La conectómica, el ambicioso campo de estudio que busca mapear la intrincada red de cerebros animales, está experimentando un crecimiento acelerado. En el lapso de una década, ha viajado desde sus etapas incipientes hasta convertirse en una disciplina que está preparada (con suerte) para desbloquear los enigmas de la cognición y la base física de neuropatologías como la enfermedad de Alzheimer.
A la vanguardia está el uso de potentes microscopios electrónicos, a los que investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT y los Laboratorios Samuel y Lichtman de la Universidad de Harvard dotaron de la destreza analítica del aprendizaje automático. A diferencia de la microscopía electrónica tradicional, la IA integrada sirve como un «cerebro» que aprende un espécimen mientras adquiere las imágenes y se enfoca de manera inteligente en los píxeles relevantes con una resolución a nanoescala similar a cómo los animales inspeccionan sus mundos.
«SmartEM» ayuda a la conectómica a examinar y reconstruir rápidamente la compleja red de sinapsis y neuronas del cerebro con precisión nanométrica. A diferencia de la microscopía electrónica tradicional, su IA integrada abre nuevas puertas para comprender la intrincada arquitectura del cerebro.
La integración de hardware y software en el proceso es crucial. El equipo incorporó una GPU en la computadora de soporte conectada a su microscopio. Esto permitió ejecutar modelos de aprendizaje automático en las imágenes, lo que ayudó a dirigir el haz del microscopio a áreas consideradas interesantes por la IA. «Esto permite que el microscopio permanezca más tiempo en áreas que son más difíciles de entender hasta que capture lo que necesita», dice el profesor del MIT e investigador principal del CSAIL, Nir Shavit. «Este paso ayuda a reflejar el control del ojo humano, permitiendo una rápida comprensión de las imágenes».
«Cuando miramos un rostro humano, nuestros ojos navegan rápidamente hacia los puntos focales que brindan señales vitales para una comunicación y comprensión efectivas», dice el arquitecto principal de SmartEM, Yaron Meirovitch, científico visitante en MIT CSAIL y ex postdoctorado. y actual neurocientífico asociado de investigación en Harvard. “Cuando nos sumergimos en un libro, no escaneamos todo el espacio vacío; más bien, dirigimos nuestra mirada hacia las palabras y los caracteres con ambigüedad en relación con nuestras expectativas de oración. Este fenómeno dentro del sistema visual humano ha allanado el camino para el nacimiento del novedoso concepto de microscopio”.
Para la tarea de reconstruir un segmento del cerebro humano de aproximadamente 100.000 neuronas, lograrlo con un microscopio convencional requeriría una década de imágenes continuas y un presupuesto prohibitivo. Sin embargo, con SmartEM, al invertir en cuatro de estos microscopios innovadores a menos de 1 millón de dólares cada uno, la tarea podría completarse en apenas tres meses.
Premios Nobel y gusanitos
Hace más de un siglo, el neurocientífico español Santiago Ramón y Cajal fue anunciado como el primero en caracterizar la estructura del sistema nervioso. Empleando los rudimentarios microscopios ópticos de su tiempo, se embarcó en liderar exploraciones en neurociencia, sentando las bases del conocimiento de las neuronas y esbozando los contornos iniciales de este ámbito expansivo e inexplorado, una hazaña que le valió el Premio Nobel. Señaló, sobre los temas de inspiración y descubrimiento, que “Mientras nuestro cerebro sea un misterio, el universo, el reflejo de la estructura del cerebro, también será un misterio”.
A partir de estas primeras etapas, el campo ha avanzado dramáticamente, como lo demuestran los esfuerzos realizados en la década de 1980, que mapearon el conectoma relativamente más simple de C. elegans, pequeños gusanos, hasta los esfuerzos actuales que investigan cerebros más complejos de organismos como el pez cebra y los ratones. Esta evolución refleja no sólo enormes avances, sino también crecientes complejidades y demandas: mapear el cerebro del ratón por sí solo significa gestionar la asombrosa cantidad de miles de petabytes de datosuna tarea que eclipsa enormemente las capacidades de almacenamiento de cualquier universidad, afirma el equipo.
Probando las aguas
Para su propio trabajo, Meirovitch y otros miembros del equipo de investigación estudiaron rodajas de tejido de pulpo de 30 nanómetros de espesor que se montaron en cintas, se colocaron en obleas y finalmente se insertaron en los microscopios electrónicos. Se tomaron imágenes de cada sección del cerebro de un pulpo, que comprende miles de millones de píxeles, lo que permitió a los científicos reconstruir las rodajas en un cubo tridimensional con una resolución nanométrica. Esto proporcionó una visión ultra detallada de las sinapsis. ¿El objetivo principal? Para colorear estas imágenes, identifique cada neurona y comprenda sus interrelaciones, creando así un mapa detallado o «conectoma» de los circuitos del cerebro.
«SmartEM reducirá el tiempo de obtención de imágenes de este tipo de proyectos de dos semanas a un día y medio», afirma Meirovitch. «Los laboratorios de neurociencia que actualmente no pueden trabajar con imágenes EM costosas y largas podrán hacerlo ahora». El método también debería permitir el análisis de circuitos a nivel de sinapsis en muestras de pacientes con trastornos psiquiátricos y neurológicos.
En el futuro, el equipo imagina un futuro en el que la conectómica sea asequible y accesible. Esperan que con herramientas como SmartEM, un espectro más amplio de instituciones de investigación pueda contribuir a la neurociencia sin depender de grandes asociaciones, y que el método pronto se convierta en una vía estándar en los casos en que se disponga de biopsias de pacientes vivos. Además, están ansiosos por aplicar la tecnología para comprender patologías, ampliando la utilidad más allá de la conectómica. «Ahora estamos tratando de introducir esto en los hospitales para biopsias grandes, utilizando microscopios electrónicos, con el objetivo de hacer que los estudios de patología sean más eficientes», dice Shavit.
Otros dos autores del artículo tienen vínculos con MIT CSAIL: el autor principal Lu Mi MCS ’19, PhD ’22, que ahora es un postdoctorado en el Instituto Allen de Ciencias del Cerebro, y Shashata Sawmya, una estudiante graduada del laboratorio del MIT. Los otros autores principales son Core Francisco Park y Pavel Potocek, mientras que los profesores de Harvard Jeff Lichtman y Aravi Samuel son autores principales adicionales. Su investigación fue apoyada por la Iniciativa BRAIN de los NIH y se presentó en el Taller sobre Biología Computacional de la Conferencia Internacional sobre Aprendizaje Automático (ICML) de 2023. El trabajo se realizó en colaboración con científicos de Thermo Fisher Scientific.
