Científicos de la Universidad de Oviedo han logrado predecir el comportamiento de redes neuronales que se cultivan en laboratorio, empleando "un novedoso enfoque metodológico que combina la utilización de microchips para registrar la actividad eléctrica neuronal y técnicas de 'machine learning' para el análisis de datos".
El trabajo, publicado en la revista Scientific Reports, puede resultar de utilidad en el diseño de fármacos para patologías como la epilepsia y enfermedades neurodegenerativas, según indican desde la institución académica asturiana en nota de prensa.
La Universidad resalta que el cerebro de los mamíferos posee en el momento del nacimiento redes neuronales inmaduras, que se modifican a lo largo del desarrollo hasta lograr su funcionalidad definitiva y explica que este proceso es conocido como "maduración de los circuitos neuronales".
Al respecto, señala que una investigación liderada por la Universidad de Oviedo ha conseguido "predecir, en cultivos celulares, el desarrollo y comportamiento de estas redes neuronales, lo que puede resultar de utilidad en el diseño de fármacos para enfermedades como la epilepsia, la esclerosis múltiple, la esclerosis lateral amiotrófica, el párkinson o el alzhéimer".
Los investigadores de la Universidad de Oviedo han llegado a esta conclusión tras analizar la evolución de la actividad eléctrica de neuronas corticales de ratón que se desarrollan en vitro.
Para ello, los científicos de la institución académica asturiana emplearon un novedoso enfoque metodológico que combina la utilización de microchips (MEAs), que han permitido registrar la actividad eléctrica neuronal, y técnicas de machine learning de análisis de datos. La conjunción de ambos procedimientos ha arrojado una conclusión muy interesante y es que los patrones iniciales de la actividad eléctrica neuronal pueden predeterminar la actividad de las redes neuronales maduras.
El trabajo, participado por investigadores del Instituto Universitario de Biotecnología de Asturias (IUBA), del Área de Proyectos de Ingeniería (API), del Departamento de Bioquímica y Biología Molecular y del Departamento de Psicología, ha sido publicado recientemente en la revista Scientific Reports, del Grupo Nature.
Antonello Novelli, profesor de la Facultad de Psicología y firmante del artículo, destaca que los resultados del estudio demuestran que es posible conocer cómo serán las conexiones definitivas entre neuronas en cultivo en el laboratorio a partir de sus primeras fases de desarrollo. "Hemos comprobado que, si bien existe variabilidad en los parámetros electrofisiológicos entre los distintos cultivos, es posible predecir en gran parte la evolución de la actividad eléctrica de estos cultivos en las diferentes etapas de su desarrollo", remarca.
Igualmente, sugiere que estas técnicas se podrían aplicar en el estudio de neurofármacos para patologías como la epilepsia o enfermedades inflamatorias o neurodegenerativas.
Novelli destaca que este hallazgo permite acercarse "un poco más a la medicina personalizada", un campo cada vez más estudiado y con un gran futuro. "Todos los seres humanos somos diferentes y los patrones de desarrollo de una hipotética enfermedad también difieren en función de cada individuo. En el futuro, podría predecirse el avance de la enfermedad y su comportamiento y definir biomarcadores personalizados que nos permitieran utilizar fármacos específicos para obtener la mejor respuesta al tratamiento", subraya.
Antonello Novelli apunta además otra posible aplicación en el campo de los trastornos del espectro autista (TEA): "Hoy sabemos que no todos los niños con TEA consiguen desarrollar las mismas capacidades. Es posible que en un futuro podamos predecir también las posibilidades de desarrollo de las capacidades de cada niño en función de la evolución de sus patrones electroencefalográficos".
La investigación
La Universidad concreta que para llevar a cabo este trabajo, los investigadores clasificaron la actividad espontánea de las neuronas corticales en cultivo en base a 18 parámetros electrofisiológicos relacionados con variables particularmente relevantes de la actividad neuronal.
Entre estas variables, el análisis de minería de datos identificó el grado de sincronización de la actividad eléctrica neuronal y la presencia de ráfagas de potenciales de acción, también llamados bursts, entre aquellas que definían en mayor grado la actividad neuronal de tres etapas del desarrollo temprano de las neuronas en cultivo.
Sobre la base de estos resultados, se aplicaron técnicas de análisis de clustering que también permitieron identificar grupos de redes neuronales con patrones de desarrollo claramente diferenciados, según cuales fuesen los valores de dichas características electrofisiológicas al inicio del cultivo.
Además, la utilización de modelos de machine learning corroboró que se puede predecir con gran precisión los valores de variables de ráfagas y del grado de sincronización en la tercera semana en cultivo a partir de los valores iniciales.
