~n ott~,s palabras, ¿la ~•r ti,~d;HI
asociada a j ' - _ll co11trola los circuitos n1o torcs del rc: n'hro
o es a la ii1Yersa? I11tentan1os dar respuesta a esta prcg t111 Lt
t1tilizai1do el a11álisis de las late11cias del inicio de la artivi
dad p. - JI dtuct11te el pe1iodo de con1paración de hL) 11curo11as de la corteza so111atose11sorial sect1ndaria en rrlaci<>n
al inicio de las laten cias de la actividad f2 - )1 de las neuronas de la corteza 1notora p1imaiia. La respuesta de la corteza motora primaria pt1ede ajt1starse a la función f2 - _//
porque el signo de la diferencia deter1nina el movimiento
hacia cualquiera de los dos interruptores, y los dos movimientos están asociados a t1na actividad diferencial motora.
El análisis mostró que las net1ronas de la corteza somatosensorial secundaria muestran la actividad f2 - JI mucho
tiempo antes que las neuronas de la corteza motora primaria. La señal que fue observada en la corteza somatosensorial secundaria hacia el final del periodo de comparación es
congruen te con el proceso que compara la diferencia entre
f2 y JI. ¿Qué sucede en otros circuitos corticales durante el
rep orte motor de la toma de decisiones?
EL CÓDIGO NEURAL DE 1A RELACIÓN ENTRE 1A DECISIÓN
Y 1A RESPUESTA MOTORA VOLUNTARIA
La corteza som atosensorial secundaria no es el único circuito cortical que m uestra la dinámica del proceso de comparación que antecede a la respuesta motora de la toma de
274
FIGURA
15
Correlación entre la actividad neuron al y la condu cta del mono durant e la
tarea de discriminación. La probab ilidad de elección entre dos alternativas en
función del tiempo: j2 > Jl o j2 <Jl. Esta probab ilidad de elección fue cuantificada del resultado de dos distrib ucione s produc to de los aciertos y de errore s
para los mismos pares de frecuencias. La idea es que si las dos distribuciones de
las respuestas son idénticas, dan un resulta do de 0.5, y si son diferentes muestran valores mayores a 0.5, cercan os a 1. Para este propós ito hemos tomad o las
poblaciones de la VPC (figura 14), pero los resultados son muy siinilares para
todas las respuestas de las áreas estudiadas, a excepc ión de la corteza somatosensorial primar ia (S1 en la figura 14). El trazo verde corres ponde a la información de Jl; el trazo azul a j2; y el rqjo a la depen dencia entre jl y J2. El trazo
amarillo corres ponde a la respue sta de las neuron as de los trazos verde y rojo
cuando el mono recibió la inform ación visual de cuál de los dos interru ptores
(elección entre dos alternativas) debía apreta r para recibir una recompensa.
decisión (Romo et al., 2002; Hernán dez et al., 2002; Rorno
& Salinas 2003· Romo et al., 2004; Mache ns et al., 2005· de
'
'
'
al
et
dez
Hernán
0;
201
al.,
et
Deco
2005;
Lafuen te & Romo,
20'1 O) . Tambié n existe traslape funcion al entre los circuito·~
cortical es para el compo nente de la memor ia de trabajo en
la tarea de discrim inación . Un buen número de las neuronas
de la corteza prefron tal igualm ente respon den en función
de f2, durant e la parte inicial del proceso de comparación
(puntos azules de la figura 14). Como lo indiqué anteriormente, muchas de las neuron as muestr an actividad dependiente de Ji antes y durant e el period o del segundo estímulo. La figura 14 (panel derech o) muestr a que la información de fl se combin a rápidam ente con f2,. De la misma
manera que en la corteza somato sensori al secund aria, las
respuestas de las neuron as de la corteza prefron tal son consistente s con la codific ación de /2,- Ji, en la parte final del
periodo de compar ación, tambié n muestr a una tendencia
similar observa da en las corteza s premot oras medial, dorsal
y ventral. La actividad de estos circuito s corticales ha sido
analiza da detalla dament e, y algunas interes antes diferencias y similitudes surgen entre ello.
Dado que las proyecc iones de los circuito s premotores
son primor dialme nte hacia la corteza motora primaria y a la
médula espinal, estos circuito s cortica les se conside ran fundamen talmen te motore s. Los estudio s recient es muestran
que estos circuitos premot ores tambié n están involucrados
en procesos cognitivos complejos, como las asociaciones sensorimo toras, el recuerd o de accione s motora s, y en la generación de secuenc ias tempor ales de program as moto~es.
Durant e la tarea de discrim inación , un númer o significativo
de neuron as de estos circuito s cortica les respon den a fl, s~igiriend o que tambié n reciben inform ación vibrotác~l
(pánele s derech os de la figura 14). Acorde con otros circuitos corticales, la dependencia de la actividad neuronal es
276
p endientes positivas O negativas . Corno
fw1 ción de
.
,, JI, con
ya discutI previamente, 1.~ neuronas de estos enjambres
prem~tores muestran .act.I~dad dependiente de JI durante
el penodo d e memonzac1on y la mayoría incrementan su
dependencia al final del periodo, justamente antes de la
comparación con f2 (figura 14) . Al igual que para las cortezas somatosensorial .secundaria y prefrontal, las respuestas
de las neuronas refleJan subordin ación en función de f2 -fl..
Es evidente que este análisis muestra cómo la información se codifica de diferente manera a lo largo de los distintos circuitos corticales y en función de los diversos componentes de la tarea de discriminación. Excepto para la
corteza motora primaria, todos los circuitos corticales procesan información de JI y f2. De la misma forma, ni la corteza somatosensorial primaria, ni la corteza motora primaria, procesan información durante el periodo de memorización de fl. Por lo tanto, el proceso de memorización de
esta información se lleva a cabo partiendo de la corteza
somatosensorial secundaria, luego en los circuitos de las
cortezas premotoras y prefrontal, aunque tanto el número
como la dinámica varían entre ellos. Esto nos sugiere que
en ésta y en otras tareas que involucran la memoria de trabajo, existen varios circuitos relacionados y que muy probablemente ' en la dinámica entre ellos reside la capacidad
.
para retener la información sensorial t1tilizada en las acciones voluntarias durante el reporte motor de la toma ~e de-
cisiones. En otras palabras, distintos ci~c~!tos cort1cales
están involucrados en la tom a d e una decision, lo Ctlal ~~s
sugiere que al igual que la memoria de trabaj o, e5ta funnon
. ·b tn·da en la corteza cerebral.
d 1stn
.
se encuentra ampliamente
EPÍLOGO
Desde qt1e se h1ició el abordaje formalmente científico
del ft1nciona1niento del cerebro, es a través de mi investigación qt1e por primera vez es posible explicar cómo el sentir
se traduce en percibir, y cómo esta percepción, provoca la
respuesta 1notora voluntaria consciente. En la vía para aclarar este proceso, la discriminación sensorial ha sido abordada por otros laboratorios de una manera diferente a la
mía. Estos investigadores han demostrado cómo las neuronas de distintos circuitos corticales muestran en su actividad
la toma de u na d ecisión, la cual es función del cambio en la
cantidad física de un solo estímulo (de Lafuente & Romo,
2005). Mi investigación está dirigida a esclarecer la misma
pregunta, pero teniendo como parámetro primordial la
evaluación de las cantidades físicas de dos estímulos sensoriales. En mi tarea, la decisión surge de la interacción entre
la información almacenada en la memoria de trabajo, contra la información inmediata. Así pues, propongo que en la
comprensión de la memoria, reside el mecanismo fundamental inherente a la toma de una decisión que depende
de la evaluación de un solo estímulo o de dos. ¿Cómo se
asocia la memoria con la información sensorial para generar una decisión? Me atrevo a proponer que la memoria de
trabajo en conjunto con los diferentes componentes de la
tarea, reflej a la recuperación de la información obtenida de
los estímulos sensoriales. En este sentido, es muy probable
que en las sinapsis de los circuitos corticales entrenados
durante el aprendizaj e de la tarea se encuentre el sustrato
de esta función cognitiva. De tal manera que las variaciones
escalares provocadas por los estímulos en los circuitos,
modificarían gradualmente las respuestas de las sinapsis Y
estas modulaciones se verían reflej adas en los disparos de
las neuronas (Deco et al.) 2010) . Este mecanismo podría ser
'-278
ulos duran te la
. cación de los estím
resPonsable de la codifi
1os mism os, la memo ria de trabaJ1o y los
de
ión
sentac
e
,.
.~
pt
eriodos de comp arac1 on a través de los circui tos cortic ales
p .
localizados centralment e respe cto a la cortez a somat osensorial prima ria (Hern ánd ez et al., 201 O) .
Nuest ro trab ajo, en e l Instit uto de Fisiol ogía Celul ar de la
uNAM, fue el prime ro en d emos trar las relaci ones causal es
entre la activid ad n euron al y la exper iencia consc iente
(Romo et al., 1998, 2000) . Sin lugar a dudas , esta investigación ha avanzado nuest ro enten dimie nto de cómo el cerebro repres enta las sensa ciones y d e cómo las convi erte en
percep ciones , memo rias y toma de decisi ones. Un ejemp lo
de la influe ncia ejerci da por estos hallazgos es el estudi o de
las interf aces cereb ro máqu ina, vangu ardist a discip lina
de invest igació n en neuro cienci as. Este noved oso camp o
preten de gener ar sensa cione s por medio d e la activa ción
direct a de los circui tos cereb rales de sujetos con mal funcionam iento de las vías senso riales; es decir, en aquell os
sujetos que han perdi do el oído, la vista o el tacto. Mi trabajo tambi én podrí a facilit ar el desar rollo de n uevos proce dimient os que prete nden mater ializa r la intenc ión de efectuar un movim iento en perso nas con lesion es motor as. En
otras palabr as, lo que suced e en sujeto s paralí ticos a conse cuenc ia de una lesión en la médu la espina l, su activi dad
cerebral refleja la intenc ión de mover se, pero no puede n
ejecut ar el movim iento. Detec tar y modu lar esa activi dad,
sería la clave para activa r sus circui tos espina les y devolverles la locom oción .
Haber demo strad o que po d ían in ducirs e sensacio11es
artificiales por m edio d e la estimu lación direct a de los circ~itos cereb rales hizo p a tente n u estro prof11ndo conoc imient o de la mane ra como la inform ación sensor ial reg-ula
1~__actividad neuro 11al (Ron10 et al., 1998, 2000) • Est0 permitio eviden ciar el códig o neuro nal de las perce pciories sen-
27~)
soriales (Salinas et al., 2000 ; Hern ánde z et al., 2000; Luna et
al., 2005) y d e la toma de decis iones (Rom o et al., 1999,
2002, 2004; Hern ánde z et al., 2002 , 2010 ). Pero si mi trabajo arroj a resul tados relev antes sobr e esta idea semi nal, todavía está muy lejos de resp onde r satis facto riam ente la gran
preg unta que desd e un princ ipio ha guia do mis investigaciones: ¿cóm o surg e la expe rienc ia subje tiva de la actividad
de las células nerviosas? Much o h ay todavía p or realizarse,
a pesa r de que jun to con mis colab orad ores h e ap ortad o
evide ncia direc ta de que ésta em erge del dina mism o en los
circu itos del lóbu lo front al.
Los hallazgos m encio nado s,jun to con el desc ubrim iento
del códig o neur on al de la mem oria de traba jo (Rom o et al.,
1999 ) y toma de decisiones (Rom o et al., 1999, 2002 , 2004;
Hern ánde z et al., 2002 , 2010) son pi~zas fund ame ntales
para el en tend imie nto del cere bro hum ano y del que en
plen o siglo XXI igno ramo s casi todo . A difer encia del resto
de la econ omía, la natu ralez a en su infin ita comp lejid ad se
ha enca rgad o de prese rvar sus secre tos, quiz á porque en
ellos radica la razó n de la intel igenc ia, la mald ad o el amor,
justa ment e lo que nos hace difer entes del resto del unive rso y por ello tan incom pren sible s.
REFERENCIAS
D E LAFuENTE V & R OMO R (2005 ) Neur onal corre la tes of subjec tive sen-
sory exp erie n ce. N ature Neurosci. 8:1698-1703.
D ECO G, RoLLs ET & ROMO R (2010 ) Syna ptic dynam ics and decisi on
makin g. PNAS USA. 107: 7545- 7549 , 2010.
H ERNÁNDEZ A, SALINAS E, GARCÍA R & R orv10 R ( 1997) Discri m inatio n in
the sense of flutte r: new psych o physic al n 1 easu remen ts in 111011keys. J Neurosci. 17:63 91-640 0.
H ERNÁNDEZ A, ZAINO S A & R o1v10 R (2000 ) Neu ronal co r re lates of sensory discrin1ina tio11 in the s01na tosens ory cortex . PNAS USA 97:
6191-6196.
280
T-{ERNAfIDEZ A, ZAINO S A & ~OMO ~ (2002) Tem pora l evolu tion of a deci-
sion-making proce ss 1n medi al prem otor corte x. Neurrm 33:959-972.
A, NÁCHER V, LUNA R, ZAINO S A, LEMUS L, ALVAREZ A, VÁZQUEZ Y, CAMARILLO L & ROM O R (2010) Deco ding a perce ptual
decision proce ss acros s corte x. Neuron 66:300-314 .
f-{ERNÁNDEZ
R (1984) Sens ory resea rch in histo rical perspective: sorne philosophical foun datio ns of p ercep tion. Chap ter 1: The Nerv ous System; Vol. 111, Secti on 1; Handbook of Physiology, edito rs, Broo khart,
J.M, Moun tcast le, V.B., American Physiologi,cal Society, pg. 1-74.
LUNA R, HERNÁNDEZ A, BROD Y CD & ROMO R (2005) Neur al code s for
perce ptual discr imin ation in prim ary soma tosensory corte x. Nature Neurosci. 8:1210-1219.
al
MACHENS CK, ROMO R & BROD Y CD (2005) F1exible contr ol of mutu
inhibition: A neur al mod el of two-interval discr imina tion. Science
JUNG
307:1121-1124.
MOUNTCASTLE VB, TALB OT WH, DARIAN-SMITH I, SAKATA H & H WARI NEN
J (1969) Cortical neur onal mech anism s in flutter-vibration studi ed
in unan esthe tized monk eys. Neur onal perio dicity and frequ ency
discr imina tion. J Neuraphysiol. 32:452-484.
MOUNTCASTLE VB, STEINMETZ MA & ROMO R (1990) Freq uenc y discri
rnination in the sense of: psychophysical meas urem ents corre lated
with postc entra l even ts in beha ving monkeys. J Neurosci. l 0:30323044.
RoMo, R, HERNÁNDEZ A, ZAINO S A & SALINAS E (2003) Corr elate d neuro nal disch arges that incre ase codin g efficiency durin g perce ptual
discr imina tions . Neuron 38:649-657.
ROMO R, HERNÁNDEZ A, ZAINO S A & SALINAS E (1998) Soma tosen sory
discr imina tion base d on corti cal micro stimu lation . Nature 392:
387-390.
ROMO R, HERNÁNDEZ A, ZAINOS A, BRODY CD & L EMUS L (2000 ) Sensi ng
witho ut touch ing: psych ophysical perfor1nan ce based on cortic al
microstimu lation . Neuron 26:273-278, 2000.
RoMo R, BRODY CD , H ERNÁNDEZ A & L EMUS L ( 1999) Neuronal corre lates of param e tric work ing m emor y in the prefr ontal cortex. Nature 399:470-473, 1999 .
RoMo R, HERNÁNDEZ A, ZAfNO S A, LEMU S L & BROD Y C (2002) Neur onal
corre lates of decision n1aki n g in secon dary s0111atosensory corte x.
Nature Neurosci. 5: 1217- 1225 .
'-ls\
-
l
& SALINAS E ( 2003) Flutter discrimination: neural codes, perception, n1en1ory and decision making. Nature Reviews Neurosci. 4:
Ro~10 R
203-218.
RotvfO R, HERNÁNDEZ A & ZAINOS A (2004) Neuronal correlates of a per-
ceptual decision in ventral premotor cortex. Neuron 41: 165-173.
SAUNAS E, HERNÁNDEZ A, ZAINOS A & ROMO R (2000) Periodicity and
firing rate as candidate neural codes far the frequency of vibrotactile stimuli. J Neurosci. 20: 5503-5515, 2000.
TALBOT v\TH, DARIAN-SMITH 1, KüRNHUBER HH & MüUNTCAS1LE VB.
( 1968) The sense of flutter-vibration: comparison of the human
capacity with response patterns of mechanoreceptive afferents
from the monkey hand. J Neurophysiol. 31 :301-334.
