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