Cuando se habla de plasticidad sináptica, típicamente se considera algo uniforme en todo el cerebro, explicó William Wright, investigador postdoctoral de la UCSD y primer autor del estudio. Nuestra investigación proporciona una comprensión más clara de cómo las sinapsis se modifican durante el aprendizaje, subrayó.

Estos científicos utilizaron técnicas de imagen avanzadas para observar el comportamiento de sinapsis individuales en la corteza motora de ratones mientras estos aprendían nuevas habilidades motrices.

En concreto, emplearon sensores moleculares que rastreaban simultáneamente la entrada sináptica (mediante la liberación de glutamato) y la salida neuronal (mediante actividad de calcio).

De esta forma, los autores del trabajo abordaron el llamado “problema de asignación de crédito”, que explica cómo las sinapsis individuales, que solo tienen acceso a información local, pueden colectivamente dar forma a nuevos comportamientos adquiridos.

El equipo descubrió que los patrones de actividad neuronal relacionados con el aprendizaje impulsan la plasticidad sináptica de manera diferente según la región donde estuvieran las dendritas, los receptores de las neuronas que transmiten el impulso nervioso.

En las dendritas apicales, las sinapsis se fortalecían cuando estaban coactivas con vecinas cercanas, sugiriendo que la plasticidad en esta zona está gobernada por interacciones locales.

En contraste, la plasticidad en las dendritas basales estaba vinculada a la respuesta global de la neurona, fortaleciéndose o debilitándose en coordinación con la actividad de las sinapsis.

Curiosamente, al suprimir la actividad neuronal de los ratones, afectaban selectivamente a la plasticidad de las dendritas basales, pero no a las apicales, confirmando los distintos mecanismos en acción dentro de la misma célula.

El hallazgo sorprendió a los investigadores, explicó Takaki Komiyama, co-autor principal del estudio. Este descubrimiento cambia fundamentalmente la forma en que entendemos cómo el cerebro resuelve el problema de asignación de crédito.

La investigación ofrece también perspectivas prometedoras para el futuro de la inteligencia artificial y las redes neuronales. Mientras que las actuales redes neuronales artificiales funcionan con un conjunto común de reglas, este estudio sugiere nuevas formas de diseñar sistemas avanzados utilizando múltiples reglas en unidades singulares.

mem/alb