Una red neuronal cultivada es un cultivo celular de neuronas que se utiliza como modelo para estudiar el sistema nervioso central , especialmente el cerebro . A menudo, las redes neuronales cultivadas se conectan a un dispositivo de entrada/salida, como una matriz de múltiples electrodos (MEA), lo que permite la comunicación bidireccional entre el investigador y la red. Este modelo ha demostrado ser una herramienta invaluable para los científicos que estudian los principios subyacentes detrás del aprendizaje neuronal , la memoria , la plasticidad , la conectividad y el procesamiento de la información . [1]
Las neuronas cultivadas suelen conectarse por ordenador a un componente robótico real o simulado, creando un híbrido o un animat , respectivamente. Los investigadores pueden entonces estudiar a fondo el aprendizaje y la plasticidad en un contexto realista, donde las redes neuronales pueden interactuar con su entorno y recibir al menos algo de retroalimentación sensorial artificial. Un ejemplo de esto se puede ver en el sistema Multielectrode Array Art (MEART) desarrollado por el Potter Research Group en el Georgia Institute of Technology en colaboración con SymbioticA , el Centro de Excelencia en Arte Biológico, en la Universidad de Australia Occidental . [2] Otro ejemplo se puede ver en el animat controlado neuronalmente . [3]
El uso de redes neuronales cultivadas como modelo para sus contrapartes in vivo ha sido un recurso indispensable durante décadas. [4] Permite a los investigadores investigar la actividad neuronal en un entorno mucho más controlado del que sería posible en un organismo vivo. A través de este mecanismo, los investigadores han obtenido información importante sobre los mecanismos detrás del aprendizaje y la memoria.
Una red neuronal cultivada permite a los investigadores observar la actividad neuronal desde varios puntos de vista. El registro y la estimulación electrofisiológicos pueden tener lugar a través de la red o localmente a través de un MEA, y el desarrollo de la red puede observarse visualmente utilizando técnicas de microscopía. [4] Además, el análisis químico de las neuronas y su entorno se realiza con mayor facilidad que en un entorno in vivo . [4] [5]
Las redes neuronales cultivadas son, por definición, cultivos incorpóreos de neuronas . Por lo tanto, al estar fuera de su entorno natural, las neuronas se ven influenciadas de maneras que no son biológicamente normales. La principal de estas anomalías es el hecho de que las neuronas suelen ser extraídas como células madre neuronales de un feto y, por lo tanto, se alteran en una etapa crítica del desarrollo de la red. [6] Cuando las neuronas se suspenden en una solución y luego se eliminan, las conexiones previamente realizadas se destruyen y se forman otras nuevas. En última instancia, la conectividad (y, en consecuencia, la funcionalidad) del tejido se modifica con respecto a lo que sugería la plantilla original.
Otra desventaja es que las neuronas cultivadas carecen de cuerpo y, por lo tanto, están privadas de información sensorial y de la capacidad de expresar conductas, una característica crucial en los experimentos de aprendizaje y memoria. Se cree que esta privación sensorial tiene efectos adversos en el desarrollo de estos cultivos y puede dar lugar a patrones anormales de conducta en toda la red. [6]
Las redes cultivadas en los MEA tradicionales son láminas planas de una sola capa de células con conectividad solo en dos dimensiones. La mayoría de los sistemas neuronales in vivo , por el contrario, son grandes estructuras tridimensionales con una interconectividad mucho mayor. Esta sigue siendo una de las diferencias más llamativas entre el modelo y la realidad, y este hecho probablemente juega un papel importante en sesgar algunas de las conclusiones derivadas de los experimentos basados en este modelo.
Debido a su amplia disponibilidad, las redes neuronales se cultivan típicamente a partir de neuronas de rata disociadas. Los estudios emplean comúnmente neuronas corticales , hipocampales y espinales de rata , aunque también se han utilizado neuronas de ratón de laboratorio. En la actualidad, se han realizado relativamente pocas investigaciones sobre el crecimiento de redes neuronales de primates u otros animales. La recolección de células madre neuronales requiere sacrificar al feto en desarrollo, un proceso que se considera demasiado costoso para realizarlo en muchos mamíferos que son valiosos en otros estudios.
Sin embargo, en un estudio se utilizaron células madre neuronales humanas cultivadas en red para controlar un actuador robótico. Estas células se adquirieron de un feto que abortó espontáneamente después de diez semanas de gestación. [7]
Uno de los problemas más formidables asociados con las redes neuronales cultivadas es su falta de longevidad. Como la mayoría de los cultivos celulares, los cultivos de neuronas son muy susceptibles a las infecciones . También son susceptibles a la hiperosmolalidad por evaporación del medio . [4] Los largos plazos asociados con el estudio de la plasticidad neuronal (generalmente en la escala de meses) hacen que extender la vida útil de las neuronas in vitro sea primordial.
