{"id":139042,"date":"2025-06-25T10:13:45","date_gmt":"2025-06-25T08:13:45","guid":{"rendered":"https:\/\/diaridigital.urv.cat\/?p=139042"},"modified":"2025-06-25T10:13:45","modified_gmt":"2025-06-25T08:13:45","slug":"desarrollan-un-metodo-mucho-mas-preciso-para-identificar-neuronas-equivalentes","status":"publish","type":"post","link":"https:\/\/diaridigital.urv.cat\/es\/desarrollan-un-metodo-mucho-mas-preciso-para-identificar-neuronas-equivalentes\/","title":{"rendered":"Desarrollan un m\u00e9todo mucho m\u00e1s preciso para identificar neuronas equivalentes"},"content":{"rendered":"

Comparar cerebros para entender c\u00f3mo se conectan las neuronas y c\u00f3mo estas conexiones pueden variar entre especies o individuos es uno de los grandes retos de la neurociencia. Ahora, un equipo investigador del Departamento de Ingenier\u00eda Qu\u00edmica de la Universitat Rovira i Virgili (URV) ha desarrollado un modelo probabil\u00edstico que permite alinear a la vez diferentes redes complejas para encontrar patrones comunes. Este m\u00e9todo, que se ha publicado en la revista cient\u00edfica Nature Communications<\/em> no solo mejora sustancialmente los m\u00e9todos actuales, sino que significa una revoluci\u00f3n en la manera de encarar el problema que permitir\u00e1 en un futuro pr\u00f3ximo alinear redes de centenares de miles de neuronas de una manera eficaz, cosa que ahora mismo no es posible de forma autom\u00e1tica.<\/p>\n

Este m\u00e9todo parte de una idea sencilla, pero biol\u00f3gicamente plausible: asume que todas las redes que se quieren alinear son copias con errores de una misma estructura subyacente -como un tipo de plano o blueprint<\/em>-, y lo que hace es reconstruir este patr\u00f3n com\u00fan a partir de las observaciones disponibles; es decir, asume que todos los conectomas -los mapas de conexiones neuronales dentro del cerebro- son copias con error de un mismo patr\u00f3n de conexiones subyacente. Esto permite no solo alinear las redes, sino tambi\u00e9n estimar la probabilidad de que cada nodo (que podr\u00eda ser una neurona o un usuario) en una red corresponda a un nodo determinado en las otras.<\/p>\n

\u201cNuestra motivaci\u00f3n principal era poder comparar conectomas. Pero para compararlos primero hay que saber qu\u00e9 neuronas son equivalentes en cada cerebro\u201d, explica Marta Sales-Pardo, investigadora del Departamento de Ingenier\u00eda Qu\u00edmica involucrada en la investigaci\u00f3n. Esta tarea es especialmente compleja cuando se trata de cerebros diferentes -de individuos o, incluso, de especies diferentes- y cuando no se dispone de informaci\u00f3n contextual clara sobre cada neurona.<\/p>\n

 <\/p>\n

\"Roger<\/a>
Roger Guimer\u00e0, Marta Sales-Pardo y Teresa L\u00e1zaro.<\/figcaption><\/figure>\n

El m\u00e9todo lo han validado con datos reales de conectomas del gusano C. Elegans<\/em> en diferentes estadios de desarrollo, de la larva de la Drosophila melanogaster<\/em> (conocida como mosca del vinagre) y tambi\u00e9n con redes sociales de comunicaci\u00f3n por correo electr\u00f3nico. En los tres casos su t\u00e9cnica ha demostrado una precisi\u00f3n muy superior a los m\u00e9todos que existen hasta ahora. \u201cHemos podido alinear hasta diez redes a la vez y lo hemos hecho mejor que cualquier otra herramienta conocida hasta ahora\u201d, indica Roger Guimer\u00e0, profesor ICREA del mismo departamento.<\/p>\n

Adem\u00e1s de aumentar la precisi\u00f3n, el enfoque probabil\u00edstico ofrece una ventaja fundamental: hace expl\u00edcitas las hip\u00f3tesis sobre c\u00f3mo se generan los datos. Esto permite adaptar el modelo a diferentes tipos de redes, a\u00f1adir informaci\u00f3n contextual como las categor\u00edas de los nodos (por ejemplo, el tipo de neurona) e interpretar mejor los resultados. \u00abCon este m\u00e9todo, no solo buscamos la mejor alineaci\u00f3n posible, sino que estimamos la probabilidad que cada correspondencia sea correcta, cosa que es clave para hacer deducciones fiables\u00bb, a\u00f1aden.<\/p>\n

A pesar de que el trabajo se enmarca en el contexto de la neurociencia, el m\u00e9todo es aplicable en cualquier red en que se puedan buscar patrones de equivalencia. El equipo lo han probado tambi\u00e9n con redes de correos electr\u00f3nicos: \u201cPart\u00edamos del conocimiento de qui\u00e9n era cada usuario y esto nos ha permitido validar que el m\u00e9todo encontraba correctamente qui\u00e9n es quien a trav\u00e9s de las conexiones\u201d, explica Teresa L\u00e1zaro, que tambi\u00e9n hace investigaci\u00f3n al Departamento de Ingenier\u00eda Qu\u00edmica de la URV. Tambi\u00e9n podr\u00eda aplicarse a redes de interacciones entre prote\u00ednas, \u00fatiles para identificar funciones desconocidas en organismos nuevos o pat\u00f3genos, o para detectar patrones sospechosos en redes financieras o de seguridad.<\/p>\n

Los resultados de la investigaci\u00f3n abren una puerta prometedora, puesto que \u201cpermiten comparar redes de forma microsc\u00f3pica, mucho m\u00e1s all\u00e1 de los indicadores generales que se usaban hasta ahora\u201d, concluyen.<\/p>\n