La revista Nature Communications publica los resultados de este estudio liderado por el catedrático Àlex Arenas

Entender cómo trabaja una red neuronal, cómo reacciona ante un fallo y prever matemáticamente qué pasará y en qué momento dejará de funcionar. Esto es lo que ha conseguido un equipo investigador liderado por el catedrático del Departamento de Ingeniería Informática y Matemáticas de la URV Àlex Arenas, que ha encontrado la explicación teórica de un proceso muy complejo que permitirá a partir de ahora realizar predicciones sobre el funcionamiento en cualquier sistema de redes. La revista Nature Communications ha publicado los resultados de esta investigación.

La percolación es el proceso a través del cual un sistema de redes sufre una quiebra en un punto concreto que acaba afectando a toda la estructura de la red. Esto ocurre, por ejemplo, con las redes eléctricas, cuando se produce un corte en una torre que deja a todo un barrio sin luz. Este proceso está aún más claro en sistemas biológicos como el neuronal. Por distintas causas, las neuronas se van degenerando hasta que algunas mueren. Estas quiebras neuronales, derivadas del envejecimiento, enfermedades o accidentes, a la larga acaban provocando una pérdida importante de conectividad en el cerebro y la red neuronal deja de funcionar de forma correcta. La comunidad científica lleva décadas estudiando este proceso de percolación junto con lo que se denominan transiciones de fase: el punto a partir del cual, si se corta la red, ésta dejará de funcionar completamente.

«Nuestra investigación se inicia hace unos años, trabajando el equipo de neurociencia de la UB liderado por el investigador Jordi Soriano», explica Arenas. “Observamos que, a pesar de dañar directamente las conexiones neuronales con láser, el sistema seguía funcionando de forma bastante eficiente”, añade. Este fenómeno se conoce como plasticidad homeostática: a pesar de sufrir un corte, el sistema intenta seguir haciendo lo que hacía. Busca alternativas, recursos para seguir funcionando de forma correcta.

Ahora, el equipo investigador de la URV ha logrado encontrar las respuestas a las transiciones de fase de la percolación por degradación: saber a partir de qué fracción de daño que sufre el sistema, se degradará totalmente y perderá la funcionalidad. «Hemos sido capaces de encontrar esta transición y también hemos logrado calcular la respuesta homeostática (es decir, buscar alternativas para seguir funcionando) de la red», destaca Arenas.

Estos resultados son importantes porque a partir de ahora la comunidad científica tendrá a su alcance un conjunto de herramientas matemáticas «que pueden resultar muy útiles no sólo en neurociencia sino en cualquier tipo de red», añade el investigador. La investigación supone un paso adelante para entender cómo los sistemas de redes reaccionan al daño exterior manteniendo su funcionalidad, compensando la quiebra que se ha producido en una de las partes para reconducir la actividad hacia alguna otra.

“Comprender estos procesos puede aportar soluciones en muchos ámbitos”, subraya Arenas, que pone de ejemplo enfermedades como el Alzheimer, en las que muchos pacientes pueden recordar episodios de su niñez y, sin embargo, han perdido el recuerdo de aspectos más recientes de su vida. Esto está relacionado con el proceso de degradación que ha sufrido su red neuronal. Ahora ya se puede entender por qué ocurre esto y sentar una de las bases para investigar y aplicar esta investigación en personas que comienzan a padecer la enfermedad. “Por ejemplo, podremos saber cuáles son sus respuestas frente a unas preguntas de control, inferir qué degradación puede tener su sistema neuronal y ver si una medicación o algún tipo de intervención respondería a esta reconexión o no, porque ahora ya podemos saber cómo actúan físicamente estos procesos de degradación”, apunta el investigador.

Los resultados de la investigación también pueden aplicarse a otros campos, como el de una red de circulación vial. Permitirá, por ejemplo, saber si es necesario cortar una vía y redirigir el tráfico hacia otras zonas, se podrá prever dónde habrá problemas de colapso y cómo deberían habilitarse estas vías para poder absorber el tráfico que habrá.

Referencia bibliográfica: Rapisardi, G., Kryven, I. & Arenas, A. Percolation in networks with local homeostatic plasticity. Nat Commun 13, 122 (2022). https://doi.org/10.1038/s41467-021-27736-0