Vés enrere

Pertorbar el cervell per conèixer les seves dinàmiques durant la vigília i la son profunda

Pertorbar el cervell per conèixer les seves dinàmiques durant la vigília i la son profunda

És una nova aproximació metodològica només possible en models computacionals que es mostra en un treball publicat a la revista NeuroImage del qual Gustavo Deco, director del Centre de Cognició i Cervell,  n’és el primer autor i que signa conjuntament amb membres del seu equip i amb participació internacional.

07.02.2018

Dels estudis fets amb tècniques de neuroimatge s’ha pogut comprovar que el cervell humà presenta patrons d’activitat molt diferents en estat de vigília o durant la son profunda. No obstant això, no està clar per què els estats del cervell difereixen en la seva complexitat dinàmica, per exemple en el nivell d'integració i segregació de les xarxes cerebrals a través del temps.

Fig. 1Procedure for computing the Perturbative Integration Latency Index (PILI).

Un equip d’investigadors ha ideat una innovadora manera d’estudiar la funcionalitat del cervell humà  mitjançant un protocol de pertorbacions induïdes sobre un model computacional complet del cervell per tal d’estudiar els mecanismes subjacents a l’estabilitat dinàmica dels estats cerebrals. Aquest nou enfocament permet produir alteracions in silico que no es podrien fer in vivo aconseguint amb això una investigació més profunda dels mecanismes biofísics subjacents als canvis en la complexitat dinàmica dels estats del cervell observada experimentalment.

El treball s’ha publicat recentment en un article a la revista NeuroImage del qual Gustavo Deco, director del Centre de Cognició i Cervell (CBC) i professor d’investigació ICREA del Departament de Tecnologies de la Informació i les Comunicacions (DTIC), n’és el primer autor. Amb ell, son coautors del treball, Victor M. Saenger i Beatrice Jobst, membres del seu equip, conjuntament amb investigadors provinents de diversos centres internacionals d’Alemanya, Dinamarca, EUA, França, Holanda, Portugal i Regne Unit.

La variable principal de l’estudi ha estat la dissipació de la pertorbació induïda utilitzant l'Índex de Latència d'Integració Perturbativa (PILI), que mesura la recuperació dels nivells d'integració global de tornada a la línia de base un cop cessa la pertorbació. Aplicant aquesta aproximació metodològica mitjançant aquests nous protocols, els investigadors han descobert que l’índex de pertorbació latent és més gran en estats de vigília, és a dir, que la recuperació és més lenta,  que en els de son profunda, atès les seves dinàmiques, la qual cosa corrobora resultats experimentals anteriors.

Els investigadors interpreten els resultats obtinguts dient que el cervell en estat de vigília treballa més enllà d’un equilibri estable i per això tarda més en recuperar el seu estat basal de sincronització després d’una pertorbació induïda, en comparació amb l’índex que s’obté en un estat de son profunda. Aquest nou enfocament obre pas a més estudis funcionals del cervell que gràcies a models computacionals superen les limitacions ètiques experimentals. 

En general, la introducció de pertorbacions en models computacionals del cervell complet obre una nova línia d’estudi in silico i permeten una recerca més profunda de les propietats dinàmiques dels diferents estats possibles del cervell. Segons ha comentat Gustavo Deco “per introduir el nostre model hem restringit la nostra anàlisi a dos estats cerebrals, vigília i son profunda, però serà molt important provar aquest mètode en altres estats naturals o patològics com ara en estat de coma vegetatiu, de mínima consciència, sota els efectes de l’anestèsia,  o en estats alterats provocats per drogues com ara morfina, amfetamines, LSD, etc.”.

Treball de referència:

Gustavo Deco, Joana Cabral , Victor M. Saenger, Melanie Boly, Enzo Tagliazucchi , Helmut Laufs, Eus Van Someren, Beatrice Jobst , Angus Stevne, Morten L. Kringelbach (2018),  “Perturbation of whole-brain dynamics in silico reveals mechanistic differences between brain states.”, NeuroImage, vol. 169, pp. 46-56, https://doi.org/10.1016/j.neuroimage.2017.12.009.

Categories: