Un grupo de investigación de la División de Neurociencias de la Universidad Pablo de Olavide (UPO) de Sevilla ha validado, tanto en registros reales de la actividad cerebral, como en datos neurales simulados, un eficiente método matemático y un algoritmo computacional para clasificar potenciales de acción y asignarle a cada uno de éstos su correspondiente identidad neuronal.

Raudel Sánchez- Campusano, uno de los investigadores del proyecto, explica que el cerebro humano tiene unos cien mil millones de neuronas y que todas ellas tienen capacidad de generar potenciales de acción, es decir, actividad eléctrica que utilizan las neuronas para mandar mensajes de un sitio a otro dentro del cerebro y para activar los músculos.

El cerebro humano tiene unos cien mil millones de neuronas.

El investigador de la UPO señala que una pregunta muy común entre los neurocientíficos es: ¿cuándo y desde qué neurona se genera un determinado potencial de acción? “Imagine que detectamos un potencial de acción y queremos determinar cuál de las neuronas más próximas al electrodo de registro lo ha generado. La solución más utilizada consiste en reconocer patrones de la forma de onda de cada potencial y compararlos mediante parámetros de cohesión-dispersión, los cuales permiten clasificar en un mismo grupo a los potenciales de acción con formas de onda similares y en otros grupos a aquellos con formas de onda diferentes. Aun así, la clasificación tiene su dificultad, sobre todo si el registro es multiunitario (contiene potenciales generados en varias neuronas), si contiene formas de ondas solapadas (superposición de potenciales procedentes de varias neuronas), si está asociado a eventos fisiopatológicos (descargas epilépticas) o, si durante su registro, el cerebro se mueve respecto a la posición del electrodo. Todas estas vicisitudes provocarán variaciones imprevistas en las formas de onda de los potenciales neuronales detectados”, explica el investigador.

Principales pasos del método matemático y del algoritmo computacional propuesto. Se demuestra que el índice de error de la clasificación utilizando el nuevo método propuesto en este estudio es mucho menor (perfiles de distribución en color rojo) que el obtenido utilizando otros métodos convencionales alternativos.

Para solucionar estos problemas, el trabajo de este grupo de investigadores de la UPO ha consistido en desarrollar un método matemático y su correspondiente “receta” experimental para detectar, identificar y clasificar potenciales de acción, determinar su localización temporal y asignarle a cada uno de ellos una identidad neuronal, es decir, resolver el problema de la localización espacial asignando cada potencial de acción a una única neurona. La solución de clasificación desde registros de la actividad eléctrica cerebral propuesta por estos investigadores se asemeja mucho a la de clasificar exhaustivamente desde la sinfonía de una orquesta, los diferentes instrumentos utilizados, así como las notas musicales dependiendo del tipo de instrumento que la genera.

Referencias:

C. Rocío Caro-Martín, José M. Delgado-García, Agnès Gruart & Raudel Sánchez-Campusano (2018) Spike Sorting based on Shape, Phase, and Distribution Features, and K-TOPS Clustering with Validity and Error Indices. Scientific Reports, DOI: 10.1038/s41598-018-35491-4.

El artículo se encuentra disponible en Acceso Abierto en:
www.nature.com/articles/s41598-018-35491-4