Vous êtes sur la page 1sur 3

CIENCIA DIALOGO CON FERNANDO MONTANI, DOCTOR EN FISICA E INVESTIGADOR DEL CONICE

T
Por los insondables caminos del cerebro
Nuestra cabeza est poblada de misterios. Las neurociencias, desde esta perspectiv
a, ensayan modelos matemticos para comprender cmo funciona el cerebro y cmo se vinc
ulan las poblaciones neuronales ante estmulos externos.
Por Leonardo Moledo
Cunteme.
Yo volv al pas en el 2009 con el plan de repatriacin de cientficos, despus de haber es
tado trabajando en Alemania, Blgica, Inglaterra e Italia. Soy fsico de formacin, y
ahora estoy trabajando en neurociencias tericas, ms especficamente en cdigo neuronal
. Lo que hago son aproximaciones matemticas para investigar ese cdigo.
Desarrollemos un poco.
Lo que hago es tratar de darle soporte a la neurociencia desde la fsica y desde la
matemtica. Lo que intentamos es desarrollar determinados modelos matemticos para
comprender ciertos comportamientos del cerebro ante estmulos externos.
Cules, por ejemplo?
Sensoriales. Esos seran los ms directos, pero existen otros estmulos menos directos.
Cuando uno agarra un objeto, se produce un estmulo que claramente es muy evolucion
ado y est relacionado con la corteza premotora y motora. Cmo reacciona esa corteza
es todo un objeto de estudio. Yo me he ocupado de tratar de entender un poco ms
eso, y de tratar de dar una visin diferente de la que podra tener un bilogo con una
formacin puramente biolgica.
A ver...
En la escuela tradicional, los fsicos estamos completamente separados de los ingen
ieros, de los bilogos, de los mdicos. En la disciplina en la que yo trabajo se int
enta que todas estas vertientes confluyan y, as, poder romper con la escuela trad
icional. Es todo un desafo.
Cmo son los modelos?
Se usan dos tcnicas: una es de Teora de la Informacin y la otra es de Sistema Dinmico
. A partir de ah uno intenta desarrollar modelos matemticos y computacionales que
expliquen datos que son simulados, o bien, que son tomados de laboratorios del t
rabajo con animales. En 1956, ms o menos, dos cientficos ingleses propusieron una
ecuacin que simulaba a travs de sistemas dinmicos el comportamiento de una neurona.
El desafo es cmo extender eso cuando uno tiene poblaciones de neuronas. Son tcnica
s que se utilizan a travs de sistemas dinmicos, que permiten obtener un modelo min
imal para representar esa poblacin. A partir de ah se hace el contraste con datos
experimentales y a partir de tcnicas de Teora de la Informacin se puede entender me
jor cmo se empaqueta la informacin de acuerdo con los distintos estmulos.
Cmo se empaquetan?
Depende del problema particular que tomemos. En uno de mis trabajos descubr que cu
ando los monos ven lneas que se mueven la informacin se transmite increblemente rpid
o al cerebro. En cambio, cuando hay cambios de color, son prcticamente insensible
s, lo cual evidentemente muestra que hay una gran sensibilidad a los cambios de
movimiento. Despus, fui evolucionando hacia cosas en la corteza motora, a tratar
de entender otros problemas no relacionados con la corteza visual. La idea gener
al es ver cmo las poblaciones de neuronas trabajan o funcionan, cmo se correlacion
an, de a cuntas se correlacionan... Es un enfoque que requiere de una matemtica so
fisticada, pero muy estimulante.
Vayamos a lo micro.
Lo que intento ver es cmo el cdigo de correlaciones se diferencia de un cdigo comple
tamente lineal. Si en el futuro pensamos desarrollar una interfase cerebro-mquina
, tener un algoritmo que contemple esas correlaciones es esencial.
Cmo es ese algoritmo?
Completamente no lineal.
Cmo se propaga una seal en el cerebro?