282
EL P~EL DE lA ACTIVIDAD OSCILATORIA
SINCRONICA EN LAS FUNCIONES COGNI'fIVAS
NORMALES Y PATOLÓGICAS
UHLHAAS
Instituto Max Plank, Frankfurt, Alemania
PETER
Me gustaría abordar un concepto de la escuela de psicología conocida como Gestalt: el papel funcional de las propiedades emergentes asociadas con la percepción. Este concepto hace hincapié, que para comprender la percepción,
tenemos que considerar que las respuestas sensoriales no
son percibidas como unidades aisladas, sino que éstas interactúan con otros procesos para producir representaciones
coherentes de los objetos percibidos.
Max Wertheimer formalizó estas ideas en Frankfurt entre
la década de 1920 y 1930 (Wertheimer, 1922, 1923). Propuso el principio del isomorfismo psicofísico. Por ejemplo, la
representación cerebral de un objeto visual es igual al objeto presentado en el campo visual. Wolfgang Kohler, un estudiante de Max Wertheimer elaboró esta idea en su libro
''Die Physischen Gestalten in Rhue un im Stationaren
Zustand" (Kohler, 1920), donde desarrolló una explicación
muy detallada de cómo podemos entender los procesos
~ociados con la percepción como resultado de las ope~a-ciones del cerebro. Específicamente propuso que, la bwlogía y la psicología convergen al máximo en la teona de l~s
funciones del sistema nervioso. En particular, en la doctn283
na de las bases físicas de la conciencia. Todas las funciones
cognitivas superiores e11cuentran su correspondencia en
los procesos físicos que se conciben c~mo __física "Gestalt".
Estas formulaciones muestran que los c1ent1ficos que trabajaban en el inicio del siglo pasado también estaban agobiados con cuestiones similares como las que estamos investigando hoy en día.
Kohler no sólo propuso ideas teóricas muy interesantes,
sino que también realizó experimentos en sujetos humanos. En 1949, Kohler y Heldt registraron las oscilaciones
cerebrales en el rango de la frecu encia alfa (7 a 13 Hz) en
respuesta a estímulos visuales. Con base en esta observación, llegaron a la siguiente conclusión: "En nuestros experimentos, este ritmo nunca se suprime cuando el entorno
visual se mantiene más o menos constante durante un periodo de tiempo. En cambio, alteraciones en el campo
visual, tales como el movimiento de un objeto, tienden a
perturbar transitoriamente este ritmo."
Aún más relevante y para la discusión actual, Kohler también estaba consciente del _p osible papel de la sincronía
neuronal en el procesamiento de,. información de estímulos
visuales (Kohler y Heldt, 1949). El sugirió que "no hay duda
que después del descubrimiento del ritmo alfa por Berger,
numerosos intentos han tratado de entender la relación
entre las oscilaciones eléctricas y la visión. Los instrumentos
utilizados en estos experimentos han sido generalmente
adecuados a este fin. Si los impulsos nerviosos sincronizados (o mejor dicho, los campos visuales) se propagan a través del cráneo y el cuero cabelludo mientras vemos un objeto, este hecho probablemente habría sido descubierto hace
años. Para saber si esto era verdad, se requerirían pruebas
mucho más rigurosas".
Otras pruebas fueron sin duda deseables; sin embargo,
tomó varias décadas antes de que investigaciones más re284
cientes fueran capaces de demostrar que las oscilaciones
neuronales y _s~ si1:1cronización juegan un papel funcional
en la percepc1on visual. Los experimentos clásicos de Charlie Grey y Wolf Singer (1989) en el Departamento de Neurofisiología del Instituto Max-Planck fueron los primeros
que demostraron el papel funcional de las oscilaciones
cerebrales de la banda gamma (30-70 Hz) asociados con el
procesamiento de información de estímulos visuales. Por
ejemplo, se investigó si la sincronización de las oscilaciones
gamma inducida por un estímulo visual ocurría específicamente en la corteza visual primaria del gato (VI) (figura 1).
Los resultados de este estudio llevaron a la hipótesis de la
correlación temporal: las oscilaciones de la banda gamma
facilitan la sincronización de las descargas neuronales y, por
lo tanto, vinculan dinámicamente el enlace coherente de
grupos de neuronas ampliamente distribuidos a lo largo
de la corteza ·cerebral. ..·
Desde entonces se ha investigado la relación entre la sincronía neuro·n al y funci()nes cognitivas, tales como la atención, la memoria y la conciencia. A continuación trataré de
demostrarles, no solamente el papel funcional de la sincronía en estas funciones, sino también que la sincronía
neu. . ,,,, .
ronal aberrante es relevante en trastornos ps1qu1atncos,
especialmente en la esquizofrenia.
ÜSCILACIONES y SINCRONÍA DURANTE 1AS FUNCIONES COGNITIVAS
El primer estudio que quisiera comentarles fue realizado
por Danko Nikolic y Julia Biederlack (Biederl~ck et al.,
2006) . Estos investigadores examinaron los cambios __e~ las
descargas promedio y la sincronía neuronal co~o codigos
complementarios de la percepción visual. En regis~os de la
actividad neuronal de varios sitios de la corteza VISUal del
285
B
A
12
\
en
ro
• ,-i
0.4 4
/
u
f
~
. 1
(U
!
"d
•rl
u
2..1
~
• ,-i
ou
(U
"d
::tt=
Tie mp o (ms)
e
D
◄
1
·. 1
,►
FIG URA
1
12
b
n.s.
1 '
1
en
ro
u
• ,-i
~
Q.)
~
-~
u
2-1
-~o
~
u
Q.)
~
::tt=
..
Tie mp o (rns)
Oscilaciones sin cró nicas de la fre cue nci a gam ma
y sus vín cul os con la per cep ció n.
Respuestas de la actividad mu lti- uni tari a (MUAs)
de dos sitios con cam pos receptores no sob rep ues tos de la cor tez a visual pri ma
ria de un gat o ane ste sia do. Los
estí mu los visuales con sist iero n en un a bar ra que
se mo vía en el cam po visual A,
o por dos bar ras que se mo vía n en dif ere nte s dir
eccion es C, en am bas condiciones, los campos rec ept ore s res pon die ron a la
dir ecc ión ópt im a del mo vim iento de las bar ras y por lo tan to, no se obs erv aro
n cam bio s en el pro me dio de los
disparos neu ron ale s ent re los dos sitios de reg
istr o (re sul tad os n o mo stra dos )·
Por el con trar io, la sin cro niz aci ón neu ron al ent
re los dos reg istr os d e las MUAS
mo stró cam bios signifi cativos, seg ún las est ima
cio nes de los his tog ram as de la
cor rela ció n cru zad a (CCH ) en B y D , el pic o
cen tral y la est ima ció n del aju ste
de la fun ció n de Ga bor en B, ind ica que el
est ímu lo en A, evo ca u n inc reme nto de la sin cro nía neu ron al, mie ntr as que
el CCH en D , se mu est ra plano,
ind ica ndo la falta de sin cro nizaci ón ent re las
res pue sta s a los est ímulos en C.
(Ad apt ado de Gray et al., 1989.)
286
gato comparar on dire~tam ente l?s cambios promedio de la
desear~ neuronal , as1 como la s1~cronía inducida por estímulos vist1ales qt1e generan cambios en una ilusión visual.
Los res1iltados revelaron la estrecha relación entre una función psicCrfisica qt1e describe la magnitud de la ilusión visual
'
por un lado, y el cambio en la fuerza de la sincroniza ción
entre las neuro11as en respuesta a los estímulos , por el otro.
Al con1parar los cambios en la d escarga promedio y la sincronía provocad os p or estímulos diferentes , los resultados
indican que un aumento en la sincronía produce un efecto
de percepció n que es equivalen te a un aumento en el promedio de los disparos neuronale s. Es decir, si las neuronas
se sincroniza n con más fuerza, el estímulo se percibe con
mayor intensidad . La importan cia de este estudio es que las
conclusion es se basan en la estrecha relación entre la fisiología y la psicoiogía , que se determin aron para todo el
espectro de las propiedad es de los estímulos , superando así
la evidencia correlativ a habitual con base únicamen te en
valores extremos (por ejemplo, entre la actividad neuronal
y las intensidad es mínima y máxima del estímulo). Adicionalmente, los resultados muestran que se pueden obtener
efectos similares con cambios en la descarga neuronal o
con cambios en la sincronía, lo que sugiere que ambos mecanismos pueden incremen tar la prominen cia de las respuestas.
La sincronía neuronal opera en diferentes escalas espaciales. Podemos examinar el nivel local, por ejemplo, en los
registros de una sola unidad , pero también se pueden
analizar las señales macroscópicas, tales co1no los potenciales locales d e campo local (PLCs). M~ gusta~a plantear
ahora la cuestión ·en qué inedida la s1ncron1a neuronal
1
e
.
ar
r~ve
puede
registrada en el electroenc efalogram a (EEG)
el sustrato n euronal de fu11ciones cog11 itivas Supenores,
tales como la concienci a?
287
o
ro
'v
·5
-
~
~
·-N
(U
1-.
~
0 .4
(U
~
..,1
~
~
b
e
o
u
....
o
-
o
Cor rim ien to
de fase
0.05
~
,_
e
o
~
.:
u
~
CD
a:
e
-0.4
·e
-O.OS r;fj
zo
-0.8
-0.15
FIGU RA
2
Pap el de la sinc ron ía en la per cep ción del bril lo. Pan
el sup erior: En los dos estímul os, los círc ulos cen tral es son rod ead os por anil los
anu lare s. Las rejillas presen tada s en el cen tro son fisic ame nte idén tica s. Sin
emb arg o, la may oría de los
obs erva dor es rep orta n hab er visto un con tras te más
fue rte a la dere cha , don de
el cen tro se ve compen sad o en 180 º con resp ecto a su
alre ded or. Pan el infe rior:
Rep orte s psicofísicos de los suje tos a los can1bios de
con tras te perc ibid os com o
una fun ción del desf ase entr e el cen tro y su alre ded
or. Azul: cam bios en la
pot enc ia de la sinc ron izac ión entr e las neu ron as de
la cor teza visual del gato,
cuyo~ cam pos rece ptiv os fue ron cub iert os por est1
mul os pre sen tado s en los
círc ulos cen tral es, y e uyas pref eren cias de orie ntac ión
coin cidi ero n con la orienta ción de la rejilla (Ad apta do de Bie derl ack et al. ,
200 6).
288
.una propie
. como
La conciencia puede ser consid erada
dad emergente. Se h~n propu esto vanos mecanismos neuronales para este fenom eno. Investigadores como Stanislas
Dehaene y Geral~ Edelm ~? hicier on hincap ié en la posibilidad de que la 1ntegrac1on a gran escala de la actividad
neuronal es una caract erístic a que difere ncia el conten ido
inental de un estado consc iente del conten ido de un estado inconsciente. Un mecan ismo sería la sincronización precisa entre conjun tos neuro nales. Varias propie dades hacen
que valga la pena consid erar a la sincro nía neuro nal en el
contexto de la concie ncia. Adem ás de ofrece r un mecanismo que une los atribu tos eleme ntales de un estímulo y por
lo tanto la repres entaci ón de objeto s comp uestos, el enlace
por sincronía neuro nal podrí a confe rir al cerebr o un espacio más amplio y econó mico para la gener ación de una representación. Consi derad o en gran escala, la sincronización de conjun tos neuro nales distantes podría permi tir la
integración de subsistemas, y por lo tanto contar en la generación de un aspect o unific ado de la experi encia consciente por ejemp lo, donde difere ntes fuente s de inform ación están enlaza das en un instan te de tiemp o duran te un
proceso cognitivo (Singer, 2009).
La sincronización de largo alcanc e en el rango de las
bandas beta y gamm a ha sido observ ada en registros electroencefalográficos de region es corticales distantes del c~rebro, cuand o una perce pción surge en respuesta a un esumulo determ inado. Estos resulta dos sugieren que el acoplamiento transit orio de las oscilaciones neuro nales entre
r~giones corticales distan tes puede ser la bas~ para una eficiente comun icació n en tre los circuitos corticales duran te
nd
el proces amien to de objeto s visuales. Por _ejemp~o, cu~ º
dos estímulos visuales difere ntes entre s1 son s1multanearn~nte presen tados, y donde sólo uno debe sei: proce sado
rn1entras el otro debe ser suprim ido, la seleco on de uno
289
parece depender de la sincronía entre grupos de neuronac.;
de la corteza visual primaria, mientras que la descarga
promedio de las neuronas no refleja este pr~ceso.
Recientemente, con el fin de explorar directamente la
relació11 entre la sincronía neuronal y la percepción consciente, Lucía Melloni y sus colegas (Melloni et al., 2007)
diseñaron un paradigma en el que las señales electrofisiológicas relacionadas con el procesamiento consciente e inconsciente de estímulos visuales fueron comparadas directamente. Los sujetos tenían que detectar e identificar una
palabra presentada brevemente (33 ms) entre los estímulos
del enmascaramiento. La fuerza del enmascaramiento se
ajustó de tal manera que en la mitad de los ensayos (repeticiones de los estímulos prueba) los sujetos no tenían ningún recuerdo consciente de haber visto la palabra. Después
de un retraso de - 500 ms se presentó una segunda palabra,
siempre visible, y el sujeto tenía que decidir si las dos palabras eran las mismas o diferentes.
Para investigar las señales neuronales relacionadas con el
procesamiento consciente y la forma en que evolucionan
en función del tiempo, la actividad EEG fue registrada y posteriormente analizada para diferentes medidas de las respuestas neuronales, como lo son, cambios del poder del
espectro de potencia de las señales locales, precisión de la
sincronización de la fase a través de distintos sitios de registro en un amplio rango de frecuencias y los potenciales
provocados. El primer evento electrofisiológico que distingue entre las palabras vistas de las no vistas fue una explosión temprana y transitoria de la sincronización de larga
distancia en la frecuencia gamma. Distribuciones regionales de la potencia espectral gamma y la fase revelaron que
la amrlitud y los patrones de las oscilaciones gamma fueron
e~pac1alm.ente homogéneos y similares para las dos condiciones, mientras que los patrones de sincronía de fase fueron marcadamente diferentes. Se observó una sincronía
290
~
~
t--:i
60
80
20
40
60
o
o
400
eoo
400
Tiempo (m s)
200
600
Co nducción invisible
200
Conducción visibl e
800
800
(1)
~
(1)
u
::::3
(1)
·-e:rou
5
10
15
w
o..
en
(1)
u
o1-,
20 '"O
en
5
10
15
20
N
20
40
60
80
~
1-,
(1)
u
::::3
(1)
u
·-roe::
20
40
60
::r:: 80
..__,.
N
...--..
~
1-,
(1)
::::3
u
(1)
·-e:
ro
u
::r::
..__,.
..--..
B)
o
o
400
600
<400
600
Tiempo (ms)
200
800
•
l
800
Conducción invisible
200
Co n ducció n visible
~
~
5
6
~
g
e:
_
, ro
'"O
Q.)
J ~
--◄
r-~ l s
Potencia de \a frecuencia d el espectro y sincronía de fase durante la d e tecció n de pala b ras visibles e invisibles. Las palabrc.L~ fueron presentadas durante 33ms y aparecieron rodeadas por máscaras e n las que, dependi e nd o de su ilumin ación, los estHnuJos
(palabras) podían ~e r visibles o invisibles. Luego d e unos 500 ms, una segunda palabra fue presentada y los stuetos ten1 ..1n que
determinar ~i era la misrna o diferente a la palabra anterior. A, trazo d e tiempo-frecuencia. B , trazo d e la sincronía de f~e que
1nue~tra el p romedio total para todos los pares d e e lectrodos de registro. Las líneas blancas 1nuestran el n1on1ento en que la
prirnera y la segunda palabra fueron prese ntadas. La escala de color corresponde a la ampli tud expresada en desviaciones eslLu1dares (SO ) , calculado ~obre un p eriodo ba-;e d e 500 1ns. Dos inc re m e ntos e n las oscilaciones ganuna son visibles. Li pnrnercl,
sólo en la condición visi ble, la segunda en a n1ba".i condiciones. B , sinc ro nía d e fase . El p 1in1e r pico sólo está presente durante
la condición \~.,i ble , 1nit'n tra~ que la segu nda se observa para a 1nbas co ndic io n es (Ada ptado d e ~le lloni et al. , 2007)
F1c, l .RA ~
u..
~
._
v
::,
('.,¡
'-"'
~
-
----......
u..
L-
c.,
u
::,
c.;
~
r;:i
·-v
..__..
-
----.....
