Los científicos revelan una nueva forma de analizar las señales neuronales

Código neuronalLos neurocientíficos descubren una nueva forma de determinar el contenido de la información que contienen los trenes de estímulos neuronales.

Uno de los grandes retos de la neurociencia moderna es entender cómo las neuronas transmiten y procesan la información. El problema es que nadie está de acuerdo realmente en cómo definir el contenido de información de una señal neuronal, una serie de señales eléctricas conocidas como tren de estímulos.

Un enfoque de esto es preguntarse el número de bits necesarios para reproducir exactamente el tren de estímulos. Esto nos da el contenido algorítmico de la señal. Pero está lejos de ser satisfactorio, porque los trenes de estímulos neuronales parecen contener grandes cantidades de ruido. Reproducirlos requiere un gran número de bits que son supuestamente irrelevantes en el más amplio sentido de la palabra.

Hoy, Robert Haslinger del Hospital General de Massachusetts en Charlestown y algunos de sus colegas proponen un nuevo método de describir las señales neuronales.

Su enfoque consiste en distinguir el contenido aleatorio de una señal neuronal, que no puede ser generado por un algoritmo, de su estructura estadística, que sí puede serlo. Posteriormente crean ese algoritmo.

Haslinger y sus colegas dicen que este nuevo enfoque da una medida de la complejidad de la señal neuronal, una manera útil de determinar la naturaleza de cualquier procesamiento de información que pueda estar ocurriendo.

La principal ventaja de este proceso sobre otras maneras de medir el contenido de información de las señales neuronales es que muestra claramente cuándo y cómo cambia la estructura de cálculo de la señal.

Haslinger y sus colegas ya han probado la técnica usando señales neuronales simuladas y datos reales de cerebros de ratas.

Este trabajo es otro pequeño avance de la gran máquina científica que los neurocientíficos están creando para terminar con el problema de la codificación neuronal. Y si bien estos esfuerzos son loables, es complicado observar su limitado progreso sin tener en cuenta que esta gente está pasando por alto una parte importante del problema.

Un aspecto que puede ser de ayuda es la cada vez más seria consideración del papel del entorno en el cómputo biológico. La idea es que sólo es posible dar sentido a los sistemas de procesamiento de información biológica considerando su interacción con el entorno y la información que éste contiene.

Un buen ejemplo del papel que desempeña el entorno en los cálculos es la gota de aceite “inteligente” que sabe recorrer su camino a través de un laberinto y que fue desarrollada por un equipo de la Universidad del Noroeste hace unos meses. Un vídeo de este proceso muestra la gota aparentemente reflexionando en las bifurcaciones del laberinto, haciendo diversos giros erróneos para volver luego sobre sus pasos y, finalmente, llegar al centro. Verdaderamente parece inteligente.

Sin embargo, no es nada de eso. El laberinto se encuentra inmerso en un líquido alcalino y se coloca en el centro una gota de gel ácido. El gradiente químico que esto crea cambia la tensión superficial sobre la gota que repele la superficie del líquido y esto genera una fuerza que empuja la gota hacia delante.

Por supuesto, la gota es completamente tonta. Cualquier estudio de su capacidad de procesar información y resolver laberintos sería inútil.

Aquí, toda la información está en el entorno y el comportamiento de la gota no tiene sentido sin él.

La importancia del entorno en la computación es una idea que algunos especialistas en robótica están empezando a abordar.  Quieren usarlo para diseñar máquinas que utilicen la información contenida en el entorno en lugar de ignorarla. Y el éxito que están teniendo está poniendo de relieve cómo, obviamente, la evolución ha aprovechado este truco en particular durante eones.

Es un truco que tal vez los neurocientíficos puedan aprender también.


Artículo de Referencia: arxiv.org/abs/1001.0036: The Computational Structure of Spike Trains
Fecha Original: 22 de abril de 2010
Enlace Original

Comparte:
  • Print
  • Digg
  • StumbleUpon
  • del.icio.us
  • Facebook
  • Twitter
  • Google Bookmarks
  • Bitacoras.com
  • Identi.ca
  • LinkedIn
  • Meneame
  • Netvibes
  • Orkut
  • PDF
  • Reddit
  • Tumblr
  • Wikio
This page is wiki editable click here to edit this page.

Like This Post? Share It

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *