Entender cómo interactúan los diferentes tipos de neuronas en la corteza visual cerebral sigue siendo un gran desafío científico. La complejidad de los circuitos neuronales, sumada a su sensibilidad a factores contextuales como la actividad cerebral o la estimulación sensorial, dificulta la caracterización de estas interacciones únicamente mediante experimentos. Ahora, investigadores del Instituto Carlos I y de la Universidad de Ámsterdam han desarrollado un nuevo modelo computacional que explica cómo los grupos de neuronas en la corteza visual se influyen mutuamente en función del estado dinámico del cerebro. El estudio se publicó el 23 de abril de 2025 en la revista PLOS Computational Biology.
Los investigadores utilizaron bases de datos con información electrofisiológica y anatómica para construir un modelo de red neuronal altamente detallado de una columna cortical, el circuito básico de la corteza visual primaria en el cerebro. El modelo describe de forma detallada los circuitos corticales en la corteza visual, incluyendo capas corticales, múltiples tipos de células, diferentes tipos de receptores sinápticos y densidades de células y sinapsis en toda la columna.
Al simular la información sensorial que llega a la columna desde la retina y la información procedente de áreas cerebrales superiores, los investigadores encontraron que estos dos flujos de información suelen tener efectos opuestos en la columna: mientras que la información sensorial generalmente excita las neuronas de la red, las señales de otras áreas cerebrales tienden a suprimirla mediante inhibición coordinada entre capas. También descubrieron que el equilibrio entre estos dos flujos de información condiciona la forma en que las neuronas de la columna responden a los mensajes de las demás. Por ejemplo, la actividad de un tipo de neurona determinado podría potenciar o suprimir la actividad de otra neurona en función de dicho equilibrio, y de una forma que no depende simplemente de cómo las neuronas estaban conectadas entre sí.
“Nuestro modelo demuestra que predecir cómo responderá una neurona a una señal procedente de otra neurona es mucho más complejo de lo que se creía; depende en gran medida del estado del cerebro”, afirma la primera autora, Giulia Moreni. “Esta complejidad pone de manifiesto por qué los enfoques computacionales son cruciales para guiar e interpretar los estudios experimentales”.
Jorge Mejías, autor y director del trabajo y miembro del Instituto Carlos I, enfatiza las implicaciones del estudio: «Nuestras simulaciones computacionales nos ayudan a entender mejor las reglas ocultas que rigen la comunicación entre neuronas, lo cual es especialmente importante cuando los experimentos reales son extremadamente difíciles de realizar. Nuestro modelo puede servir como una herramienta valiosa para diseñar nuevos experimentos y profundizar nuestra comprensión de cómo el cerebro procesa información».
Este trabajo hace hincapié en la utilidad de la neurociencia computacional para descubrir las intrincadas y dinámicas relaciones dentro de los circuitos corticales, ofreciendo una nueva vía para explorar la función cerebral que complementa los enfoques experimentales.
Enlace al estudio: https://doi.org/10.1371/journal.pcbi.1012036