A)
sigi1ificativa entre los dos hemisferios e ntre los registros
occipital, parietal y frontal, pero solamente durante la condición visible, estando a11sente en la condición invisible.
ÜSCilACl()NFS NEUR()NALFS Y SINCRONÍA C()MO UN MECANISMO
FISl()PATOl ()(;1co DE I A ESQl JIZ()FRENIA
He1110s observado que la sincronía neuronal rep resen ta
tu1 mecai.1ismo fu ncional en procesos cognitivos, y muy probablen1ente en la concien cia también. Me gustaría abordar
la siguiente pregunta: ¿en qué medida la sincronía neuronal puede ser la causa de ciertos tipos d e trastornos psiquiátricos, especialmente en la esquizofrenia?
La fisiopatología de la esquizofrenia ha sido descrita
como un trastorno que implica un déficit en la integración
y coordinación de la actividad neuronal que conduce a disfuncion es en la cognición. Eugen Bleuler acuñó el término
"esquizofrenia" para poner de relieve la fragmen tación de
las funciones mentales. Dado que la sincronía neuronal
podría estar relacionada con la generación de contenidos
mentales coherentes, se puede proponer como hipótesis
que la sincronía neuronal alterada es la base de los déficit
cognitivos de la esquizofrenia.
De hecho, las teorías actuales de la esquizofrenia convergen en la idea de que los aspectos básicos de su fisiopatología se deben a defi ciencic:L~ en la coordinación de los
procesos neuronales que involucran n1í1ltiples áreas corticales. Esta perspectiva contrasta con las opit1io11es a11teriores _que hacían__ ~incapié e n un p roceso fisiopa tológico de
regiones espec1f1cas, con10 la causa subyace 11 te de los signos
y ~ín torr1as de la esq ui1.01 re n ia. Algunos d e los déficit cognitivos asociados con la esqui1.ofrenia, con10 la n1en1oria de
trabajo, atención y percepción, la sincro n ía d e la actividad
292
oscilatoria se ven reflejados en carnbios es
"fi
· pec1 1cos de las
bandas beta (13-30 Hz) y gamma.
Nuestro
punto .de partida para comprender la esquizo·
.
frenia es el estudio de la p ercepción visual (ver Uhlhaas
v Mishara, 2007) . ¿Por qué es importante la percepción vi-
sual en la ~squizofrenia? ~o q':1e se ve son las descripciones
de los pacientes, su exper1enc1a visual y sus alteraciones. El
paciente describe lo siguiente: "Todo lo que veo está dividido. Es como una fotografía que está rota en pedazos y completa de nuevo. Si alguien habla, todo lo que veo desaparece y lo tengo que armar otra vez" (Chapman, 1966). Espero que ustedes estén de acuerdo conmigo en que éste es un
importante punto de partida, la forma en que los sujetos
esquizofrénicos perciben la información sensorial. Esto
sugiere que existe una fragmentación del contexto perceptivo que se puede ver con bastante frecuencia en la fase inicial del trastorno.
Un número importante de estudios EEG/MEG apoyan la
hipótesis que sostiene que los déficit perceptivos y cognitivos se relacionan con una alteración en la sincronía neuronal (Uhlhaas et al., 2010). El análisis de las respuestas a la
estimulación repetitiva, tanto con estímulos auditivos, como
visuales en pacientes con esquizofrenia, ha pu~sto de manifiesto una reducción específica en la potencia de la respuesta en el rango d e las frecu e11cias beta Y gan1 n1a, pero
no en las frecuencias más bajas ( delta Y theta) ·
Recientemente se ha estudiado la participación de las
oscilaciones de alta frecuencia co11 registros EEG/ ~IEG . ~n
.
.
,, · d rante 1·1
percepcion
pac1en tes con esquizofre111a cron1ca t i
'
.
l l 9008) l ~as caras de
d e caras de Mooney (T11ln1ann
f
a ·, ·
,,
d , ,, d ·ld·is de rostros huMoonev co11sisten e n in1agenes
egi ª ' ' · .
d . . ,.
,
.·, :\ , , reuran e 1a ca1a,
manos e n donde todos los tonos gr iscs se
S , .11iza.
bl· , ) y negro. - - e " 11 '- (.
d eJando
así sólo co11tor11os en anc(
<
•
_..
1
,,
~ . . , .vi dad oscilato1 l <.l en e
10 n los carn bios espectrales dt la <.1c ti
29~)
~
e.o
N:)
4
LL
lr,
.01
t i - - ----1
(il
__
01
Tiempo (seg .)
_º _
Tiempo (seg )
-A-
1))
,J
40\
00
,~
,,,
OA
UA
·~
~ CII
iO
vertical
c,ono:,:,a
.i5 0...
E
"1 J
~ 1~
.(¡
o o
o ~ ·g
,o~~.!
I; o<
:~ 1
1~
.,]
,,o
a.. ·~
o
~
(1)
e ~
c.::.J
11- ..,.,.
-~ •ul
-o
(1)
-o
(D .,
8a, ..
_g ..,
B
o
a..
(1)
e
"ü
F
E
(1)
-o
.ICO
.,.. •
;¡; - ·
8.
~a,
10 "
D
e -~
-O
,,
vertical
CTÓ("M"n4
~bd,~
,,
.
Invertido
.(1'
..{) 1
())
Tiempo (seg.)
o
.,
CJ,4
~
o~
os '-_ _ ....,___._ __,.________.__
o~
2
1S
CO
,s
• , 11
E.
Invertido
l
-·
ti<. a.le~ de Mooney (rojo: sujetos csqui'lo fré ni co s; n egro: stue tos n o nnales).
C)~cilacionc5 de alta frecue ncia durante un proceso perceptivo e n suj etos esquizofré nicos. ~ u na imagen en posición \ertical
de una cart:l de Mooney y u na versión invertida de la misma imagen. B, datos d e l comportamiento de los paciente~ con
esqui1.ofrenia crónica (n = 17) y d e sujetos sanos (n = 17) ; porcentajes d e d e tección (izquierda) y tien1pos de reacción (a la
de1 echa). C , potencia del espectro para las respuestas correctas de la posición vertical de las caras de Moonev en el rango de
h ecuencia de 2!1-200 li1. d e los regi~tros pa rie tales; arriba: pacientes normales, abajo: pacie n tes con esquizofrenia. D , curso teruporal de la potencia de la frecu e n cia ga1nrna (60-120 H z) p a ra los e le ctrodos parietales durante la percepcion de 1~ cardS ver-
FI<,l RA
•0
,.
....(1)
u
>J
10,
,:,
''°
ltt
,,,.;
,r,
.,. 1
[I
'11[!
:::,
(1)
e
ü
I
-co
N
LL
~
u
:::,
(1)
e
ü
co
Ñ
I
e
A
rango de frecu e11cia de 25_-200 Hz. En comparación con los
sujetos normal~s; los pac_1en_tes con esquizofrenia mostraron una reducc1on muy s1gn1ficativa en la actividad de alta
frecuenc~a_de la banda _?amma (60-120Hz) en la región parieto-occ1p1tal, acompanadas con un déficit significativo de
la capacidad para detectar la posición vertical de las caras
de Mooney.
Estos hallazgos sugieren un déficit en la regulación de las
oscilaciones de la banda gamma durante la percepción en
sujetos esquizofrénicos. Por otra parte, las deficiencias en las
oscilaciones de alta frecuencia tienen también importancia
clínica. Encontramos que había una fuerte relación entre el
grado de desorganización, es decir, el grado del trastorno
del pensamiento y la reducción de la amplitud de las oscilaciones de alta frecuencia. Además, encontramos una relación significativa entre las tasas de detección y las deficiencias en la actividad de la banda gamma. Un análisis más
detallado ubicó las deficiencias en la corteza temporal
derecha y frontal.
Además de los pacientes crónicos y de pacientes bajo tratamiento con medicamentos, también examinamos a pacientes con primer episodio psicótico, libres de medicamento. Esto es, por supuesto, de mayor relevancia p~ra
excluir la posibilidad de que las deficiencias en las oscil~ciones neuronales sean un artefacto producido por el medicamento. Fuimos capaces de estudiar 20 pacient~s q~1e no
fueron medicados y que tuvieran su primer ~pisodw ?e
esquizofrenia. Ya en el inicio de su trastorno, exiS te un deficit pronunciado en las oscilaciones de la banda ganiina qtle
fueron, sin embargo, algo menores que las encontradas : 11
· d 1ca
' posi'blen1ente
un defi1os pacientes crónicos, lo que 111
.
cit progresivo en el curso temprano de la enfermedad. .
,,
¡, base ele las deft¿Qué tipos de neuronas podr1an ser a "
.
.
·
•
•1! l ·1s 1nte 1ciencias observadas en las oscilaciones gainni(. · --" ..
295
neu ron as que contie11en parv albú min a son espe cial men te
importa11tes para la gen erac ión de las osci laci one s de alta
frec t1en ria. I11for111acion pos t-mo rter o del labo rato rio de
Dav id l~e,vis (Lewis et al., 2005) dem ostr ó que los pac ient es
co11 esqtü1ofre11ia se cara cter izan por tina redu cció n en el
ARN (áci do ribo11t1cleico) men s~je ro de inte rneu ron as
que
co11 tiene11 parv albí nnin a de las cap as 3 y 4 de la cort eza
cere bral . Es interesa11te qt1e este défi cit sea espe cífic o de la~
ii1te rnet 1ron as que con tien en parvalb úmi na, por que la calreti11ina 110 se redt1ce.
Otr os siste mas de tran smi sore s, tale s com o el hipo-funcion ami ento del rece pto r NMDA (N-Metil-D-Aspartato ), tambié11 pod rían jug ar un pap el en la esqu izof reni a. Por ejemplo, la adm inis tración de keta min a, un anta gon ista NMDA,
pue de indu cir en un plaz o muy brev e de tiem po un esta do
psic ótic o en una pers ona nor mal y salu dab le, sien do muy
sim ilar al cua dro clín ico de la esqu izof reni a. De hec ho, se
ha argu men tado que la acti vida d ano rma l de las inte meu rona s que con tien en parv albú min a pue de ser una consecue ncia secu nda ria a un défi cit prim ario de la uni dad excitato ria de los rece ptor es NMDA.
Sli\CRO~ÍA Nt.. CRONAL Y DESARROLLO
En la part e final de mi cha rla me gus tarí a exan1inar el pc1pel func iona l de las osci laci one s neuro11ales clura11te el
de~ arro llo. ~i bien la rela c ión en trc la sincro111a neuron41l
y lo~ p1o(e~o~ cognitivo~ han reci bido u11a gran ~Hencion .
un a.~pc~cto poc o exp lora do e~ el po~ible p(lpel de lJ ~111c roní a neu1 ona l en el dc5ar 1 ollo de la'i 1cde~ cortit'.:tlc...,. l. L~
ose ilacion<..5 y la gt~ne1 aciú n de ,tcti\'iclad neu ron al si11c1 t)1li1.ada cle~ ernp enal l un pap el rrtH ial en la acti \'ida d dep endiente- de auto 01 gani:tac 10n del dc~ arro llo de Lls rede~
neu , onale~ ( l Jhlhaa~ PI (l/. , ~Ol O) .
4
296
l.'I
dt·~.UtPIIU,
l.t
t\\,Hhll , l(' IUl\
<h· t.\S.
. , ' dt• t.,
pt ,1ulcu tutld,,nu·nt.,11,h'llh
( ti.' ,,, u,
s < n' t .t < a Il ·s d t ...
:H tivid·1<l
• ,, <.l lt o 1\ a1, 11 H•..
l( ' (lt · ·
t., , u.,t t ,~ PS\'' thtr hHtt ·s suu·ronit"ts clt·s<'tt lfH'll. . ,111
1
•
•
1111
p,,pcl inqHH t,Hllt' t't\ la t·st ahilizari(u1 dt· t. 1" < o tH·xi<>tH·s. Po,
1, 1c,nphi. 1:1scn 1c1111.1 lt•111por:il l ' t1l1 t • la ar1ividad ¡>l'I' y
p\,,t-~tt,,\pttt ,\ dc utt n de \ll U\ ve nt an:, de d<'< <'ll:,s de ,nilis<'~\\ tHh)s lit' \\<' prl)l\ttut,s i1nplicacio11<'s tun rio11al<·s. L:, <'sti
1uul.h'\\H\ l't\ el l\HH\H' t\to de t., ocurrencia d<'I potencial de
,\t'( HH\ dnr:,ntc t, r r'-·~Ha de la onda thct,1 ( 1H 11,) del hipor.nnpo l1\\'lHcrc la ¡>l)tt' nr iacion a larg-o pht10 (1 rP), 111icnt1~,~ que t:, c.'sti1nularion c.' ll la h;!jada de la 011cl.1 thcta pro
dure una dcprcsi6u prl)lon~ada (1:rn) . l ,a n1isn1a rclacic">n se
1n,1util' t\t' par~, las ()Sri lariont's en el rango de f'rccu c11cias
bt'l,\ , g~1n11n~,, lo que indica que las oscilaciones proporr i()nau una c.'structura te1nporal que pcr1nitc la ali11c¡H ic'> n
c,,,rta dt' t, ain pl it ud v las re lario tH'S ten 1pora les de ac ti\'arion prc.:'. .sinaptira v post-sinéiptica. l◄: n consecuencia, las
<-',tensas tnüdili rario ncs de las co ncxio1H·s si11<iptir:1s
durante el desarrollo de las redes corticales clcpcnclc11 f'und~Hllt' ntaluu.' ntc de la sinrroni,arión cxact~, de 1:, t1ctivicl;1cl
nt' t 1ro 1,:, 1.
l no de los hechos n1a~ evidentes sobre la csquiiofrcni,,
Óll d(.' la (.' ll re rll l C (l il (l d ll ra 11 t(' }¡ l ( l't I ll Si(' i O ll
t'~ \ a l ll,l l\ ires lt\ CL
l l . ·( "' ·'I , •son t·,s
.
' · ,..(11011t·s ele
<l l' l ,\ ,,dolesrcnc1a a la cda< ac u 1t,L e iu,, t s ·
· · .-;i p. .. cx· nin~tr los 11H '
. .
la ,,p.H 1r1on
tard1a de 1a ps1ros1s. ,11 ' 1 ·11
r,,nisn10~ suh, ;1ccntcs al desarrollo t;1nl 1o del <'<' t~·bto v su
.1 'S(}tti J <>l 't( ' lll1l ll('lll()~
l
I
l
, . . .
• <·
l'
(
i;t
g
o
(isiopato
posible p~1pcl en la
1
.
·
, . 1 . l t <·d·1cl de Lt" os<
1
•
•
ll\\c"tig,Hlo lo~ <\Hnhios dcpciH 1icnt< s < < '
1
"
(
(l
ltl
t ~ll< '. \S r ondtH
..
. .
.
l.\t 1011c" lll' llt (HLdc"' 1cl ~1c1011~H 1.,~ < 0 11
•
1
)(
1
L'
t'
l
ll
\
~
11
t
d
)
)~
(
(
.
\
11
l
•
l l\ tuno~ 1dolcsrc11ll'" \ .l<ltilto....,
. •/ (I I ~()()~)) . Se o >l t t
i 1 11
1.
·
•
( cp< 101\ de ( ;n~,s de l\ 1001H ' \ ( l 1 t.l , l" t · •
·1 c s ¡H ' < 110 de p o l< 11< i.t < (
.
11
\\t'lO l\ 1coi"t1os l· l '(, \ '°'l ' at1a l J/() (
· , io11 d( ' 1.,-., 0 "< 1 '
M
•
l ,\'-i
•
•
l
O\( i\.tl'lOlll''-i , , l'-il
( lOl\l''-1 llHllll'HL\" .
( <> lllO
l.t
'-.IIH 1() lll /, <
<..O
00
·~
-
tan:I••
~
:,o
!~
~
~ lD
16()()
,¡~ 0~:
'
~20 _
i:
ti
;;, 60
Ñ 10
_
1
il1~ • r.
1
F
- u
2
1~ ~~.
1
A.dolescenota temprana ( 12- 14 aoos)
Adotescencla tardía ( 15-17 años)
;: 00
-
Adultos (18-21 años)
Nlnez tartlia
p,111'13
Adolo5oenoa
~alOO>-
-
200
l,emoo (mal
-
o
Adulto
F
-
-1 - 200
Olr
2
3
•---
1
8)
o
uempo \ms¡
i
it 20
3o lr.
40
l"...- ... ..,
.f-.---.
..
-
Niñez temprana
NW\oz tardla
f 60,:¡,
50
10p
.•
200
-1
o
W
1
1 2
~
~
,t; .
