Ingeniería inversa del cerebro

Wikimedia Commons user Wolfgangbeyer
Fuente: Usuario de Wikimedia Commons Wolfgangbeyer

¿Podemos aprender todo sobre el cerebro estudiando las células cerebrales individuales?

Comenzó con una ecuación simple. En 1980, un matemático llamado Benoit Mandelbrot, trabajando para IBM, trazó el comportamiento de los puntos en un avión usando una computadora. Cuando el avión quedó teñido por los resultados, surgió un mundo caprichoso: cetros y espirales infinitamente ramificados, abismos interminables, tentáculos interminables que crecían a partir de bulbos en forma de corazón. Aparece como algo de los triples minutos finales de Kubrick's 2001: A Space Odyssey , solo que mucho más extraño, como un tie-dye pintado por extraterrestres locos.

Wikimedia Commons
El conjunto de Mandelbrot muestra la complejidad sin importar cuánto avancemos.
Fuente: Wikimedia Commons

Casi ninguna de la complejidad del conjunto epónimo de Mandelbrot es fácilmente obvia de la ecuación que trazó Benoit Mandelbrot. Elige un par de números, uno real y otro imaginario. Ahora multiplique este par por sí mismo, muchas veces, y cuente la cantidad de iteraciones necesarias para superar una cierta magnitud o distancia desde cero. Colorea cada par de coordenadas en el plano de acuerdo con el número de iteraciones que el punto tomó para crecer por encima del umbral. Y viola! La complejidad ha nacido.

La asombrosa profundidad de la complejidad encontrada en el conjunto de Mandelbrot puede enseñar a los neurocientíficos una lección sobre las propiedades emergentes. Las propiedades emergentes son cruciales para comprender la complejidad y el cerebro. A diferencia de los fenómenos simples, como el balanceo de un péndulo, las propiedades emergentes como la inteligencia y la conciencia no pueden entenderse simplemente estudiando partes simples de un sistema. Incluso la celebración del libro de reglas, en el caso de Mandelbrot, puede no mostrar fácilmente cómo las reglas resultan en complejidad. ¿Por qué cuadrar cada número y volver a agregar el resultado crea un patrón tan maravillosamente complejo? ¿Por qué un patrón particular de conexiones neuronales permite el lenguaje y la inteligencia? Para estar seguros, mapear células y sus conexiones sinápticas con otras células en el cerebro tiene valor. Si nada más, tales mapas describen qué rutas de comunicación son posibles. Pero esto solo no es suficiente.

Estrechamente relacionado con las propiedades emergentes está el concepto de autoorganización . Esta es la idea de que los nuevos fenómenos pueden resultar de las interacciones entre las partes, sin que ninguna parte lidere o controle el sistema. Considere el pequeño gusano C. elegans . El mapeo de las 302 neuronas y sinapsis en el gusano hermafrodita adulto debería, por la lógica opuesta del reduccionismo , convertir al científico en un mago premonitorio que pueda prever cómo el gusano responde a todos los estímulos posibles. Y, sin embargo, tal conocimiento ha conducido a ideas modestas sobre el comportamiento de C. elegans . ¿Esto sugiere que todavía no conocemos completamente las reglas sobre cómo interactúan estas neuronas? ¿O la simulación aún no es lo suficientemente detallada?

Wikimedia Commons/Dan Dickinson, Goldstein lab, UNC Chapel Hill
El gusano redondo C. elegans. Los hermafroditas adultos tienen exactamente 302 neuronas.
Fuente: Wikimedia Commons / Dan Dickinson, laboratorio Goldstein, UNC Chapel Hill

A veces necesitamos más potencia de fuego. Si tenemos suficientes computadoras potentes, sigue este razonamiento, una simulación nos mostrará cómo cada movimiento y respiración resulta de cada golpe y pinchazo. Tal es la justificación del Human Brain Project (HBP), una empresa cofinanciada por la Unión Europea que ha heredado los objetivos del proyecto Blue Brain de Suiza. Dirigido por el neurocientífico Henry Markham en el Instituto Federal Suizo de Tecnología en Lausana, HBP aspira a ejecutar una simulación masiva de un cerebro humano utilizando la gran potencia de fuego de los supercomputadores en toda Europa. ¡Una de las más importantes es una supercomputadora de genes azules de IBM que realiza casi seis cuatrillones de operaciones de coma flotante por segundo!