Una solución a este problema consiste en cultivar células en un MEA dentro de una cámara sellada. Esta cámara funciona como una incubadora no humidificada que está encerrada por una membrana de etileno propileno fluorado (FEP) que es permeable a determinados gases (es decir, gases necesarios para el metabolismo) pero impermeable al agua y a los microbios. [4] Otras soluciones implican una incubadora con una membrana impermeable que tiene una mezcla específica de gases (aire con un 5 % de CO2 es lo típico) sellada en su interior. [4]
Una matriz de microelectrodos (MEA), también llamada comúnmente matriz multielectrodos, es una matriz de electrodos con patrones dispuestos en un sustrato transparente que se utiliza para comunicarse con las neuronas que están en contacto con ella. La comunicación puede ser, y normalmente lo es, bidireccional; los investigadores pueden registrar datos electrofisiológicos de una red activa y estimularla.
Este dispositivo ha sido un biosensor esencial durante más de treinta años. Se ha utilizado no solo en el estudio de la plasticidad neuronal y el procesamiento de la información, sino también en los efectos de los fármacos y las toxinas sobre las neuronas. Además, cuando se combina con una cámara de incubación sellada, este dispositivo reduce en gran medida el riesgo de contaminación del cultivo al eliminar casi por completo la necesidad de exponerlo al aire. [4] [5] [8]
En la actualidad, los MEA que se utilizan habitualmente tienen una resolución espacial relativamente pobre. Emplean aproximadamente sesenta electrodos para el registro y la estimulación en patrones variables en una placa con un cultivo típico de 50.000 células o más (o una densidad de 5.000 células/mm2 ) . [9] De ello se deduce que cada electrodo de la matriz da servicio a un gran grupo de neuronas y no puede proporcionar información precisa sobre el origen y el destino de la señal; dichos MEA solo son capaces de adquirir y estimular datos específicos de una región.
Lo ideal sería poder registrar y estimular una o varias neuronas a la vez. De hecho, empresas como Axion Biosystems están trabajando para proporcionar a los MEA una resolución espacial mucho mayor con este fin (un máximo de 768 electrodos de entrada/salida). [10] Otro estudio investiga el establecimiento de una conexión uno a uno estable entre neuronas y electrodos. El objetivo era alcanzar la situación de interfaz ideal estableciendo una correspondencia con cada neurona de la red. Lo hacen enjaulando neuronas individuales mientras permiten que los axones y las dendritas se extiendan y realicen conexiones. Las neuronas están contenidas dentro de neurojaulas u otros tipos de contenedores, y el dispositivo en sí podría denominarse MEA de neuronas enjauladas o neurochip . [8]
Otras investigaciones sugieren técnicas alternativas para estimular las neuronas in vitro . Un estudio investiga el uso de un rayo láser para liberar compuestos enjaulados como neurotransmisores y neuromoduladores . [5] Un rayo láser con longitud de onda en el espectro UV tendría una precisión espacial extremadamente alta y, al liberar los compuestos enjaulados, podría usarse para influir en un conjunto muy selecto de neuronas.