JÍ
·. '
:.
20-
30 ~
~ 50
!! 40
el
~ •70 ..,..
!- eo
• 70
~
~
2
~,--
,t..,A
-1
1
-·'•,. .-'·; ,10
!'Si
3f;J
...
t,
1
t ' 20)
3o
4
'
,
~:@
Adolescencia temprana (12-14 anos)
Adolescencia tardla ( 1S-17 años)
400
~:;~ Q
Adolescencia tardla
Adolescencia temprana
Adulto
-o
Adultos ( 18-21 anos)
_
-
-
º-200
(1)0 1
o 21
03t-----------
f} Sincronía de fase
Todos los electrodos
(13-30 Hz)
desarrollo de sincronía neuronal asociada con una tarea. Comparación de la pote ncia del espectro de frecuencias de las
o~cilaoone\ en el rango d e 30 a 75 Hz durante la presentación de las caras d e Mooney a diferentes edades y mapas de tiempofrecuencia [eje x: tiempo; eje y: potencial espectral normalizada e n desviaciones estándar (SD) l en adolescentes ternpranos,
adolescentes tardío5 y adultos. Los datos muestran que las oscilaciones gamma aumentan significativamente durante la transición de la .-ldolescencia a la edad adulta. B, comparación d e la sincronía d e fase en el rango de frecuencias entre 13-30 J-lz en
la.\ diferentes edades (panel superior izquierdo) y gráficos d e sincronía de fase de las oscilaciones en la banda beta y gama proff1ec\iL1da1.i en todo~ lo'> electrodos [ eje x: el tiempo; eje y: sincronía d e fase norn1aliLada en desviaciones estánddr (SD) J t'n ado\e~centes te1npr,1no~. aclo\e~centes tardíos y adu ltos participan te~ (Adaptado d e Uhlhaas el al., ~009) .
~
t l(,l RA 5
et)
o
A)
Poder espectral
electrodos panetales
(30-75Hz)
Los resultados indican qt1e el incremento en la tasa de
detección y la reducción del tiempo de reacción se acompañaron con increm entos en la sincronía neuronal en las
bandas theta, be ta Ygamma. Inesperadame nte, sin embargo, esta evolución no fue lineal. Duran te el periodo de la
adolescencia tardía, h11bo periodos en los que la'i redes corticales se sometieron a una profunda reorganización reflej ada en una reducción significativa de la sincronía de fase
y cambios topográficos de sus patrones de la sincronización.
Este periodo de reorganizació n fue seguido por un pronunciado aumento en el poder de la banda gamma, así como
en la sincronía de la fase theta durante la edad adulta temprana, destacando el importante papel de los últimos procesos de desarrollo para la maduración funcional de las
redes corticales.
Como las oscilaciones de alta frecuencia y su sincronización aumentan durante la adolescencia tardía y se asocian con una reorganizació n de las redes corticales, proponemos que en la esquizofrenia, los circuitos corticales no
son capaces de apoyar al régimen de codificación neuronal
que surge en la adolescencia tardía, que se basa en patrones de sincronización más precisos temporalment e hablando, y más cen trados espacialmente . Esto lleva a un colapso
de la coordinación neuronal y, consecuentem en te con la
aparición de psicosis y trastornos cognitivos.
La maduración d e la sincronía neuronal durante la adolescencia es compatible con el desarrollo de las fun~io 11es
cognitivas durante este periodo, que depende ? e la s111 cronía neuronal tales como la memoria de trabaJO Y los pro' así como con cainbios co11ct1rre nces e_ n rre
cesos ejecutivos,
la anatomía y la fisiología (U hlhaas et al., 2010). Espeoficamente, el desarrollo tardío de las oscilaciones de la b_a11da
gamma es compatible con los datos recientes que : u~ieren
· HAe r g·1c·1 en
· · ,,
•
'
importantes e n la n eurou·ansn 11s100 (,A
cambios
~99
la adoles cencia . Hashi moto et al. (2009) mostr ó un predo n1ii1io de las subu11idades GABAa2 en la cortez a pre-fr ontal
dorso-latera l (DLPFC ) del mono dt1ran te el desarr ollo temprano , n1ientras qt1e en los anima les adulto s se expre san
n1ás st1bt1nidades a 1• Esto fue acom pañad o por cambi os
1narca dos en la ciI1ética de la transm isión GABA, incluy endo
t1na redt1cción significativa en la durac ión de los potenciales iI1l1ibitorios postsi náptic os minia tura (PIPS) de las neuronas piram idales . El camb io en la expre sión de la subun idad podrí a propo rcion ar un correl ato direct o del aume nto
obser vado en ampli tud y frecue ncia de las oscila ciones de
la banda gamm a duran te la adole scenc ia, puest o que las
subun idade s a 1 predo minan en las sinaps is de parva lbúmina de las célula s de canast a, que están crucia lment e implicadas en la gener ación de las oscila ciones de la banda
gamm a.
CONCL USION ES
Me gustar ía resum ir los punto s princi pales de mi charla.
La sincro nía neuro nal es una propi edad de las redes corticales, ya que coord ina y aume nta la prom inenc ia de sus
respuestas, apoya ndo así como la base de las funcio nes
cognitivas superi ores. Por otra parte, la sincro nía n euron al
tam~i én pu_ede estar involu crada en la fisiop atolog ía de la
esqu1zo~en1a. Un núme ro impor tante de trabaj os ha pt1esto
de manif iesto las correl acion es entre las defici encias cognitivas y las anorm alidad es en la sincro nía de las oscilaciones
de las banda s beta y ga1nma. Por 1ilti1no, los datos recientes
sugier en que la sincro nizaci ón de la activi dad oscilatoria es
releva nte para el desarr ollo de los circui tos cortic ales, como
lo deinu estra la participació11 ele la sincro 11 ía neuro nal en la
})lasticidad sinápt ica y los can1bios en la frecue ncia y s111300
Cronización
de las oscilaciones neuron-lles d
e
rrollo.
•
urante e1 desa-
AGRADECIMIENTOS
Termino co~ el reconocimien to a mis mentores y colaboradores, espec1al~1ente Wolf Singer. El trabajo que he presentado f11e realizado por Eugenio Rodríguez, Lucia Melloni y Danko Nikolic. Los datos sobre el desarrollo de la
esquizofrenia son de mi grupo en el Instituto Max Planck
para la Investigación Cerebral. Un agradecimiento especial
a Christine Gruetzner y Frederic Roux.
REFERENCIAS
M,
S,
D\V,
SINGER W & NIKOLI D (2006) Brightness induction: Rate enhancement and neuronal synchronization as complementarv codes.
Neuron 52:1073-1083.
CHAPMAN J (1966) The early symptoms of schizophrenia. British J Jle-
B IEDERlACK j , CAsTELO-BRANCO
NEUENSCHWANDER
vVHEELER
dical Psychowgy 112:225-251.
GRAY CM, K óNIG P, ENGEL AK & SINGER W ( 1989) Oscillatory responses
in cat visual cortex exhibit inter-columnar synchronization \vhich
reflecLs global stimulus properties. Nature 23:3~~+~~37.
HA)HlMO'IO T, NGUYEN QL, ROTARU D, KEEN1-\ l'\ T, . -\RlO'\ D, B E~ E\lO \1,
GoI\'1.ALr.Z-B URGOS G & LEWIS DA (2009) Protracted deYelop1nental trajectories o f GABA (A) receptor alpha 1 an~l alpha~ _"ubu:1~t
·
· prnnate
·
P~duatrv
b~.1:
expre~sion
1n
pre f.ron t·il
, c·c.) 1·t1-•v
'" -~- Ht.<)lo<r1ral
M
.
1OJ5-23.
..
Ko1 flJ .R \\' ( 1920) l)ie physisc li cn ( ;estaltcn in Ruhe und itn st~uion.ln~n,Zn~tand . Einc
.
}ll."iC l H ' L' 11 t , 1-~uchuno- Hrau nschzuel~.
n a turpl11losop
{
ti ·
•
¡. rinlt. \ 'iro1ff{ Sohn.
K<>liI LK
. l1 coi .tt· ·lllt'
R. ( 19 ID) ·¡ he cort1c
•
& I lt 11>
) ( u>1u e l 0~):4 l ·1--l l ~).
\\ '
l>I
,.
· .· )tl
¡)lt(tlll \ l '-11 (
4
.
30 1
DA, HASH IMOTO T & VoLK DW (2005 ) Cortic al inhibi tor Yneu"/\,
v _. ·
· '1\.,
h
.
rons and srh11o p ren1a . 1 vaturf I\l'u1RUJ5 1 veurosc. 6:312-324 .
MEU,ONI L, Mül.IN A e, PENA M , 'foRRE S D, SJNGER w & RODRícur:z E
of neuro nal activity across cortical area~
(2007) Synch roniza tion
.
.
.
.
ci.
correl ates with consc 1ous perce pt1on ../ Neuros 27:2858-286S.
SINGE R W. (2009) Con srious ness and neuro nal synch ronization. In: S.
Laure ys, G. Ton oni (Ed s.) . The Neuro wgy of Consciousness. Elseuie,
LEWIS
Ltd. 43-52.
T1LLMANN
e,
w1sRA L
KRANA STER
L,
M,
LEWEKE
MAURER
K&
M,
A, S1NGER w, KoETHE n
PJ (2008) High-frequen~
K oHLER
UHLHASS
gamm a-ban d oscilla tions durin g perce ptual organ ization in chronic and first-e pisod e schizo ph ren ia p atien ts. Soc. Neurosci. Abstr.
54, 2.
U HLHAAS PJ & MlsHA RA A (2007 ) Perce ptual anom alies in schizophrenia: integr ating pheno meno logy and cogni tive neuroscience .
Schizofrenia BuUetin 33:142-56.
G, LIMA B, MELLO NI L, NEUENSCHWANDER S, NIKOU D
& SINGER W (2009) Neuro nal synch rony in cortic al netwo rks: history, conce pt and curre nt status . Frontiers in Integrative Neurosa.
ÜHLHA AS
PJ,
PIPA
3:17.
UHLHAAS PJ, Roux F, SINGER W, HAEN SCHEL e, SIRETEANU R & R oDRIGUEZ
E (2009 ). Neuro nal synch rony durin g huma n develo pment reflects the late matur ation and restru cturin g of functional networks in huma ns. PNAS. USA l 06:9866-71.
ÜHLHA AS PJ, R oux F, RODR IGUEZ E, ROTARSKA:JAGIEIA A & SINGER \V
(2010 ). Neuro nal synch rony and the devel opme nt of cortical networks . Trends in Cognitive Sciences. 14: 72-80.
WERTH EIMER M (1922 ) U ntersu chunge n zur Lehre von der Gestalt.
Prinzi pielle Bem erku ngen . Psychowgische Farschung 1:47-58.
WERTH EIMER M (1923 ) U n tersu chung en zu r Leh re von der Gestalt II.
Psychowgische Forschung 4:301-350.
302
EL PROYECTO "CEREBRO AZUL"
HENRY MAKRAM
Escuela Politécnica de Lausana, Lausana, Suiza
SIMUlANDO EL CEREBRO
Es un gran placer estar de vuelta en México. La razón por
la que estoy aquí es explicar el Proyecto Cerebro Azul, que
en los próximos años
intentará construir un modelo del ce,,
rebro humano. Este es un gran proyecto que ningún laboratorio puede hacer por su cuenta y por ello se va a requerir
la colaboración internacional. El objetivo de este ensayo es
explicar cómo podemos desarrollarlo. Así que para empezar mencionaré dos puntos clave:
- No estamos tratando de construir un modelo único; est0
puede parecer poco interesante. Lo que estamos ~~ndo de construir es un dispositivo que nos permita
Integrar todo lo que sabemos sobre el cerebro Yelabo_rar
una secuencia de modelos acercándonos cada vez mas ª
la biología.
'
.
.._ Esto me lleva al segundo punto. Es importante enfauzar
que el Proyecto Cerebro Azul no es un proyecto de computa · ,
d.
aparatos
cion ni de teoría. No se trata de gran iosos
0 de e
·
cuac1ones
elegantes. De lo que en re alidad se trata,
es d
· tenta repro10
~
un
proyecto
de
biología
en
el
que
se
d
·Por
dUc1r 1 d
mputa ora. c.
,.
os
etalles
de
esta
área
en
una
co
d0 nd
e empezamos?
303
LA COLUMNA NEOCORTICAL
Para entender el sustrato biológico d e la inteligencia, la
memoria, el aprendizaje de los mamíferos, el punto de partida tiene que ser la neocorteza, la parte más nueva del
cerebro. Si queremos entender la neocorteza empezaremos
co11 la columna neocortical, que es el componente básico
de la corteza cerebral. Este microcircuito lo encontramos
replicado cientos de miles de veces en el cerebro humano.
En muchos aspectos, la columna neocortical es similar en
todos los mamíferos, desde el ratón hasta el hombre. La
principal diferencia entre nosotros y los demás mamíferos,
es que tenemos más columnas. Es aquí donde tenemos que
empezar a comprender cómo la columna neocortical está
diseñada, cómo funciona, cómo aprende, cómo está controlada, cómo produce un comportamiento complejo y cómo
se altera durante una enfermedad.
Desde hace mucho tiempo se conoce la importancia de
la columna cortical. Hace 16 años, mi laboratorio inició un
programa de investigación para aprender todo lo posible
sobre una columna cortical, en particular la columna de la
corteza somatosensorial de ratas jóvenes. Creemos que una
vez que hayamos trabajado en el diseño de esta colurnna
· I, seremos capaces de entender el funcionaroie
· nto
cortica
de las columnas en otras partes del cerebro y en otras espe. Durante estos 16 años hemos realizado m ás de 15'
cies.
.
d reb~
expenmentos en la columna cortical. Hemos toma O . .
nad as d e cereb ro de rata y las hemos teñido para 1.d en tifica.r·_
1111
las neuronas de las diferentes capas de la corteza. Con
ero
· d
•
~ 1ctt1Dl
scopios e rayos infrarrojos hemos descrito la e5 tl l 1-o
fma d 1 , ·
· .
· i011e
e os microc1rcu1tos, continuando el trabaJ0 P . se
de Ramón Y C aJa
· 1. E stas rebanadas de cerebro de .raWPºI
111
h an manten1·d0 " · "
•
d
de
ue
. .
vivas duran te largos p eno os ,, ·01 ,t
permitiendo la 1·
. ,.
. ,, electfl
ap 1cac1on de una estimulac1on
ººº
304
onas individuales y registrando simultánea
,,
.
.
mente como
neuronas reaccionan a esta est1mulación E
otraS
.d
.
• stos proto1
se
han
repetI
o
m1
es
de
veces
con
diver
.
co1o5
.
sos tipos de
neuronas en diferentes capas de la columna.
•Qué hemos encontrado? Primero que nada se h d
c.
• ·" b" ·
d 1
'
ª escrito la compos1c1on as1ca e a ~alumna. Se sabe que está
compuesta por alrededor de 56 tipos morfológicos de neuronas distribuidos en diferentes regiones de la columna.
Por ejemplo, conocemos que hay cerca de nueve tipos diferentes de interneuronas en cada una de las capas; que las
capas cuatro y cinco contienen dos diferentes tipos de células piramidales y un tipo de célula excitatoria, y que la capa
seis contiene al menos cuatro tipos de células piramidales.
La capa uno tiene únicamente tres tipos diferentes de interneuronas. Una vez que obtuvimos esta información pudimos
construir modelos tridimensionales del circuito cortical.
Por otro lado, cuando se registran las células, se encuentra que no sólo difieren en sus "propiedades morfológicas",
sino también en la forma en que se comportan eléctricamente. Cada neurona se activa de una forma diferente.
Algunas de ellas "tartamudean", algunas producen "explosiones". Esto llevó al descubrimiento de que no sólo tene~~s diferentes tipos morfológicos de neuronas, sino tambien diferentes tipos morfo-eléctricos. Podemos modelarlas
con una simple ecuación de dos parámetros, lo que nos
lleva a otra pregunta.
Por ejemplo, sabemos que el comportamiento de la ne~rona
-.
,, ·
como acetil,, .
está modulado por mensaJeros qu1micos,
colin
·
europepndos
a, noradrenalina serotonina, doparrnna, n
,,
u horm 0
,,
'
h
. ·qué parametros
nas. As1 que la pregunta a ora es. c.