Hay varias frecuencias de las cuales nos tenemos que preocupar, desde las frecuen
cias ms bajas menores que 250 hertz hasta las frecuencias ms altas, los potenciales
de accin. Hay dos frecuencias de trabajo que estn relacionadas con los inputs y lo
s outputs de las neuronas. Las frecuencias bajas estn relacionadas con el network
y las frecuencias ms altas estn relacionadas con los inputs. Por intermedio de es
a seal, uno puede tratar de entender cmo se transmite la informacin. Y son los pote
nciales de accin los primeros que nos hablan de la transmisin de la informacin en u
na neurona. Pero hay que pensar que el cerebro tiene millones de neuronas y, por
ende, billones de potenciales de accin que estn conectados. Eso para las frecuenc
ias altas; para las frecuencias bajas es una seal de unos poquitos hertz, con una
longitud de onda muy grande, que se relaciona con el network. Hay dos problemas
separados, entonces, y es ah donde tenemos que entender cmo se propaga la informa
cin. A nivel divulgativo: la informacin se propaga mediante potenciales de accin. P
ero eso es para una neurona, y los potenciales de accin estn correlacionados.
Qu es un potencial de accin?
Las neuronas son clulas y, como tales, estn en equilibrio. En este sentido, poseen
un potencial de equilibrio que es negativo. Cuando existe algn estmulo externo (un
estmulo sensorial o algn cambio electroqumico) si entran iones cargados positivame
nte, ese potencial de equilibrio, que es negativo, de golpe salta y produce un p
otencial positivo. Eso dispara un spike. Ese spike se transporta hasta las dendr
itas y se transmite a una clula vecina. Ese es el principio bsico de transmisin de
la informacin: el potencial de accin. Cada potencial de accin est introducido por un
a neurona y existen billones de ellas. Todos esos potenciales, adems, estn correla
cionados entre s. Entonces por eso es un problema extremadamente complejo, delica
do e interesante. Porque como esos potenciales son los que transmiten la informa
cin, tenemos que tener en cuenta un sistema muy desincronizado.
Cul es la unidad de informacin que se transmite?
Bit. El problema de los ingenieros es el problema de los ceros y unos. Se podra pe
nsar que el cdigo neuronal, si uno toma ventanas temporales muy muy pequeas (de di
ez milisegundos, por ejemplo), es una suma de muchos ceros y unos en la cual cad
a neurona aporta ceros y unos. Pensndolo como una computadora, el cdigo neuronal e
s justamente eso: muchos ceros y unos, en los que si uno encuentra un patrn estara
decodificando la informacin. En ese sentido es un problema muy matemtico e ingeni
eril. Esa idea de cdigo binario es muy de ingenieros, de hecho. Pero bueno: hay h
iptesis fuertes de que la informacin se transmite a travs de estos spikes.
Usted hace trabajo terico?
S. Me gustara empezar a hacer cosas experimentales: si pudiera sumar a un bilogo sera
brillante. Mientras tanto, estoy tratando de explicar ciertos comportamientos c
on modelos matemticos y fsicos.
Algo ms que quiera contar?
El cdigo neuronal es como la Piedra de Rosetta, que tena tres lenguajes. Nosotros e
n ese momento no conocamos el idioma de los egipcios antiguos: a travs de la compa
racin de esa piedra con los jeroglficos que ya se conocan se logr comprender el egip
cio antiguo. Esto es un poco lo mismo: uno no conoce cmo el cerebro transmite la
informacin, pero s sabemos que los spikes juegan un rol fundamental.
Spike es chispa?
Chispazo, digamos. Se produce en una clula: est cargada negativamente y de golpe di
spara, pasa de tener un potencial negativo a tener uno positivo. Cuando est negat
ivo tiene unos 70 minivolts y salta a unos 20 o 25 minivolts positivos. Cuando s
e produce ese disparo se dice que se produce el spike. Eso juega un rol muy fuer
te en el cdigo neuronal. Es como traducir una Piedra de Rosetta: vamos a tener mu
chos ceros y unos y tenemos que ver cmo se correlacionan. De ah vienen todos los m
odelos matemticos de sistemas dinmicos y de teora de la informacin. Es un gran desafo
.