Las ráfagas espontáneas de red son una característica común de las redes neuronales tanto in vitro como in vivo . [11] In vitro , esta actividad es particularmente importante en estudios sobre aprendizaje y plasticidad. Dichos experimentos observan intensamente la actividad de toda la red tanto antes como después de los experimentos para discernir cualquier cambio que pueda implicar plasticidad o incluso aprendizaje. [9] Sin embargo, lo que confunde esta técnica experimental es el hecho de que el desarrollo neuronal normal induce cambios en las ráfagas de toda la matriz que podrían sesgar fácilmente los datos. In vivo , sin embargo, se ha sugerido que estas ráfagas de red pueden formar la base de los recuerdos. [9] [11]
Dependiendo de la perspectiva experimental, las explosiones en toda la red pueden verse como algo positivo o negativo. En un sentido patológico, la actividad espontánea de la red puede atribuirse a la desintegración de las neuronas; un estudio observó una marcada diferencia entre la frecuencia de disparo en toda la red en cultivos que recibieron una entrada continua frente a los que no la recibieron. [12] Para eliminar la actividad aberrante, los investigadores suelen utilizar magnesio o bloqueadores sinápticos para silenciar la red. Sin embargo, este enfoque tiene grandes costos; las redes silenciadas tienen poca capacidad de plasticidad [11] debido a una capacidad disminuida para crear potenciales de acción . Un enfoque diferente y quizás más eficaz es el uso de estimulación de baja frecuencia que emula la actividad sensorial de fondo. [13]
Desde una perspectiva diferente, las ráfagas de red pueden considerarse benignas e incluso buenas. Toda red dada muestra ráfagas estructuradas y no aleatorias. [11] Algunos estudios han sugerido que estas ráfagas representan portadores de información, expresión de la memoria, un medio para que la red forme conexiones apropiadas y aprenda cuando su patrón cambia. [9] [12] [13] [14]
Stegenga et al. se propusieron establecer la estabilidad de las ráfagas espontáneas de la red en función del tiempo. Observaron ráfagas a lo largo de la vida de los cultivos celulares, comenzando a los 4-7 días in vitro (DIV) y continuando hasta la muerte del cultivo. Recopilaron perfiles de ráfagas de la red (BP) a través de una observación matemática de la tasa de picos de toda la matriz (AWSR), que es la suma de los potenciales de acción sobre todos los electrodos en un MEA. Este análisis arrojó la conclusión de que, en su cultivo de células neocorticales de rata Wistar , el AWSR tiene tiempos de subida y bajada largos durante el desarrollo temprano y perfiles más nítidos e intensos después de aproximadamente 25 DIV. Sin embargo, el uso de BP tiene una deficiencia inherente; los BP son un promedio de toda la actividad de la red a lo largo del tiempo y, por lo tanto, solo contienen información temporal. Para obtener datos sobre el patrón espacial de la actividad de la red, desarrollaron lo que denominan perfiles de fase (PP), que contienen datos específicos de los electrodos. [9]
Los datos se recopilaron utilizando estos PP en escalas de tiempo que van desde milisegundos hasta días. Su objetivo era establecer la estabilidad de los perfiles de ráfagas de red en la escala de tiempo de minutos a horas y establecer la estabilidad o los cambios de desarrollo a lo largo de los días. En resumen, lograron demostrar estabilidad en el transcurso de minutos a horas, pero los PP recopilados en el transcurso de días mostraron una variabilidad significativa. Estos hallazgos implican que los estudios de plasticidad de las neuronas solo se pueden realizar en el transcurso de minutos u horas sin sesgo en la actividad de la red introducido por el desarrollo normal. [9]
En el campo de la neurociencia existe mucha controversia en torno a si una red neuronal cultivada puede aprender o no. Un paso crucial para encontrar la respuesta a este problema radica en establecer la diferencia entre aprendizaje y plasticidad . Una definición sugiere que el aprendizaje es "la adquisición de un comportamiento novedoso a través de la experiencia". [15] El corolario de este argumento es la necesidad de interacción con el entorno que lo rodea, algo de lo que las neuronas cultivadas son virtualmente incapaces sin sistemas sensoriales. La plasticidad, por otro lado, es simplemente la remodelación de una red existente modificando las conexiones entre neuronas: formación y eliminación de sinapsis o extensión y retracción de neuritas y espinas dendríticas . [1] Pero estas dos definiciones no son mutuamente excluyentes; para que se produzca el aprendizaje, también debe producirse plasticidad.
Para establecer el aprendizaje en una red cultivada, los investigadores han intentado reencarnar las redes neuronales disociadas en entornos simulados o reales (ver MEART y animat ). A través de este método, las redes pueden interactuar con su entorno y, por lo tanto, tienen la oportunidad de aprender en un entorno más realista. Otros estudios han intentado imprimir patrones de señales en las redes mediante estimulación artificial. [14] Esto se puede hacer induciendo ráfagas de red [11] o introduciendo patrones específicos en las neuronas, de los que se espera que la red derive algún significado (como en experimentos con animats, donde una señal arbitraria a la red indica que el animal simulado se ha topado con una pared o se está moviendo en una dirección, etc.). [3] [7] La última técnica intenta aprovechar la capacidad inherente de las redes neuronales para dar sentido a los patrones. Sin embargo, los experimentos han tenido un éxito limitado en demostrar una definición de aprendizaje que sea ampliamente aceptada. Sin embargo, la plasticidad en las redes neuronales es un fenómeno bien establecido en la comunidad de la neurociencia y se cree que juega un papel muy importante en el aprendizaje. [1]
{{cite book}}: CS1 maint: date and year (link)