.
de la
. ,,
.
reproducir 1os
e
ecuac1on hay que cambiar s1 queremos
d h cer
e1tctos d
~ E t no se pue e a
f~ .
e estos neurotransmisores. s O
de dos
. ,,
ecuac1on
dci1rne
Parárn nte cuando el modelo es una
licar una ingeetros. Por lo tanto, tenemos que ap
0 eur
305
. n"a inversa para inve stiga r cóm o las n euro nas t b .
n1e
.
ra ~a
éctri
cam
ente
y
enco
ntra
r los mec anis mos mole
n
el
~1~
subyacentes.
EL CEREBRO EN INGENIERÍA INVERSA
El com port ami ento eléc trico de las neu ronas depende
de los cana les ióni cos, que son prot eína s localizad as en
1
mem bran a de la neu rona y perm iten el fhtjo de iones entr:
el exte rior y el inte rior de la neu rona . El cere bro puede
expr esar cien tos de cana les de ione s dife rent es y cada neurona utiliza una com bina ción dife rent e de canales iónicos
para orga niza r su actividad.
Hem os utili zado una técn ica de "par chad o" (técnica de
patch-clamp) en neur onas indi vidu ales . Para ello utilizamos
una pipe ta para succ iona r un "par che" del citoplasma que
cont iene el ácid o ribo nucl eico (ARN). Desp ués realizamos
una "tran scrip ción inversa" para cam biar el ARN y así poder
ver cuáles cana les ióni cos está n "exp resa dos" en la neurona.
Lueg o expl oram os cóm o dife rent es com bina cion es de estos
canales iónic os se corr elac iona n con dife rent es tipos de
actividad eléc trica de las neur onas .
Lo que enco ntra mos es que ciert os patr ones de expresión de cana les iónic os siem pre prod ucen el mismo tipo de
· nto; si
· ,, del
com port amie
cono cem os el patr ón de expresion
cana l iónico, pod emo s pred ecir todo lo que queremos saber: la dura ción del pote ncia l de acci ón prod ucid o por la
.
· , En
neur ona, su amp litud
y cuán tos pote ncia les producira
.
la may oría de los casos, las pred iccio nes tien en un 9o%
1 1 ad. Tam bién pod
confi bºlºd
emo s trab aiar en el senU·do 1nvers?· Pode mos obse rvar el com port ami:iento eléctrico Yprerned~cir los cana les ióni cos suby acen tes. No tene mos que de
dir el com port amie nto eléc trico o los cana les iónic~s ·os
1
cada neur ona p 0 d
.
d
princ
tp
·
emo s pred ecir los a part ir e
ª
306
?e
bási~os. Este tipo ?e ing~niería inversa permite hacer predicciones del func1onam1e nto de las neuronas.
CANALES IÓNICOS
Buscando en la literatura no se encuentra un solo modelo de canal biológicamen te detallado; se describen modelos
genéricos de canales de sodio, de potasio, de cloro, de calcio, etcétera, pero no los canales que encontramos en las
neuronas reales. ¿Cuál fue el siguiente paso? Iniciamos un
proyecto de "canalización ". Expresamos cada gen del canal
en una línea celular. Después tomamos las células y las simulamos eléctricament e, utilizando el protocolo estandarizado. Por cierto, no se necesita de un Premio Nobel para
hacer esto. Todo lo que se requiere es un robot que pueda
realizar automáticam ente la técnica de "parchado", lo cual
permite obtener un conjunto de registros que miden la
cinética del canal.
Después, ajustamos la información de acuerdo a los parámetros del modelo de Hodgkin-Hux ley usando un algoritmo genético. Hacemos lo mismo para cada tipo de canal
iónico. También podemos repetir el experimento para saber qué pasa cuando la célula se expone a diferentes neuromoduladore s. En otras palabras, podemos calcular cómo
va a reaccionar la neurona cuando se expone a una hormona, a un neurotransmi sor o a un fármaco. Más importante
aún, podemos hacer modelos matemáticos precisos de cada
tipo de canal iónico expresados por los distintos genes. ·
EL CONECTOMA
· al tán conectaLas neuronas de una columna neocoruc es
das a otras neuronas dentro y fuera de la columna, algunas
307
muy cerca, algunas a mayor distancia, y nunca actúan Por
su cue11ta.
El siguiente reto es revertir la inge~iería del "conectornal)
de la coltm1 na cortical, que es el conJun to completo de co-nexioi1es sinápticas que enlazan las neuronas en un ecosisteina. El primer paso es registrar pares de ~euronas, a las
cuales se les inyectan colorantes. Esto permite reconstruirlas y visualizar sus conexiones. Si repetimos este procedimiento muchas veces, podemos mapear todos los sitios de
contacto entre el axón de la primera célula y las dendritas
de la segunda. Es claro que sólo la medición de las neuronas individuales no nos permite reconstruir un modelo general. Con más trabajo se podrán resolver los patrones
generales de la conexión pre y post-sináptica entre los diferentes tipos de neuronas. Esto es muy útil, pero todavía no
es suficiente.
TRANSMISIÓN SINÁPTICA
Antes de entrar en este tema, debemos hablar de la transmisión sináptica, que es el mecanismo que transmite la información de una neurona a la siguiente. No hace mucho
tiempo, solíamos hablar acerca de las sinapsis en términos
de su "fuerza". Pero hoy sabemos que las cosas son más
complejas que eso. Las sinapsis no solamente tienen una
"fuerza", sino también tienen una dinámica la forma en
' en escalas
que se da la transmisión de información tanto
' en otras de mude tiempo muy corto (milisegundos), como
cho más largo plazo: segundos, minutos, días, años. Limitándonos a la dinámica de corto plazo nos encontrarn~s
con que la_ n~o~orteza tiene seis tipos diferentes de sinaps15
Y que la dinam1ca de cualquiera de ellas depende de ~ctores como la facilitación sináptica, la depresión sinápoca,
308
las probabilidades de la liberación de neurotransmisores
etcétera. Así que ahora podemos registrar pares de neur;
nas que per~enecen al mi~mo tipo o de diferentes tipos
morfo-electr1cos y determinar cuáles son sus dinámicas.
Una vez que sabemos esto podemos construir modelos en
los que las sinapsis se comportan de la misma forma que las
sinapsis reales que encontramos en la columna. Como lo
mencioné al principio de este ensayo, no es un proyecto de
muestreo. El proyecto Cerebro Azul es realmente un proyecto de biología que utiliza el modelado para generar toda
la información y el conocimiento juntos.
MODELANDO EL CEREBRO
¿Qué aspecto tiene el modelo del cerebro? El modelo se
basa en sólo tres clases de ecuaciones. Para las neuronas
utilizamos las ecuaciones de Wilfried Rall (1992) que se
desarrollaron hace muchos años y han sido muy útiles. Para
los canales iónicos, usamos el modelo de Hodgkin-Huxley
(1952), y para las sinapsis, tenemos nuestro propio modelo
sináptico (el modelo Tsodyks-Markraffi, 1997) qt1e representa la dinámica sináptica que previamente comenté.
¿Cómo construir modelos? Cuando empecé, lo primero
que hice fue acudir a uno de los mejores investigadores del
mundo en el modelado de las neuronas, Idan Segev. Le
dije, "ldan, no podemos tomarnos tres años para mode_lar
una neurona". Ésa es la forma en que solen10s trabaJar.
"Idan, esto no va a funcionar, tenemos que ser capaces de
apretar un botón y crear millones de neuronas "· Idan n1e
contestó: -"los físicos nos han dicho qt1e es ttn pro?lema
dernasiado grande millones de neuronas significa miles de
Inillones de grado; de libertad. No hay manera de que vaya
a predecir lo que hacen". Pero yo le dije: tú sabes, hay una
309
salida, por que hay algo que_ los fisicos no sab en. ~n bio.
,,
de libertad
1ogia, n 0 tienes miles de mil.lon. es .de graydos
h
,
tienes miles de mil lon es de lim itac ion es.
ay mu y pocas
luciones que van a coi nci dir con tod as ellas. Así que lo
~:e ten em os que hac er es jun tar tod as las limitaciones.
Tom em os una neu ron a y vea mo s su mo rfo log ía y su compor tam ien to eléctrico. Ya_ ~a~emos que deb e ten er u~ cierto con jun to de canales ionicos; no pod em os cambiar la
composición, deb em os util izar lo que los gen es dictan.
Tam poc o pod em os cam bia r la cin étic a del can al como
solemos pro pon er, por que eso no es lo que la bio log ía hace,
que serí a una mu tac ión del can al. Pod em os hac er una estima ció n de cóm o los can ales está n dis trib uid os en las dendritas, así que deb em os de pon er esta lim itac ión también.
Lo úni co que no sab em os son las can tida des relativas de
cad a tipo de canal. Tod o lo que se nec esit a es un algoritmo
genético relativamente sim ple y una sup erc om put ado ra
par a enc ont rar el me jor per fil de la con duc tan cia . Por lo
tan to, mo del ar las pro pie dad es de cad a tipo de neu ron a no
es tan difícil, des pué s de tod o ya lo hem os hec ho. Podemos
apr eta r un bot ón y cre ar cua lqu ier núm ero de neuronas,
millones si es necesario, con un ma yor gra do de precisión
de lo que antes era posible.
Por otro lado, tam bié n val ida mo s los mo del os de varias
m~ era s diferentes: de aba jo hac ia arri ba, y de arri ba hacia
Ten em os que con stru irlo s lo má s bio lóg icam ent e pos1ble Ylue go ;'~i dar las pro pie dad es em erg ent es que nunca
fue~on exphc1tarnente pro gra ma das . Por ejem plo , Jacky
Schdler (2009) en Israel ha hec ho un con jun to de expenme nto s en los que se esti mu ló la den dri ta en mu cho s lugares, ~ ti:m po que se registró des de el som a. Esto permití~
me dir
• te y el
. como dismi·nuye la cor nen
voltaje en las rarn1fi~aciones de la den drit a. Dic ho estu dio tom ó años. Hoy en
d1a, pod em os con stru ir ins tru me nto s virtuales par a hacer
ª?d:1º·
310
,.
experimentos in Silicon. Podemos ap re tar un b oton
d.
ir
me
y
todas las neuronas en todos los lug
ares que queramos
·
d
Nuestras neuronas modelo se comporta
manera
una
e
ron
d
. ·¡
.
muy sun1 ar a sus atos experime ntales p 0 d emos revisar
los
·
1
modelos contra os resultado s experime n tal es. Se trata de
·
· d
,.
una estrateg¡a e aJUste cero ' donde no se tocan 1os para· una
metros de un modelo, porque eso es como 1·ntrod uc1r
en1:ermedad. Debemos encontra r cuál es el parámetro biológicamente corr~cto. De hecho, podemos demostrar que
no tenemos que aJUstar el modelo para obtener los resultados. Así que estamos listos para el siguiente paso: la construcción de microcirc uitos completo s.
MICROCIRCUITOS
Tenemos ejemplos de la morfolog ía de neuronas diferentes. También tenemos ejemplos de las diferentes clases
de comporta miento eléctrico y un mapa que nos dice qué
dinámicas de sinapsis se deben utilizar entre los diferentes
tipos de neuronas . Además conocemo s la composición de
las diferentes neuronas en la columna cortical y su distribución. Toda esta informac ión se encuentra en una enorme base de datos que podemos utilizar cuando la necesitemos. Ahora estamos listos para construir un proyecto de
modelo de toda la columna.
. Si tomamos una imagen infrarroja de la neocorteza Yuna
irnagen simulada de nuestro modelo, se puede obs~rvar
,, · os de densidad
.
que ambas son muy parecidas
en termin
neuronal y distribuci ón. Nuestro modelo es más _regul:
P?rque todavía no hemos modelado vasos sanguine~s , .
celulas gliales. Uno de nuestros objetivos es que ~as dol~ imalad os replicar 1ter gen d .
1·es eb1eran coincidir y que po am
1
rep
queremos
,
,
b.
lllent
e la biología. A largo plazo, tam ien
311
(la arquitecturasui..ula estrlictura interna de la. neurona
d .
. ,,.
e
ear
celul ar). Queremos extraer 1n1 ormac1on e imágenes del
microscopio electrónico (M~) y usarlas par~ _cons~uir modelos que coincidan con el nivel de ~~soluc1on._ S1 ;"e compararan imágenes ME reales del t~pdo, con 1magenes ME
virttiales del modelo , uno no sería capaz de encontrar la
difere11 cia. Esto no es p<lsible aún porque no hay una base
para comen zar a constr1Iir modelos a nivel mcJlecular, a menos qlie conozcamos el espacio en donde las moléculas se
están moviendo, es decir, la geometría interna de la neurona.
Termii1amos n uestro primer modelo de la columna hace
aproximadamen te un año y medio. Lo que h emos estado
haciendo desd e entonces es preparando el marco para dar
a nuestro modelo la exactitud de las imágenes tomadas a
través del m icroscopio electrónico.
Cuando modelamos un circuito, ponemos todas las neuronas juntas utilizando las mismas proporciones de cada
tipo de célula que encontramos en el cerebro, y vemos en
dónde las conexiones se forman. Tenemos que emplear un
algoritmo en nuestra supercomputadora p ara encontrar
todos esos puntos de contacto.
Hay más de 100 millones de conexiones. Ésas son nuestras conexiones sinápticas potenciales, es d ecir, todas las
localizaciones físicas en donde se pued en formar sinapsis.
No s~ ~enen que form ar ahí, p e ro pued en ocurrir _si las
co~diciones son correctas. El siguiente paso es selecc1on~
cuales puntos de contacto se d eb e n convertir en sinapsis,
porq~e sabemos que no todos los p u ntos de contacto se
conVJerten en sinapsis (alrededor d el 10% son puntos de
cont~clo) · Hay algunas reglas b io lógicas que debe01 º~
seguir muy de cerca. Una cosa importante es que las cone,
xiones en tre las neuro nas involucra11 much as sinapsis, h-~~
1!ªr_narnos conexiones rnultisinápticas. El re to es consegt1_1~
. ... couect,t
. ,,
•
~
\ ucna
urucarner1tc·~ u na, J)cq
Jracc10 11 d e 11e t1ro11,ls
31~
ne11ronas
se conectan
flPhen
e
das • Cuando dos
• •
,,.
•
~
,
, .
.
1 ormar conexiones n1ult1s111apt1cas. A partir <le la~ ohservaciones de
los registros , lo q11e h emos mapea<lo e~ la proh<l bilidarl
de que m~ tipo de neurona se roncctc a ni ra. pero ~ólo para
alguno~ _o pos de ncl1ro n~"· En pr1nf ipio. ~~hcinoi;; rptP la
probah1hdad de que estas nPuronas pir~m idalPs ~e ronecten es alrededor ?: 1 10 al 15% . Por lo <pie " 1 ;:ihor;i aplic;irnos estas prol1al_)1hdadcs, porlcn10~ e1cgi1 ld~ neuronas que
se deberan c011ectar, antes de con\~ertir todo.;; ~uc;; punto,; de
c011tacto en sinapsis. Esto nos da alrecledo1 de l n millonr:>~
de sin apsis. Nuestro primer modelo n os to111ó tres años.
,\hora co11strtü1nos una nueva versión del n1ndelo cada
~emana. de hecho podemos co11stnúr una colun1na cnrtic,11
en sólo un día. Los pa~os son n1uy sin1ples: se definen las
neurona~ de acuerdo a la~ ca1acterísúc,L..; n1orfol6~icac; y eléctricas. se hacen clones con variacionc5 estadísticas de cada
uno de los diferentes tipos de ne uro nas, se definen el vol 1n1en y las capas de la colun1na, se cargan la~ nc.;uronas el<.:
acuerdo a ur1a receta de co1nposición de neurona.~, 'iC h 1:-i
can todos los pu11tos de contacto, se aplican las pt CJoab111dades de conectividad entTe las neuronas y se convie1 ten los
puntos de co11tacto en sinapsis de las neuronas que ~t- hc111
seleccío11ado para que se conecten entre sí. En el tutLu o ,
ún icai11e11te se cargarán las neuronas y se utiliL~ll:.lll -d~ur tt1110s de desarrollo y aprendiz~je para haret e~lu
Esto t-s lo que llan1an1os un díagra111a _de tlu¡ u de LL.tb..tJu.
Involucra 40 tifJOS de aplicaciones de ,oJLiua~f d Ltl;l ente~ _q ~Le
he1nos adaptado de aplicaciones dt~ uuu-., lll\ e -.,u.~ tdurc-..,_ •'
que nosotros he111os de~arrollado. t~u e,; 1.l lu q ue iuc- rette- _. d.e una 111
- f I ·<-tl' ...:ll
ll(' llll · l UOLÍlll..l Uf L..l
J·u cou la ge11erac1on
"
.
-'
r
.
d
.
.
