La revista Nature Communications publica els resultats d’aquest estudi liderat pel catedràtic Àlex Arenas

Entendre com treballa una xarxa neuronal, com reacciona davant d’una fallida i preveure matemàticament què passarà i en quin moment deixarà de funcionar. Això és el que ha aconseguit un equip investigador liderat pel catedràtic del Departament d’Enginyeria Informàtica i Matemàtiques de la URV Àlex Arenas, que ha trobat l’explicació teòrica d’un procés molt complex que permetrà a partir d’ara fer prediccions sobre el funcionament en qualsevol sistema de xarxes. La revista Nature Communications ha publicat els resultats d’aquesta recerca.

La percolació és el procés a través del qual un sistema de xarxes pateix una fallida en un punt concret que acaba afectant tota l’estructura de la xarxa. Això passa, per exemple, amb les xarxes elèctriques, quan es produeix un tall en una torre que deixa tot un barri sense llum. Aquest procés és encara més clar en sistemes biològics com el neuronal. Per diferents causes, les neurones es van degenerant fins que algunes  moren. Aquestes fallides neuronals, derivades de l’envelliment, malalties o accidents, a la llarga acaben provocant una pèrdua important de connectivitat al cervell i la xarxa neuronal deixa de funcionar de manera correcta. La comunitat científica fa dècades que estudia aquest procés de percolació juntament amb el que s’anomenen transicions de fase: el punt a partir del qual, si es talla la xarxa, deixarà de funcionar completament.

“La nostra recerca s’inicia fa uns anys, treballant l’equip de neurociència de la UB liderat per l’investigador Jordi Soriano”, explica Arenas. “Vam observar que, tot i danyar directament les connexions neuronals amb làser, el sistema continuava funcionant de forma força eficient”, afegeix. Aquest fenomen es coneix com a plasticitat homeostàtica: malgrat patir un tall, el sistema intenta seguir fent el que feia. Busca alternatives, recursos per continuar funcionant de forma correcta.

Ara, l’equip investigador de la URV ha aconseguit trobar les respostes a les transicions de fase de la percolació per degradació: saber a partir de quina fracció de dany que pateix el sistema, es degradarà totalment i perdrà la funcionalitat. “Hem estat capaços de trobar aquesta transició i també hem aconseguit calcular la resposta homeostàtica  (és a dir, buscar alternatives per continuar funcionant) de la xarxa”, destaca Arenas.

Aquests resultats són importants perquè a partir d’ara la comunitat científica tindrà al seu abast un conjunt d’eines matemàtiques “que poden resultar molt útils no només en neurociència sinó en qualsevol tipus de xarxa”, afegeix l’investigador. La recerca suposa un pas endavant per poder entendre com els sistemes de xarxes reaccionen al dany exterior mantenint la seva funcionalitat, compensant la fallida que s’ha produït en una de les parts per reconduir l’activitat cap a alguna altra.

“Comprendre aquests processos pot aportar solucions en molts àmbits”, subratlla Arenas, que posa d’exemple malalties com l’Alzheimer, en què molts pacients poden recordar episodis de la seva infantesa i, en canvi, han perdut el record d’aspectes més recents de la seva vida. Això està relacionat amb el procés de degradació que ha patit la seva xarxa neuronal. Ara ja es pot entendre per què passa això i establir una de les bases per investigar i aplicar aquesta recerca en persones que comencen a patir la malaltia. “Per exemple, podrem saber quines són les seves respostes davant d’unes preguntes de control, inferir quina degradació pot tenir el seu sistema neuronal i veure si una medicació o algun tipus d’intervenció respondria a aquesta reconnexió o no, perquè ara ja podem saber com actuen físicament aquests processos de degradació”, apunta l’investigador.

Els resultats de la recerca també poden aplicar-se a altres camps, com el d’una xarxa de circulació viària. Permetrà, per exemple, saber si cal tallar una via i redirigir el trànsit cap a altres zones, es podrà preveure on hi haurà problemes de col·lapse i com s’haurien d’habilitar aquestes vies per poder absorbir el trànsit que hi haurà.

Referència bibliogràfica: 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