A través de microchips y machine learning, científicos de la Universidad de Oviedo han logrado predecir, en cultivos celulares, cómo se desarrollan y comportan las redes neuronales de los mamíferos. El hallazgo, liderado por el Instituto Universitario de Biotecnología de Asturias y publicado recientemente en la revista “Scientific Reports” (del grupo “Nature”), podría ser de utilidad en el diseño de fármacos para tratar patologías como la epilepsia, la esclerosis múltiple, el párkinson o el alzhéimer. 

Los investigadores asturianos obtuvieron estos resultados tras evaluar la actividad eléctrica de las neuronas corticales de un ratón y aplicar un enfoque metodológico novedoso. Se trata de la combinación de microchips para registrar la actividad eléctrica neuronal y de técnicas de machine learning de análisis de datos. La conjunción de ambos procedimientos ha permitido concluir que los patrones iniciales de la actividad eléctrica neuronal pueden predeterminar la actividad de las redes neuronales maduras, ya que el cerebro de los mamíferos posee en el momento del nacimiento redes neuronales inmaduras que se van modificando a lo largo del tiempo. “Hemos comprobado que, si bien existe variabilidad en los parámetros electrofisiológicos entre los distintos cultivos, es posible predecir en gran parte la evolución de la actividad eléctrica de estos cultivos en las diferentes etapas de su desarrollo”, explica uno de los autores del trabajo, el profesor de la Facultad de Psicología Antonello Novelli. 

El científico Novelli destaca que este hallazgo nos acerca un poco más a la medicina personalizada, un campo cada vez más estudiado y con un gran futuro. “Todos los seres humanos somos diferentes y los patrones de desarrollo de una hipotética enfermedad también difieren en función de cada individuo. En el futuro, podría predecirse el avance de la enfermedad y su comportamiento y definir biomarcadores personalizados que nos permitieran utilizar fármacos específicos para obtener la mejor respuesta al tratamiento”, subraya. Antonello Novelli apunta además otra posible aplicación en el campo de los trastornos del espectro autista (TEA). “Hoy sabemos que no todos los niños con TEA consiguen desarrollar las mismas capacidades. Es posible que en un futuro podamos predecir también las posibilidades de desarrollo de las capacidades de cada niño en función de la evolución de sus patrones electroencefalográficos”, indica.

¿Cómo se hizo el estudio? 

Para llevar a cabo este trabajo, los investigadores clasificaron la actividad espontánea de las neuronas corticales en cultivo en base a 18 parámetros electrofisiológicos relacionados con variables particularmente relevantes de la actividad neuronal. Entre estas variables, el análisis de minería de datos identificó el grado de sincronización de la actividad eléctrica neuronal y la presencia de ráfagas de potenciales de acción, también llamados bursts, entre aquellas que definían en mayor grado la actividad neuronal de tres etapas del desarrollo temprano de las neuronas en cultivo. 

Sobre la base de estos resultados, se aplicaron técnicas de análisis de clustering que también permitieron identificar grupos de redes neuronales con patrones de desarrollo claramente diferenciados, según cuáles fuesen los valores de dichas características electrofisiológicas al inicio del cultivo. Además, la utilización de modelos de machine learning corroboró que se puede predecir con gran precisión los valores de variables de ráfagas y del grado de sincronización en la tercera semana en cultivo a partir de los valores iniciales.