.,·
;¡t· Hll~ t)U f dt ..lU ) ~UJl .. l'-;
,:>tJlt: t aphcac1011e~ de )o tuHo f ( o iH " " ._
:--,
1
de ilujo de trabajo. 1~1 ol~eti,·o es q llt' pued ..t , et L'UU tu un ..t
}
1
1
l.
•
.·
.
. - t
l' tt iuu h1ulu '1<. Ll
taJa n egr a c... 11 dond, .. ~e 111trodt1t( ,t 111 0111 "
), ~<- g< rH~n_. u11 111odclo cu1110 rc~ ll l L.H l u . l ... l ll'l uulug• 1. t L''°'l..l
1
l."")
4
4
a disp osició n par~, hac er esto_. Nue stra infraest~11ctura ya
p e rnli te con stru ir n1o delo s a nivel <le la n eltr on~ ind ivid ual,
y has ta con 1o 1111 \ n e uro nas. l)c ntro d e dos ano s "ere mos
cap ace s ctc con strl 1ir 1no rlcl os a nive l_mo lec ttl ar, y e n otro s
tres aúo s scrc n 1 o s ca1'larc s de con strl ur un mo fle lo d e l cere
l1ro con 1plc to de roc< lor, rlcs pué s <le) gat o, fle ) mo no y fina)
n1c ntc. del cer ebr o hu1 nan o .
N l 'FY \ ~
1n F.AS
No se pue de con stru ir un mo del o nue vo úni cam ent e a
par tir d e dato s. Es dem asia do com ple jo, por lo que se tien en
ql1e apl icar regl as. Nos otro s enc ont ram os que hay muchas
reg las que se nec esit an y que nun ca han sido pro puestas .
~ec esit amo s gen era r reg las a cad a pas o del pro ces o de
con stru cció n de un mo del o. Por esta raz ón, cre o que vamos
a ente 11d er el fun cio nam ien to del cer ebr o, jus to antes de
term in.a r de con stru ir el últi mo mo del o per fec to. No pod emos mo del ar el cer ebr o sin ent end erlo , sin des ct1b rir sus
prin cip ios fun dam ent ale s de dise ño.
¿Cu áles son los prin cip ios que hem os des cub iert o hasta
aho ra? Alg una s de las prim era s pre gun tas que hem os respon did o está n rela cio nad as con la con ecti vid ad. Cl1ando
bus cam os axo nes que pas an cer ca de las den drit as de una
neu ron a, enc ont ram os 100 mil lon es de con tact os en lU1a sola
col um na. La col um na com ien za com o una tabula rasa. Esto
coin cid e con exp erim ent os qt1e hici n1o s e11 los año s 90's,
cua ndo traz amo s las arb oriz acio nes de cad a axó n y observam os a qué n e uro11as con ectó . Enc o11 tran 1os qt1e en los
circ uito s real es, así com o e n nl1e stro 1no del o, cad a 11eu ron a
tién e una con exi ón a tod as las d en1ás 11et1ronas. Sin en1bargo, sólo un sub con jun to tien e con exio 11e s ftu1 cion ales que
ücn en un bot ón siná ptic o. Por lo qt1e cl1a11do un circ uito
3 14
requiere reconfigurars e, no n ecesita gen erar nuevas arbori,, .
conectarse co11 un· nuevo
, ob:.,1eti'vo . L o unico
.
zaciones para
que necesita es crear nuevos botones sinápticos. Esta situación nos lleva a preguntarnos : ¿nuestro circuito tiene sus
botones sinápticos e~ los lugares correctos? ¿Cómo podemos
capturar las conexiones funcionales? No las podemos
medir todas. Sin e1nbargo nuestra gran computadora, sí.
Necesitamos algún tipo de principio de diseño para poder
aplicarlas automáticame nte. Así que observamos dónde,
para cada neurona, se formaban conexiones de otras neuronas. Sorprendente mente encontramos que las posiciones
de puntos de encuentro eran en las mismas posiciones en
donde habíamos detectado sinapsis en los experimentos.
No importaba si estábamos observando interneuronas ,
células piramidales u otra clase de células, los patrones
coincidían casi perfectamente . No habíamos "ajustado"
nuestro modelo para obtener este resultado. Surgió por sí
solo. La información que estábamos utilizando era la composición de la columna en términos de diferentes tipos de
neuronas y sus formas. En otras palabras, la conectividad (el
conectoma) surge de la composición de la columna y de la
morfología de diferentes tipos de neuronas. Es una propiedad emergente.
Actualmente los EEUU están invirtiendo millones de
'
el co11ectoma. Si es una propiedad
dólares para medir
emergente, no se requiere medirlo, es suficien_te con conocer la morfología de sus neuronas. Pero esta idea es nada
comparada con la propuesta de que las neuronas deben
estar creciendo, independient emente de cada u?a y de su
medio ambiente. Desde hace décadas, todos cre1amos qt1e
se necesitaban mecanismos moleculares n1uy complejos
para orientar el axón a lugares específicos en _las dendrita~.
De hecho, si tales mecanismos estuvieran acuvos, se arrtnnarían todas las morfologías d e las neuro 11as. Hay lt1gares
315
donde el conectoma calculado no se ajusta exactamente
con el conectoma real. La falta de coincide ncia nos dice
que los mecanismos funcionales están activos. Cuando el
modelo es correcto, es lo correcto y cuando no lo es, nos
dice dó11de buscarlo. Por ejemplo, podemos predecir si el
soma tiene que liberar una sustancia química para dirigir
los axones y la dendrita a su alrededor.
Pero, nuestro modelo hace aún más que eso. Predice
todas las conexiones, incluso vías que nadie había registrado jamás. Esto significa que predecimos la existencia de
nuevas vías que podemos explorar, para ver qué tan válidas
son,,. las predicciones.
Este es un ejemplo de un descubrimiento relacionado
con la estructura del cerebro. Nuestro trabajo está comenzando a proporcionar nuevas ideas a niveles funcionales:
celular y del circuito completo.
Ya mencioné cómo capturamos la dinámica de los diferentes tipos de sinapsis. Pero para hacer un modelo funcional, también necesitamos considerar las conductancias de
las sinapsis. Para obtener esta información, tomamos las
densidades del receptor que habíamos medido ·en nuestros
experimentos biológicos y sus conductancias individuales,
junto con datos que habíamos medido en nuestros experimentos del registro de "parche" y los introdujimos en nuestro modelo. El resultado fue que los potenciales postsinápticos excitatorios (PPSE) que medimos eran biológicamente
casi exactos. De nuevo, no tuvimos que ajustar el modelo.
Los resultados salieron por sí solos. Seguir la biología y el
modelado
del cerebro se vuelve más fácil.
,,.
Este fue un resultado maravilloso, pero aún seguíamos
teniendo un problema. Habíamos tomado muestras de las
conductancias de neuronas biológicas y las habíamos aplicado al azar. Pero las conductancias no son al azar. Uno
puede aplicar reglas de aprendizaje para ajustar estas con316
ductancias, pero estaríamos. haciendo una gran supos1c1on
· · ,.
de, que no hay regl~ que ngen las "fuerzas" de la sinapsis.
As1 que antes
de aplicar reglas de
aprendiza1e
volvamos a1
•
.
:1 ,
Iaboratono.
de "parche" nos
·
· Nuestro sistema de reoistro
o...
permite simu1ar una célula y medir cuáles células tienen
co_nexi?ne~ funcionales. Después podemos trabajar en los
microcircuitos que lo forman. Si hacemos esto sistemáticamente para varios grupos de neuronas, podemos comenzar
con preguntas muy generales acerca de los microcircuitos
formados y de la fuerza de conexión entre diferentes neuronas. En este caso estamos interesados en los ensamblajes
tipo "Hebbian". Cuando nosotros comenzamos nuestro trabajo, nadie tenía registros de suficientes neuronas para
poder confirmar su existencia. Así que lo que hicimos fue
buscar la probabilidad de una conexión entre dos neuronas, cuyo peso o "fuerza" sináptica varía con la distancia.
Como se esperaba, las neuronas primero estaban fuertemente acopladas localmente y después se acoplaban menos.
Pero lo que encontramos cuando se redujo el acople, fue
que la conectividad en realidad aumenta con la distancia y
después decae. Todas las neuronas separadas con una distancia de 100 µm estaban fuertemente acopladas. Por lo
tanto, la agrupación como se predijo, parece existir.
Sin embargo, encontramos algo más: la agrupación
puede ser predicha. Por ejemplo, dos personas se escogen
y se les pregunta cuántos amigos tienen en común. Entre
más tengan, es más probable que estas dos pers_onas sean
amigos entre sí. Nosotros encontramos que la m~s~a r~gla
aplica para la conexión de las neuronas. Entr. e. mas vecinos
comunes" tengan, es más probable que ~sten conectadas.
El número de vecinos comunes comparados por dos neuronas predicen la fuerza de la conexión sináptica entre
ellas. Cuando una agrupación de neuronas estaba firmemente conectada, las fuerzas de sus conexiones mutuas
317
eran 111ayores. Cua ndo estuvi~r.on men ~s conectadas, la
fuerza ftie 111e11or. Pode1nos ut1hzar el num ero de vecinos
comunes para pred ecir las erobabilidades de. c~nexión y
pesos O "fuerzas" sinápticas. E~t~ es un descubnm1ento que
sugiere que la arqu itect ura bas1ca del cere bro es determinada , 110 por la expe rien cia o por lo que apre ndam os, sino
que es gene rada dura nte el desa rroll o.
Por lo tant.o: ¿qué hay acer ca del apre ndiz aje? Aprender
significa que la entr ada de info rma ción a un circuito neural pued e darl e form a a! circu ito, com o el borr ón y cuenta
nuev a de John Locke. Esta es la form a en que se supone
que form amo s recu erdo s. Nue stros resu ltado s nos han
dado otra idea.
Las neur onas en nues tros ensa mbla jes siem pre han tenido muc ho más neur onas en com ún que si sus conexiones
hubi esen sido pura men te al azar, sin imp orta r la distancia
entr e ellas. Esto nos sugi ere que todo s nues tros ensamblajes tien en la mism a arqu itect ura bási ca pred eter min ada, y
que la arqu itect ura por sí mism a no alm acen a recuerdos
adquiridos. Si esto es así, la mem oria no dep end e de las
cone xion es intrí nsec as de los ensa mbla jes, pero sí de las conexi ones entr e ellos. En otra s pala bras , la expe rien cia diseña
las cone xion es entr e los ensa mbl ajes para form ar un "mega
ensamblaje" únic o. Los utiliza .c omo bloq ues de Lego. Es en
estos ensamblajes, que las mem oria s se alm acen an en realidad. Hac e algu nos años , Ger ald Ede lma n (aqu í presente)
pred ijo tales repe rtori os elem enta les. Así pues , pare ce que
la visión de Ede lma n del cere bro es más verd ader a que la
de Heb b (1949).
Esto pued e o no ser ciert o. Tod avía no se tien e toda la
evid~nc~a. Pero el pun to es que pod emo s prob ar nuestras
pred iccio nes. Sabe mos que las cone xion es está n form~d~
por mec anis mos de plas ticid ad y sabe mos que ésta es dina. p
.
'
· · la
mica. or lo que nece sitam
os un algo ritm o que utilic
e
318
plasticidad dinámica para llegar a las distribuciones de conectividad, y pesos sinápticos que observamos en nuestros
experimentos. Sabe~os mucho acerca de la plasticidad.
Hemos hecho expenmentos en los cuales "parchamos" siete
células y estimulamos por algunas horas una rebanada con
glu~a~o (neurotrans~~sor excitador). Encontramos que
el c1rcu1to se reorganizo, los botones sinápticos iniciales
desaparecieron y se reemplazaron por nuevos. Como predice la teoría de Edelman (Darwinismo Neural), las conexiones que desaparecen son las más débiles. Éstos son algunos
de los procesos que estamos estudiando, siempre con el
objetivo de reproducir las distribuciones de los pesos sinápticos que encontramos en nuestros experimentos. Si tenemos éxito, habremos descubierto una serie de nuevos principios. Mientras tanto, estamos aprendiendo acerca del
funcionamiento del microcircuito.
EL NIVEL DEL MICROCIRCUITO
Con el tipo de modelo que estamos desarrollando, se
necesita una computadora completa para modelar una sola
neurona. Modelar 10,000 neuronas de la columna neocortical tomaría 10,000 equipos de computadoras. Eso es mucho. Por ello utilizamos una supercomputadora (IBM Blue
Gene) en la que cada procesador tiene el pode_r de 10,000
computadoras normales. Hoy en día, la nuestra nene_ 16,000,
por lo que podríamos fácilmente modelar no solo una
columna, sino 100 (que es de un millón de neuronas con
un billón de sinapsis). Con la ayuda de esta supercomputadora podemos modelar cómo cada neurona individu~ se
activa y la forma en que las señales se propagan .ª traves de
s au,, n no se e1ecutan
en
.
.
•
·
1ac1one
1a sinapsis.
Nuestras simu
?
. .
tiempo real, pero emplean de 10 a 100 veces tiempo real,
319
esto depe11de de lo que queremos registrar durante la simulació11. Cuando simulamos una columna reconstruida, lo
que encontramos es que nuestro circuito produce oscilaciones. Estas oscilaciones pueden comenzar casi en cualquier
capa y se propagan en direcciones diferentes, incluso en
.
dos direcciones a la vez. Esta es una herramienta completamente nueva, muy precisa, que finalmente nos permite
hacer las preguntas que siempre quisimos hacer: ¿cómo se
representa la información? ¿Cómo el cerebro recrea la realidad? Inicialmente se origina en la capa 4, normalmente la
capa de entrada de la corteza, pero de hecho puede comenzar en cualquier lado. Las oscilaciones de baja frecuencia
coinciden con lo que vemos en los fragmentos corticales en
la vida real. Nuevamente logramos esto sin ningún ajuste.
Aplicamos la biología, construimos el modelo, lo ejecutamos y encontramos las oscilaciones sin buscarlas.
Cada semana bajamos de Internet los últimos artículos
y utilizamos los resultados de otros colegas para probarlos
en nuestro modelo. Por ejemplo, Rafael Yuste encontró
que cuando las fibras del tálamo son estimuladas a frecuencias graduahnente crecientes, la neocorteza tiene un umbral
donde repentinamente se vuelve activa. Cuando la frecuencia
de estimulación es de 40 Hz, la corteza se enciende. Repetimos este experimento. Excitamos la capa 4, aumentamos
la frecuencia y vin1os el mismo resultado. A partir de los
expe1imentos, no es posible averiguar si la activación dependiente de la frecuencia de la corteza se debe a la facilitació11 de las conexiones sinápticas del tálamo o a los cambios del u1nbral intrínseco de activación del microcircuito.
Esto 111uestra que el circuito tiene un límite.
~1ientras estábamos simulando el circuito, nos dimos
cue11ta que algunos repuntes de alta frecuencia también
aparecían co11 la estimulación de 50 H z, es decir, surgieron
/
. oscilaciones gamm a entre 60 y 80 Hz. De hech o, e1 micro
circuito es cap~z de gener ar el espec tro comp leto de oscilaciones. Se piens a que se neces ita un rango grand e de
gamm a. Eso n o es
obten
conex iones para
. . er oscila ciones
.
verda~: 1os micro circui tos puede n gener arlos por sí solos.
Tamb1~n se h~ ~ropu est~ q~e la inhibi ción gabaé rgica es el
mecan ismo sinapt lco mas impor tante para la gener ación
de oscila ciones gamm a. Esto es cierto , pero encon tramo s
que la cinéti ca del recep tor NMDA tambi én es impor tante.
Una vez que surge un fenóm eno que no se ha progr amad o,
podem os obser var cómo cada recept or, canal iónico , neurona, vía sinápt ica o cualq uiera otra organ izació n, contri buyen a este fenóm eno. Si no se cuent a con un mode lo detallado, no se podrá n explo rar los mecan ismos subya centes
relaci onado s con los proce sos cerebr ales.
Por otro lado, estam os llevan do este trabaj o a otro nivel.
