Actualizan base de datos con más de 120 neuronas del hipocampo

Un equipo internacional de investigadores actualizó una de las mayores bases de datos del mundo sobre tipos neuronales, una calibración que ayudará a los científicos en la identificación funcional de las neuronas del hipocampo, la región del cerebro implicada en la memoria a largo plazo.

El estudio, liderado entre el Instituto Cajal del CSIC de España y el Instituto Krasnow de Estados Unidos y publicado en la revista Plos Biology, podría facilitar el desarrollo de aplicaciones en inteligencia artificial para el estudio de enfermedades mentales y neurológicas.

Los circuitos de la corteza cerebral están formados por dos tipos de neuronas: las excitadoras y las inhibidoras y, para que la corteza funcione correctamente, es necesario mantener un diálogo equilibrado entre ellas.

«En función de la información genética, en la corteza cerebral del ratón se pueden identificar unos 75 tipos de neuronas diferentes, 24 de los cuales son neuronas excitadoras y 45 tipos de inhibidoras, pero estos a su vez se pueden subdividir. Los tipos neuronales y sobre todo la conectividad es específica de cada región y esa granularidad es la que dota al cerebro de una gran capacidad funcional», explica Liset Menéndez de la Prida, del Instituto Cajal.

Toda la información disponible sobre estos tipos neuronales se ha recopilado en Hippocampome.org, una base de datos que creó hace cinco años Giorgio Ascoli, del Instituto Krasnow, que detalla toda la información acerca de la morfología, biofísica, identidad genética, conectividad y patrones de disparo de más de 120 tipos de neuronas del hipocampo de roedores.

[Te puede interesar] Programa de inteligencia artificial detecta la pornografía infantil

Ahora, el equipo del CSIC y del Instituto Krasnow crearon una nueva versión de Hippocampme.org que permite anotar y clasificar registros cerebrales de alta densidad.

La actualización fue posible gracias a la recolección, identificación y clasificación de neuronas una a una en el Instituto Cajal y permitirá nuevas aplicaciones para decodificar las señales electroencefalográficas que rigen la actividad cerebral.

«Los registros que hemos obtenido sirven para alimentar algoritmos basados en redes neuronales artificiales, ya que usan conjuntos de datos etiquetados. Estas redes utilizan estos datos como ejemplo y aprenden a reconocer patrones similares en otros nuevos, para los cuales no se han entrenado», explica Alberto Sánchez-Aguilera, primer cofirmante del estudio junto a Diek Wheeler, creador de Hippocampome.

La información de Hippocampome y su aplicación en la decodificación de señales electroencefalográficas puede tener gran impacto para las neurotecnologías emergentes.

Los resultados del trabajo también ayudarán a decodificar las señales cerebrales asociadas a procesos complejos como el de memorizar experiencias.