“Hem demostrat que és possible classificar automàticament els tipus de neurones del cervell de Drosophila —un organisme model fonamental en neurociència—amb alta precisió (especialment en el sistema visual) fent servir únicament els seus patrons de connectivitat”, explica l’investigador David Garcia, professor Serra Húnter del Departament de Ciències de la Computació de la UPC. “El nostre mètode requereix menys informació: simplement utilitza el graf de connexions entre neurones i fa la classificació de forma automàtica, en minuts i amb alta precisió. No se sabia que això fos possible”, explica l’investigador.

Fins ara, aquesta classificació la realitzaven de forma manual neurocientífics experts, mitjançant un procés molt laboriós i que exigia informació morfològica i anatòmica addicional (la forma i la posición de les neurones). Aquesta tasca, segons demostra la recerca publicada, es pot automatitzar amb alta fiabilitat utilitzant únicament patrons de connectivitat sinàptica, fet que representa un canvi de paradigma en l’anàlisi de grans conjunts de dades de connectòmica.

“L'aplicació directa del nostre treball és precisament la classificació automàtica de neurones a nous connectomes, que és un pas fonamental en neurociència per entendre com funcionen els circuits del cervell. Això significa que futurs connectomes es podran analitzar de manera automàtica en qüestió d'hores, en lloc de requerir llargs períodes de treball manual”, diu David Garcia. I afegeix: “A més llarg termini, l’enfocament podria tenir aplicacions en altres dominis més enllà de la neurociència (per exemple, en mineria de grafs), si bé això encara està per explorar”.

A l'abast de la comunitat científica
En els darrers anys, projectes com FlyWire —una iniciativa internacional que ha reconstruït el connectoma complet del cervell de la mosca de la fruita mitjançant microscòpia electrònica— han generat mapes detallats de totes les connexions entre neurones del cervell. El pas següent, identificar a quin tipus cel·lular pertany cada neurona, seguia sent un coll d'ampolla que requeria mesos d'anotació manual, reconeix l’investigador.

La recerca  publicada introdueix un mètode, el NTAC, capaç d’assignar tipus neuronals basant-se exclusivament en la connectivitat sinàptica, amb una precisió molt elevada. Aquesta contribució s’insereix en un context d’expansió dels connectomes i de necessitat creixent d’eines automàtiques i escalables.

NTAC es presenta en dues variants: una de semisupervisada, que aprofita un petit percentatge de neurones etiquetades, i una d’autosupervisada, que no necessita cap etiqueta prèvia. Ambdues ofereixen resultats d’alta precisió i s’executen de manera eficient fins i tot en ordinadors convencionals, fet que evidencia la potencialitat de la connectivitat com a base per identificar tipus neuronals sense dependència de característiques morfològiques.

La conjetura de què la connectividad podria ser suficient per determinar la identitat neuronal ja la va fer explícita fa uns anys el científic Sebastian Seung en el seu llibre ‘Connectome’.

Ara, el nou treball verifica la idea amb dades i mètodes disponibles a l’abast de la comunitat científica. L’estudi ‘Neuronal type assignment from connectivity’ s’ha publicat en accés obert a la revista Nature Communications i presenta un avanç significatiu en l’estudi del cervell i la classificació neuronal.

L’article és fruit d’una col·laboració internacional entre l’investigador de la UPC David Garcia, que l’any passat va rebre la medalla accèssit al premi Juan López de Peñalver de la Real Academia de la Ingeniería, i científics del Princeton Neuroscience Institute, el Japan Advanced Institute of Science and Technology i la University of Edinburg. A més, la revista ‘Nature Communications’ destaca l’estudi en la secció Focus com un dels treballs publicats més interessants sobre el cervell.