Const ruimo s un simul ador de multie lectro dos virtual gracias a Elisha Moses (aquí pres~ nte). Simul amos la física de
la estimu lación eléctr ica del tejido cerebr al. Aume ntamo s
gradu almen te la fuerza del estím ulo y observ amos el voltaje integr al en el lugar de la estimu lación . Lo que encon tramos es una regió n de reacti vidad en un mode lo anima l de
autism o exper iment al. La razón de este result ado es porqu e
las neuro nas están hiperc onect adas. Lo impor tante aquí es
que podem os hacer el mism o tipo de análisis con nuestr o
mode lo de comp utado ra. Podem os simul ar el poten cial de
campo , regist rar a partir de donde quer~!11os, en es~e- caso
fue la capa 4, y crear nuest ra propi a region de reactivid~~Despu és podem os obser var todos los espectr_~s de reactividad del tejido simul ado y utiliza r la info~ maoo n para plantear nueva s pregu ntas. Por ejemp lo, ¿cual es el papel de un
canal de calcio activa do? ¿Se puede bloqu ear e~ ~anal Yver
cuál es el efecto en la curva de espec tro o la regio°: ~e re actividad? Podem os crear hipóte sis acerca de la funcio n com321
putacional a cualquier nivel: sinapsis, neu_rona, circuito. Podemos probar nuestras hipótesis y repetir muchos experimentos específicos bien definidos. Sabemos cómo simular
los campos locales generados por las neuronas individuales ,
y toda la colum11a. A partir de esto, hay un paso sencillo
para simular el electroencefalograma (EEG). Por otra parte,
una vez que he1nos modelado el flujo sanguíneo, podremos
simular la resonancia magnética funcional (fMRI). El punto
a enfatizar es que no se trata de modelos, es la investigación
basada en la simulación, una iteración continua entre el
experimento y la simulación, teniendo siempre en cuenta
la replicación de las funciones biológicas.
Para los biólogos, las infraestructuras que estamos construyendo serán siempre una caja negra. Ellos no necesitan
preocuparse por toda la ciencia computacional y las matemáticas usadas. Los teóricos pueden estudiarlas y ver qué
está mal y si algo se puede mejorar. Los biólogos sólo insertarán su información y leerán el comportamiento de sus
modelos. Ellos podrán juzgar qué tan similares son los modelos a la biología, podrán probar nuestras diferentes recetas, y simular su propia idea de una enfermedad. Es una
herramienta para probar hipótesis. Ciertamente hay muchos retos por delante, pero creo que durante la siguiente
década será posible generar un modelo del cerebro huma?º· Estamos _d~sarrollando nuevas estrategias de ingeniería
1;1versa predictiva del funcionamiento del cerebro h11mano.
Est~ es un pI~;1teamiento unificador para la neurociencia.
La,, 1nformac1on y el conocimiento pueden perderse en
articulas, pero pueden vivir para siempre en un modelo.
PREGUNTAS CORRECTAS Y EQUIVOCADAS
Muchas personas me preguntan: "·lo que dices es posible.";)" Consi·dero que ésa es una pregunta
e
errada. Lo que
322
deberíamos preguntarnos es: "¿qué se necesita
h
';)" El
d
.
para acer0
posible.
mun
o
necesita
lo
que
estamos
h
· d o, ya
1
·
. ,.
ac1en
que una tercera parte de la poblac1on mundi'al es tá,,. severa-
m~nte afectada por los trasto\nos cerebrales, cuyos trata1111e11tos cuestan cerca_de dos tnllones de dólares al año. No
podemos damos el luJO de esperar cincuenta años. No hay
un solo tr~storno en el que realmente entendamos qué es
lo que esta mal en el cerebro. No sabemos cómo dentro de
un microcircuito cerebral la información procesada es alterada. Tampoco tenemos idea de cómo un medicamento
afecta el procesamiento de la información en una columna
cortical. No sabemos cómo los medicamentos tienen efectos para controlar la depresión, la esquizofrenia, el autismo,
la ansiedad, las fobias, etcétera. Podemos utilizar un medicamento porque sabemos que el receptor está funcionando
mal, pero ¿cómo está siendo procesada la información?
Hasta que entendamos los mecanismos básicos del cerebro,
es inútil hablar de medicina científica. Esto se podrá lograr
hasta que podamos juntar los millones de pequeños fragmentos de información y conocimiento dentro de un modelo. Podemos hacer "modelos conceptuales", pero no aplicar · medicinas a un concepto. Si no tenemos un modelo
con moléculas y genes, si no podemos simular su acción,
olvidémonos de entender cómo funciona.
El Proyecto Cerebro Azul está tratando d_e construir una
infraestructura en donde todo esto sea posible. Un laboratorio virtual donde los científicos se puedan sentar en espacios 3D un centro de control de misiones, el laboratorio de
neurociencia del siglo XXI para construir modelos, confi~mar hipótesis probar ideas acerca de enfermedades, ap~1.
'
desarro11ar pro, . tesi·s · Podemos. construir.
car medicamentos,
. .
•
¡ si· mular cualquier expencualqu1er instrumento virtua Y . .
,.
·ncluso construir instrumentos qt1e no
.
mento en b 101ogia, e i
d "' N
d
'bl
hoy
en
ia
o
po
emos
son tecnológicamente pos1 es
,, ·.
· os No es facil convencer a
hacerlo todo por nosotros mism ·
323
la neurociencia y especialmente a la comunidad com
·
· porque e 11os quieren
·
tacional de neuroc1enc1a
contin pu.d h .
Uar
haciei1 do las cosas como 1as h an ven1 o ac1endo en los
pasados años. Pero al menos algunas personas están comenzando a entender el ;norme poder ~e ~sta estrategia.
Lograr estas metas tomara una colaborac1on internacional
Espero haberles dado una visión de qué podemos logra;
con el Proyecto Cerebro Azul y qué está en juego.
REFERENCIAS
GM (1987) Neural Darwinism: The Theory of Neuronal
Group Selection. Basic Books, First Edition.
HEBB D (1949) The organization of behavior.John Wiley & Sons.
HoDGKIN AL & HUXLEY AF (1952) A quantitative description of membrane current and its application to conduction and excitation in
nerve. J Physiol. 11 7 (4) : 500-544.
PoLSKY A, MEL B & SCHILLERJ (2009) Enconding and decoding bursts
by NMDA spikes in basal dendrites of layer 5 pyramidal neurons.
J Neurosc. 29 (38): 11891-11903.
RALL W (1962) Theory of physiological properties of dendrites. Annals
N Y. Acad. Sci. 96:1071-1072.
EDELMAN
324
DE LA DIN~C A DEL CEREBRO A LA CONCIENCIA
COMO 1A MATERIA SE CONVIER TE
EN IMAGINACIÓN
M. EDELMAN
Instituto de Neurociencias
San Diego) Califarnia
GERALD
Agradezc o a Pablo Rudomin y a Ranulfo Romo por el extraº:dinario p_..rivilegio al invitarme a participa r en esta espléndida reun1on y por su hospitalid ad. He estado en México
antes, pero nunca tuve el privilegio de impartir una conferencia o participa r en una reunión científica de esta calidad,
y aún más agradeci do por el siguiente comentar io hecho
a mi obra científica por uno de los más grandes poetas en
la historia de México, Octavio Paz, quien dijo en su libro La
llama dobk (1993, páginas 189-190):
Aunque tengo mis reservas acerca del concepto biológico moderno
de la mente, me parece más rica y fecunda que las teorías mecanicistas. Estas últimas ven en las computado ras un modelo para comprenderla y el punto de partida para la fabricación de inteligencia s
artificiales; en cambio, la concepción biológica tiene bases 1nás fir1nes pues se fecunda en la observació n del organismo humano, ese
extraño y complejo compuesto de sensaciones , percepcion es, voliciones, sentimient os, pensamien tos y actos. Una teoría de esta naturaleza es la de Gerald M. Edelman ( 1987), que acaba de publicar un
li9ro que es una fascinante exposición de sus hallazgos Yde s~is hipó51
tesis. No es sólo un tratado de neurobiolo gía de la rnente, no que
325
abar ca otro s temas, com o la apar ición de la conc ienc ia en el curso
de la evol ució n y las relac ione s de la cien cia con la física y la cosmología. Para Edel man la men te es un prod ucto de la evol ució n y, así,
tiene una histo ria que es la de la mate ria mism a, de las partí cula s atómicas a las células y de éstas al pens amie nto y sus creaciones. Se trata
de una cara cterí stica que la espe cie hum ana com part e, en sus formas más rudi men taria s, con los mam ífero s, muc has aves y algunos
repti les.
Rec omi end o este bril lant e libr o que Paz pub licó en 1993.
Des de e11tonces ha hab ido un extr aord inar io pro gres o en la
neu roci enc ia. Estamos aho ra en la pos ició n, com o resultado
del trab ajo de investigación de los neurocientíficos, de decir
algo resp ecto de cóm o el cere bro está con form ado . Somos
cap aces de pre gun tar aho ra ¿cuáles son las ope raci one s
fun dam enta les del cere bro? , y sob re todo , ¿có mo pod emo s
con ecta r la psic olog ía con la biología? ¿Cuáles son las bases
biol ógic as de la perc epc ión? ¿Có mo trab aja la memoria?
¿Po dem os exp lica r la con cien cia med iant e el análisis de la
fun ción del cere bro?
Ten go la inte nció n en esta con fere ncia de toca r el tema
de la con cien cia, que se ha con vert ido casi en una moda.
Qui ero men cion ar ante s que nad a al gra n y ado rabl e genio
William Jam es. Los Principios de Psicología (rei mpr eso en
195 0) con tinú an sien do una s de las mej ores descripciones
del pro ceso y fen óme no de la con cien cia que ha existido
jam ás. Es usu al ped irm e una defi nici ón de la conciencia.
No creo que esto sea muy útil. Pien so que es mej or hablar
de sus propiedades, lo cual Jam es ha hec ho estupendamente.
Así que perm ítan me men cion ar las pro pied ade s jamesianas
de la con cien cia, las cuales he tom ado de su libro. Según
Jam es, la con cien cia es una form a unit aria del estado de
alerta. Por unit aria me refi ero, a que no se pue de ser conscien te sólo de este ded o o de este apu ntad or. Se es consciente de varias mod alid ade s, de un con junt o de estados. Por
1
326
~jen1plo, de los recue rdos de la cerem onia de graduación.
Ade~ás, es un pro_c~~?• n? ~s una cosa. En su famoso ensayo
"¿Existe la conczencza. , Wilh amJa mes (1977) insiste en que
este error se ha come tido consi stent emen te una y otra vez,
no e~ una cosa, es u~ proceso. Es individual O personal. Es
contin~o pero camb1~nte, y a pesar de que integ ra muchas
modalidades, pens amie ntos y memorias, es increíblemente
variable. Tien e intencionalidad, pero no siempre pued e estar
cerca de un estad o de ánim o.
Por ahor a creo que es muy impo rtant e hacer la distinción
entre dos form as de conc ienci a porq ue hay una confusión perm anen te a este respecto. Conc ienci a primaria del
sltjeto es la expe rienc ia de una escena unitaria en un periodo
de segu ndos cuan do much o que llamo el "presente recordado" (Ede lman , 1989), al que me referiré un poco más
tarde en esta charl a. Por otro lado quier o aclarar que no
hay conc ienci a de la conc ienci a, pero en la invención del
lenguaje, la espec ie hum ana desar rolló la conciencia de
orden super ior, que es conc ienci a de la conciencia. Durante este proce so pued en ocur rir narrativas del pasado y del
presente, la semá ntica y en algun os casos la sintaxis. La
semántica por ejem plo ocur re en algunos simios s~pe~ores, pero no la sintaxis del lengu aje puro . La com_un1~ac10~
de un estad o ment al es posible, y requi ere conciencia pnmaria. Para hace r claro este punt o, aunq ue realm ente no
puedo prob ar esto de la mism a form a en que los huma nos
se cone ctan, que son exce lente s para el ~aso, por ~azones
81
éticas, perm ítanm e darle s un ejem plo mas cruel: pateapro. . ente vez que e1 perro nos vea
,,
s1gu1
la
perro
un
mos a
d pero no se senta ra a nues'
bableme nte corra
o nos mue r a,
· ,, Ento nces es
'
. . ,, ' 1
tro alred edor para llam ar nues tra atenc1on.
de
b que hay transm1s1on
e
.
er
sa
e
Xtremadamente impo rtant
ferenc1a que
d
•
''
r~
e
presente recor dado " el mun do inter no gua1e (Ede1rnan,
d 1l
'
t~
e8t.a.
relacionado con los símb olos e en :1
1989).
327
.
io de r estnc
princip
del
. decirles ahora algo acerca
.
.
.
,
.
.
,
wero
a tiende a eti· . .
aui1que la mecani ca cuant.Ic
. ,,Q p .
0
que. .
•
•¡
.f,,.
cion. nn1er ,
ar los ob·
sin embarg o es d1 1c1 euquet
~etas
. .
tar e l n1un do , .
escnto. nos ' etce,.tera
o,,.pi·cos , discurs os, apunta dores,
.
.
microsc
came nte·
el cerebro muestr a una varieda d b1olóoi
t,...
do
,
egui1
S
significativa. La percep ción es adapta ble y sensible al conescuch ado de Ranulfi
texto v el hermos o trabajo que han
o
,.
d
i
1
resalta eso. Te11emos que enten er como el cerebro elabora las categorizacio11es percep tuales, antes de procede r al
entei1din1iento de cómo éste elabora categor ías perceptuales
mucho 1nás comple jas. El movim iento, por supues to, es de
hecho u11 ele1nen to esencia l en la percep ción y como he
dicho, la categor ización percep tual y la general ización
tienen que resolverse en cierto grado, antes de que avancemos a entend er lo que se llama estar conscie nte.
Habien do dicho todo esto, voy referir me a una afirmación que posible mente no pueda defend er en este momen to
por el tiempo asignad o a mi confere ncia: que el cerebro no
es una comput adora digital o una máquin a (Edelm an, 1987).
Puedo darles una lección comple ta en defens a de esta afirmación , pero mientra s tanto discuti ré alguno s aspectos de
la selecció n darwin iana, que espero estén de acuerdo conmigo. Quiero hablarl es del padre fundad or de los grandes
concep tos de la biologí a. El concep to princip al de la biologí~
es la selecció n natural . Charles Darwin ( 1859), quien dio ongen a la idea que yo llamo las ciencia s del reconoc imiento ,
~ pesa~ ?e que él no sabía nada al respect o. Esta ciencia
h;
entend er los mecani smos de la respues
sido utilizada para
.. s
,,
.
inmune Y de como el cerebro elabor a proceso s cogniuvo ·
Así pues, permít anme decir algo acerca de la inmunidad.
Gr~ndes científicos han cometi do el error de pensar que_ la
aJqu1er
.
razon
,. de que nuestro organis mo pueda recono cer cu
·ernplo,
molecu la ti
' ene que ver con una instruc ción. Por eJ
] 'l T
~
ver articulo de Ra
328
nu
lfiO
Romo en este volu1ne n. [N. del Ed.
]
el gran Linu s :aul ing conc ibió la teor ía que las moléculas
pató gena s ten1an un dob lez en su conf orm ació n ' y que es ta
. ,,
· d dl
prop1e a es perm1t1a ser reco nocidas por otras moléculas.
Si~ emb argo , el trab ajo de M_acfarlane Bur net (1960) y el
mio (1972) dem ostr aron que esa no es la form a com o nuestro siste ~a in~u ne reco noce a una molé cula extraña. Teng o
que deci r pnm ero algo más sobr e esto, para que pued an
ente nder el conc epto de reco noci mien to en general. Por
ejemplo, un ~~stema selectivo gene ra diversidad; sin emb argo,
en la evoluc1on, es por supu esto la muta ción . La resp uest a
inm une se da por mut ació n som ática y reco mbin ació n de
genes. En el cere bro, creo , es el micr ocir cuito neur onal con
sinapsis facilitadas, las huel las de la expe rienc ia. El segu ndo
pun to es que todo s los procesos tom an luga r en gran med ida
en las sinapsis, a dife renc ia de la instr ucci ón, don de ustedes
rara men te lo nece sitan .
·Lo que llam o inter acci ones en el med io amb iente y que
uste des ven en la sele cció n natu ral es la com pete ncia , y lo
ución de las especies es la
que real men te resu lta en la evol
,,
evolución-de la coop erac ión. Este es el factor clave, la amplificación dife renc ial y repr oduc ción diferencial. Esto es lo que
la selección natu ral es. En el caso de la respuesta inmu ne, la
cual es enor mem ente dinámica, es la selección clonar. En el
caso del siste ma nerv ioso quie ro prop oner que la propiedad esen cial son los repe rtori os de microcircuitos neur onale s enla zado s espacial y temp oral men te, coordinados por
med io de proc esos "re-e ntran tes" (Ede lman 1987). La selecc ión y coor dina ción entr e div~rsos ~i;cui~os cer~brales se
llevaría a cabo med iant e la amphficac1on diferencial de los
pesos siná ptico s en los circuitos enlazados. A cont inua ción
. .
discutiré estas prop ieda des.
