Cerebros de Mosca: La verdad sobre la simulación de Berkeley

El anuncio reciente de la Universidad de Berkeley ha provocado un seísmo mediático con un gancho irresistible para los amantes de las promesas tecnológicas vacías. Afirmar que se ha simulado el cerebro completo de una mosca en un ordenador portátil suena a que estamos a un paso de descargar nuestra memoria en una unidad de estado sólido. Sin embargo la realidad técnica es mucho más sobria y menos cinematográfica. Lo que los investigadores han logrado es un hito monumental en la conectómica (estudio de los diagramas de conexión del sistema nervioso) pero dista mucho de ser una emulación biológica fiel. Estamos ante un modelo matemático simplificado que corre sobre un hardware doméstico gracias a un ejercicio extremo de abstracción y no a una capacidad de cómputo milagrosa.

La pieza periodística se apoya en una serie de artículos publicados en la revista científica Nature (Naturaleza) que detallan el conectoma FlyWire (Cableado de Mosca). Este mapa incluye 139255 neuronas y más de 54 millones de sinapsis químicas. El logro es real y supone el mapa más detallado de un cerebro adulto jamás creado. El problema surge cuando la narrativa institucional sugiere que el siguiente paso es el cerebro humano. Esa extrapolación ignora que una mosca es un sistema relativamente cerrado comparado con la complejidad inabarcable de un mamífero. No estamos ante una simulación de la vida sino ante una simulación de flujos de señales en un circuito estático que ignora casi todo lo que hace que un cerebro sea un órgano vivo.

Para entender qué se ha simulado primero hay que comprender el material de origen. El proyecto utilizó microscopía electrónica de sección en serie para obtener imágenes de un cerebro de hembra adulta de Drosophila melanogaster (mosca del vinagre). Este proceso generó teravóxeles (billones de píxeles en tres dimensiones) de datos que habrían tardado siglos en ser analizados por humanos. La intervención de algoritmos de segmentación automática permitió reconstruir las células y sus conexiones de forma masiva. El resultado es un grafo de una escala inédita que permite ver por dónde viaja la información química en el cerebro del insecto.

Este mapa es estático. Es como tener una fotografía satelital de todas las carreteras de un país pero sin saber si el semáforo está en rojo o si los conductores están borrachos. Para dotar de vida a este mapa los investigadores utilizaron un modelo de tipo LIF (Leaky Integrate-and-Fire o Integración y Disparo con Pérdidas). Este es uno de los modelos neuronales más elementales que existen en la neurociencia computacional. Básicamente trata a cada neurona como un condensador eléctrico que se llena de carga y se vacía al alcanzar un umbral. Es elegante por su simplicidad pero omite detalles biológicos fundamentales como la forma tridimensional de las dendritas o la plasticidad de las conexiones.

EL CONECTOMA FLYWIRE INCLUYE 54.5 MILLONES DE SINAPSIS QUÍMICAS PERO CERO SINAPSIS ELÉCTRICAS. La resolución actual de las imágenes no permite identificar las uniones gap (conexiones eléctricas directas) lo que significa que el modelo está ciego ante una parte crucial de la sincronización neuronal rápida.

Uno de los mayores retos de usar imágenes de microscopía electrónica es que no se puede ver qué sustancia química está liberando una neurona. En el cerebro real una neurona puede excitar a su vecina o inhibirla. Sin esta información el conectoma es un mapa de cables sin polaridad. Aquí es donde entra el trabajo de Eckstein y su equipo publicado en la revista Cell (Célula). Utilizaron redes neuronales convolucionales en tres dimensiones para clasificar los transmisores a partir de la morfología de las vesículas en los sitios sinápticos. El sistema predice con un 87 por ciento de precisión si la neurona usa acetilcolina o glutamato entre otros.

Esta pieza es el motor que permite que la simulación en el ordenador portátil funcione. Si el algoritmo dice que una neurona es inhibidora el modelo LIF restará carga a la neurona siguiente. Es una aproximación estadística brillante pero no está exenta de riesgos. En los insectos el glutamato puede actuar como excitador o como inhibidor dependiendo del receptor en la célula receptora. El modelo simplifica esta complejidad asumiendo roles fijos. Es por esto que los propios autores advierten que las tasas de disparo absoluto del modelo no deben tomarse como realistas. La simulación no busca ser una copia exacta de la mosca sino una herramienta para generar hipótesis sobre circuitos específicos.