En el caso del conjunto de Mandelbrot, las computadoras fueron la clave para desbloquear la complejidad: sin su laboriosa potencia de fuego, es probable que ningún humano vea los patrones inquietantes que surgen de una simple ecuación. Pero para que una propiedad emergente sea simulada por una computadora, se debe conocer el libro de reglas completo. A medida que descubrimos nuevas moléculas y tendencias de desarrollo en el cerebro, nuestra humildad crece con nuestro conocimiento. ¿Estamos realmente listos para construir un modelo de computadora del cerebro humano cuando, hace tan solo unos años, se descubrió que un modelo ampliamente aceptado de conexiones neuronales en el cerebro adulto conocido como la sinapsis tripartita era incorrecto? Y todavía hay un desacuerdo entre los neurocientíficos sobre cuestiones tan básicas como cómo y dónde se almacenan los recuerdos en el cerebro. Otras lagunas en nuestro conocimiento -como los receptores "huérfanos" cuyos padres neurotransmisores aún no han sido descubiertos-subrayan la posible arrogancia de una empresa de ese nivel tan instantáneo.

Es importante enfatizar que incluso los pequeños descubrimientos de este tipo importan. Las causas pequeñas pueden tener grandes efectos. Este concepto, conocido como no linealidad , subyace en sistemas complejos. En el caso de Mandelbrot, cambiar la posición de un punto en el plano por un cabello puede alterar por completo su color o magnitud. En el caso del cerebro, ajustar ligeramente el voltaje de reposo de las neuronas puede alterar por completo su actividad colectiva. La interacción no lineal entre las partes es central para la autoorganización .

En el conjunto de Mandelbrot, existen patrones en todas las escalas, incluso si el observador amplía para infinito. Si bien el cerebro no exhibe un rango de complejidad verdaderamente infinito, sí exhibe estructura y actividad en una amplia gama de escalas de espacio y tiempo diferentes. Se observan patrones de conectividad complejos desde las sinapsis microscópicas hasta la escala del cerebro completo. Esta faceta de la complejidad del cerebro nos insta a no construir nuestra comprensión del cerebro solo en las células, sino en todas las escalas relevantes. De hecho, la "unidad funcional" del sistema nervioso a veces se identifica como la neurona, pero también como estructuras más grandes conocidas como conjuntos celulares y columnas neocorticales.

Markham ha cerrado una charla TED sugiriendo que su modelo de cerebro podría algún día hablar a los humanos a través de un holograma. Los objetivos hercúleos de simular la conciencia o, de lo contrario, mordiendo más de lo que el proyecto puede masticar, han sido las críticas al HBP. Pero si no podemos comprender las propiedades emergentes a través de grandes simulaciones de computadora como HBP, ¿cómo podemos entender el cerebro? ¿Es posible la ingeniería inversa del cerebro?

Flickr user cea+
Henry Markram
Fuente: usuario de Flickr cea +

Un verdadero enfoque de ingeniería inversa requiere la comprensión del cerebro en su nivel más abstracto. Tal comprensión holística trasciende el saber que un gen o región cerebral es necesaria para la memoria o la cognición; explica cómo y por qué. Un artículo publicado en la revista Neuron en febrero exige que los neurocientíficos consideren cómo un circuito en el cerebro podría o debería funcionar antes de diseccionarlo con una gran cantidad de herramientas, del mismo modo que uno necesita comprender conceptos como aerodinámica y levantar antes de estudiar el ala de un pájaro . Esta idea, que se originó con el último neurocientífico David Marr , implica que HBP primero necesita una teoría sobre cómo el lenguaje o la conciencia podría surgir de las neuronas y las sinapsis antes de simular ciegamente miles de millones de ellos.

Hasta que sepamos cómo y por qué un cierto patrón de actividad o pedazo de tejido cerebral es necesario para el comportamiento, no podemos afirmar que entendemos el cerebro. Mientras tanto, siempre habrá espacio para que los teóricos que se encuentran fuera del laboratorio puedan reflexionar sobre nuestros comportamientos y preguntarnos qué maquinaria biológica podría generar tal complejidad. La base de la neurociencia no necesita ser simplemente células individuales, sino también grandes ideas.