Así, la prim era etap a consiste en el desa rroll o de ~1rcu1tos
cere brale s prim ario s. La sigu iente es el entr ~na~ 1~nt ? de
estos circuitos, que se ve reflejado en los cambios sin~pu~os.
Esto perm ite la inter acci ón diná mica entre los c1rctntos
329
neuronales de difere~~es mapas cereb:ales, y nos lleva al
proble111a de la relac1on: ¿como relaciona el cerebro 1
respuestas de varias áreas segregadas
funcionalmente cuanlso
.
veinos u110 o vaiios objetos? Y m1 respuesta a esa pregunta
e 11 ge11eral, es por medio de "procesos re-entrantes" princi~
palinente. No solame11te ocurre que diferentes áreas corticales está.I1 acopladas en u11 instante de tiempo, sino que
éstas interactúan t:a.1nbién con el tálamo. La interacción entre
los circuitos corticales y el tálamo es de enorme importancia
en el te1na de la conciencia.
Por al1ora quisiera precisar algunas propiedades del
tálan10. P1i1nero, el tálamo está organizado en núcleos
específicos, cuya función primordial de cada uno de ellos es
enviarle información de una sola modalidad sensorial a la
corteza cerebral. Segundo, estos núcleos no se comunican
entre sí, pero en la corteza cerebral ocurre la asociación entre
distintas modalidades sensoriales. Tercero, el tálamo contiene otros núcleos llamados no específicos, cuyo funcionamiento podría estar involucrado en procesos globales del
cerebro, como el estar despierto, por ejemplo, una condición necesaria para la atención, aprendizaje, memoria y por
supuesto, en los estados conscientes en general. Estos núcleos
no específicos parecen ser clave en la generación de los
estados conscientes del individuo. Como un ejemplo de su
importancia, comentaré brevemente el caso de la señora
llamada Gwendolyn. Ella sufrió una intoxicación que la llevó
al coma, y finalmente a lo que se conoce como estado vegetativo persistente. La mantuvieron viva casi 30 años. Sorprendentemente cuando analizaron su cerebro post mortem encontraron que la corteza cerebral estaba básicamente normal,
pero no tenía núcleo intra-laminar (uno de los núcleos no
específicos del tálamo). Esta observación sugiere que eS te
núcleo es importante para mantener el cerebro despierto
( 0 la corteza cerebral), un requisito importante para la gene-
:330
ración de estados conscientes d el individuo. Por supuesto
que no estoy afirmando que en el núcleo intra-laminar del
tálamo reside la conciencia humana. Muy probablemente
los núcleos no específicos del tálamo controlan la activación
global del cerebro. Pero también hay un tercer elemento
del tálamo involucrado principalmente en las interacciones
tálamo-corteza-tálamo: el núcleo reticular del tálamo, una
capa de neuronas que envuelve al tálamo y que podría
modular las interacciones del tránsito de información entre
el tálamo y la corteza cerebral.
Estas observaciones son fundamentales para el estudio
del sustrato biológico de la conciencia. Desgraciadamente
el tiempo no me permite profundizar en una pregunta fundamental: ¿cómo evolucionó la conciencia? Sospecho, y esto
no es más que una hipótesis, que una nueva clase de circuito neuronal se desarrolló entre las cortezas primarias y las
secundarias. Este nuevo circuito neuronal conecta a estas cortezas cerebrales con los sistemas de memoria y sistemas
moduladores (referidos en el párrafo anterior) de una forma
notable. Hace ya algunos años propuse un modelo que
explica estas interacciones, pero es difícil probarlo porrazones éticas. También hay otros problemas de indudable complejidad: el ser consciente de algo (el referente interno) y su
reporte. ¿Cómo es este referente interno? En este sentido
las observaciones hechas en pacientes con lesiones del hipocampo podrían ser relevantes. Al parecer no se requiere el
hipocampo en el estado adulto consciente. De hecho, el famoso paciente HM estaba demasiado consciente (paciente
con el hipocampo lesionado y que no le permitía recordar
eventos recientes) y esto me lleva a pensar: ¿qué sucede en
la corteza cerebral?
Los experimentos de L. Davis son importantes para entender qué sucede en la corteza cerebral. Estudios recientes
331
o cómo se encienden las neuronas de la
han d emoStrad
.
,,
.
.
cor..
• ual primaria (area cortical que
teza vis
. recibe y procesa
,, los vi·suales) ' pero en la
(una
estnnu
. corteza
. inferotemporal
.
región central a la corteza visual pnmana), la actividad de
las 11 eu ro 11as depende de cómo la persona interpreta el
estín1ulo visual. (Tononi et al., 1998.)
Ei1 iivalid ad bü1ocular lo que presentamos al sujeto son
rayas verticales rojas y rayas horizontales azules. En general
le pedimos a los suje tos que no prestaran atención a uno de
los dos estímulos, qt1e fueron presentados simultáneamente,
pero sí al otro. Durante el desarrollo de esta tarea, investigamos la actividad cerebral asociada con estos procesos perceptuales. E11contramos que cuando el sujeto está conscie11te de uno de los dos estímulos visuales, la actividad
cerebral se sincroniza y ésta desaparece cuando el sujeto no
está conscie11te del otro estímulo visual. Investigaciones similares por el grupo de Stanislas Dehaene en Francia
(2001) encuentran exactamente lo mismo que nosotros,
sobre todo en la corteza cerebral. Sin embargo Dehaene y
su grupo no exploró el tálamo durante esta tarea. Creo que
las interacciones tálamo-corticales en estos procesos son importantes para hacer concientes los eventos sensoriales.
Por lo tanto, permítanme recapitular. Traté primero de
definir la conciencia en una forma jamesiana, por la desc_ripción de sus propiedades. Segundo, creo que para discutlr 1~ conciencia con cualquier hipótesis o teoría, tenemos
que Ir a la teoría del cerebro, de otra suerte es como ad hoc.
Tercero, lo que se debe mostrar son las propiedades neuronales que están correlacionadas con la conciencia, aun
~uarrdo no se pueda probar la causa y efecto. Finalmente se
nene que d ecir
· a1go acerca de esas partes importan
.
tes del
cerebro como lo son las estructuras subcorticales, aunq~e
pueden
no estar ct·rrectamente relacionadas con la conci·enc1a.
.
Ciertamente
h
.
.
1 rebe1o
,, ,, .
no ay evidencia, por ejemplo, que e ce
1 .
.
este cr1t1cament
e re ac1onado con la conciencia.
332
,. .
Quisiera ahora abordar una de las h'1potes1s
de ¡
d'
"'
~ conciencia. Esta ice que las bases neurales d 1
. e ª conciencia
·nvolucran u11 "proceso re-entrante O d
•
reingreso"
e
l
.
.
. I ' que indel sistema tálamo-cort1ca
cluye amplias regiones
y que e
.
.
s
d' .b '.
a 1a 1conc1enc1a.
subyacente
. Este proceso istn u1do es al
.
.
~1alsmo tldempd~ a ~ente mtegrado. El sistema tálamo-core uerenc1arse e11 fracciones
uc pue
. . d e segund os y esto
.
' tes
estados d1scr1m 1·nat·1vos cam b1an
enfanza. sus constantes
. ,,
·
Hago h1ncap1e
d en. este proceso, pues da una base para 1a
. ,.
~laneac1on a aptlva durante el comportamie nto. y esto
nende un poco a lo que podría ser el significado evolutivo
de las estructuras neurales subyacentes a la conciencia.
. Ahora voy a la parte riesgosa de esta charla, que está relac1011ada con lo que Henry Markhram ha dicho. ¿En dónde
va Henry? No estoy seguro de que en los próximos 10 años
vayamos a tener un artefacto consciente. No, pero en nuestro Instituto de Neurociencia s creemos que hay otra forma
de abordar el problema, que complementa lo que H~nry
está tratando de hacer (la construcción de una columna de
neuronas, supuestament e la unidad básica de procesamiento
de la neocorteza). En nuestro caso, tratamos de entender la
relación entre el mundo objetivo del comportamien to basado
en el conocimiento de la estructura-fun ción del cerebro,
dado que tenemos los artefactos que procesan información
sensorial y parecen robots, aunque no lo ~on. J?e ~echo, en
lugar de tener un programa de inteligencia artI_fioal, lo que
tienen es un cerebro simulado. Yo no estoy simulando al
nivel de lo que han escuchado de ~enry. Sin embargo, para
contestar la pregunta de si estos obJ~tos _aprenden, tra~~os
de investigar su comportamie nto sm mnguna super~s10~.
Por ejemplo, tenemos una serie completa de es~os d1spos1tivos llamados Darwin 1, 2, 3, 4, y hasta Darwm 10. Sorprendentemen te en estos robots podemos obtener co11 1111
pequeño número de neuronas artificiales, un comportamiento episódico. ¿Pero, podemos estudiar algo al respecto?
333
Trataré de responder a esta pr~gunta con el uso de un
robot que hemos nombrado Darwm 10. Lo que hicimos fue
adaptarle la anatomía del hipocampo dentro de su cerebr
simulado con un dispositivo llamado Da~~n 7, el cual po~
sí solo reco110ce objetos y formas. Ta~?1en h emos adaptado e11 nuestro laboratorio una tarea ut1hzada para probar la
men1 oiia espacial de las ratas. Esta prueba se conoce como
el laberinto del agua de Morris. En este caso particular, una
rata, y asumo que a las ratas no les gusta el agua, porque trata11 de encontrar una plataforma dentro de un estanque
tan pronto son lanzadas al agua. La rata emerge del agua,
co1no resultado de su hipocampo, sin lugar a dudas. Ahora
la pregunta es: ¿podemos adaptar esta prueba a Darwin 10?
Así que inventamos una versión del laberinto del agua de
Morris, donde Darwin 1O tiene una serie de propiedades
que pensamos podrían permitirle resolver la tarea. En primer lugar tiene un sistema visual simulado~ Tiene realmente grandes cantidades de neuronas, algo del orden de 300 a
60,000 y un par de millones de sinapsis como mucho; tiene
unos bigotes, el equivalente a los bigotes de un perro, también tiene un mango que puede sostener bloques de acero de
diferentes formas y tiene decisiones positivas o negativas,
basadas en un sistema de valuación que involucra a la dopa.
,,
rmna, y ¿por que estamos haciendo esto?
La respuesta es que tratamos de entender cómo nos involucramos con el medio ambiente. Lo que hicimos fue poner
en las paredes una serie de cubos diferentes en forma Y
color, luego pusimos un círculo negro dentro del piso .en
don~e el sistema visual no puede detectar realmente la d~eren~~a entre el piso normal y el círculo. Pero cuando el ?!spositivo encuentra el círculo negro recibirá una inyeccion
de d opamina,
·
que será captado por un receptor. ¿C0/wo
puedo hacer que esto suceda? Estoy tratando de comentar·
les el resultado de la prueba. Bien, el robot Darwin 10 es
334
.
entrenado y da vueltas buscando la pared con 1
OS OJOS y 1os
d~c
1
.
bigotes. Mira as uerentes partes de la pared , b usca a1re18 o 20 b{isquedas antes de que
dedor. Le . toma
1 e
cansoi·d
.
, . d e que
el aprend 1zaJe, y entonces lo que hacemos despues
pas_a esa prueba, es ponerlo en un punto diferente y Vemos
que pasa. Notamos que Darwin 10 es muy supersticioso
negro de la pared azul , no me pre-'
nunca llega al patrón
,.
gunte~,,. por ~ue. De hecho hay un robot idéntico que se
sometio al mismo proceso y no hizo eso, pero Darwin 10 se
queda atorado, ya no sabe que hacer. ¿Qué podemos concluir de este experimento? Por ejemplo, durante la simulación, podemos observar la actividad de las células de lugar.
Con este resultado podemos respo·n der a la pregunta: ¿necesitamos un gran número de neuronas para resolver esta
tarea? Lo que sucede en el cerebro simulado de Darwin 10
es que con sólo 19 intentos, y con pocas neuronas del hipocampo se resuelve la tarea.
La conducta de Darwin 10 sugiere que hemos creado
una conciencia artificial. Sin embargo, para ser cierto, una
conciencia artificial requeriría múltiples sistemas sensomotores que sean capaces de distinguir señales internas y
externas. Creo que tendría que tener control autónomo de
las secuencias aprendidas de los movimientos de su cuerpo.
Tendría que tener la habilidad de categorizar las entradas
sensoriales en categorías perceptuales. También tendria que
tener sistemas de incentivos y de valor, proporcionando
recompensas y castigos.
Pero si tengo una conciencia artificial, ¿cómo sabemos
que es una conciencia artificial? Pienso que una forma de
saberlo es por la imagen mental. Si ustedes pudieran ~ecordar una imagen, sin involucrar la imagen motora, 1:1cluyendo por ejemplo, el giro de un objeto e~ el campo VIsual,
notarán en este caso que les toma n1ucho uempo perca~1.r~e
porque de hecho es una imagen espejo Ypor consecuencia
335
una evidencia circu nsta ncia l de una ima ge_n ~ enta l. Nos
rego cijar eino s si pod emos l1ac er una conc ie n cia artificial
que pued a resolver este prob l~m a.
.
Así que perm ítan me resu mi: lo que h e dich o. Creo que
los estad os coi1scientes son ocas iona dos por los procesos "reei1tra.11tes O de re-in greso" entr e grup os d e neu ronas del sistema tálan1 o-co rtica l. Que la evol ució n de este siste ma proporc ioi1a un may or n ú m ero de disc rimi naci ones sen somotoras que son útile s e11 la plan ifica ción y en la supe rvivencia.
Que los "qua lia" son sólo esas disc rimi naci ones que son ocasion adas por la selec ción entr e los dife rent es estad os de las
relacio11es tálam o-co rteza -tála mo. Y que la sele cció n natu ral
de Dar,,vin dio orig en a un siste ma de sele cció n de grup os
de neur onas dent ro del tiem po som ático o darw inism o
neur al, prop o rcio nand o razo nes para el surg imie nto de la
.
.
conc1enc1a .
Me doy cuen ta, con gran·plac er, que hay un gran núm ero
de gente j oven en esta audi enci a. Qui ero de~i r algo ante s de
final izar mi char la. Si de lo que he esta do habl ando tiene
algu na relev anci a, quie ro afirm ar que no som os máq uina s
en n ingu na form a ordi nari a de la pala bra. Cier tame nte no
nos estam os conv irtie ndo en máq uina s, som os por supuesto,
prod ucto s de caus a y efec to limi tado s por la fisica, pero sobre
todo , limi tado s tamb ién por la histo ria de la selec ción natural.
Som os el prod ucto de mile nios de sele cció n natu ral, y cada
uno con una dura ción dep end ient e de la sele cció n de grupos neur onal es en mi opin ión. Aho ra, si lo que he dich o e~
verd ad, cada acto de perc epci ón es un acto de creación , Y51
10 que he dich o es corr ecto , cada
acto de mem oria es un acto
de imag inac ión. Esto es disc utib le, pero creo que cambia ~a
form a en que nos perc ibim os y en cóm o deb emos per cibir
las ne uroc ·
·
ienc ias.
Pien so que el hec ho es que si algu na vez
llega mos a la etap d
•
. art1
' •fi1c1·a1 , habrá una
a e una conc 1enc
1a
336
enorme emoción, habrá una relación tensa y fructífera entre
la fisica y la biología. Pie11s0 que es un futuro muy promisorio, y creo que ese futuro es extremadamente emocionante
y espero que toda esta gente joven forme parte de esta
aventt1ra.
REFERENCIAS
BuRNET FM (1960) Immunological recognition of self. Nobel Lecture
1960. Lex Prix Nobel en 1960. Stockhold Elsevier 88:559-701.
DEHAENE S & NACCACHE L (2001) Towards a cognitive neuroscience of
consciousness: basic evidence and a workspace framework. Cognition 79:1-37.
EDELMAN, GM ( 1987). Neural Darwinism: The theory of the neuronal
group selection. New York: Basic Books.
EDELMAN, GM (1989). The remembered present: A biological theory of
consciousness. New York: Basic Books.
JAMES, W (1950). The principles of Psychology. 1980. Reprint. New Ycrrk:
Dover.
JAMES, W ( 1977). "Does consciousness exist?". In the Writings of William
James, Ed. JJ. McDermott, 1969-1983. Chicago: University of
Chicago Press.
PAZ, O (1993) La llama dobl,e. Barcelona: Seix Barral, Biblioteca Breve.
ToNONI, G, SHRIVASAN, R, RussELL, PD & EoELMAN, GM (1998) Investigating neural correlates of conscious perception by f~equencytagged neuromagnetic responses. Proceedings of the Natzonal Academy of Sciences USA 95, 3198-3203.
337