.
Modelos neuronais biofisicamente detalhados fornecem uma janela única para o funcionamento de neurônios individuais. Eles permitem aos pesquisadores manipular as propriedades neuronais de forma sistemática e reversível, algo que muitas vezes é impossível em experimentos do mundo real. Esses em sílico modelos têm desempenhado um papel fundamental no avanço da nossa compreensão de como a morfologia neuronal influencia a excitabilidade e como as correntes iônicas específicas contribuem para a função celular. Além disso, têm sido fundamentais na construção de circuitos neuronais para simular e estudar a atividade cerebral, oferecendo um vislumbre da complexa dança dos neurónios que está subjacente aos nossos pensamentos e ações.
Criar modelos elétricos precisos que reproduzam fielmente observações experimentais não é tarefa fácil. Envolve quantificar a semelhança entre as respostas do modelo e os comportamentos eletrofisiológicos reais, o que pode ser desafiador quando parâmetros como condutância do canal iônico e propriedades passivas da membrana não são diretamente mensuráveis. Alcançar uma alta pontuação de similaridade geralmente requer uma exploração extensiva do espaço de parâmetros, uma tarefa que pode ser árdua e demorada.
Para enfrentar esses desafios, os pesquisadores recorreram aos algoritmos evolutivos (EAs) em busca de ajuda. EAs são ferramentas eficientes para otimização de parâmetros globais em espaços de alta dimensão. Em particular, o algoritmo evolutivo baseado em indicadores (IBEA) tem-se mostrado promissor neste contexto. No entanto, o campo ainda carece de fluxos de trabalho totalmente abertos e reproduzíveis para otimização de modelos.
Neste novo estudo, que aparece na capa da revista de novembro Padrões, o Blue Brain apresenta um fluxo de trabalho universal inovador para criar, validar e generalizar modelos neuronais detalhados. A abordagem é baseada em ferramentas de código aberto, com todas as etapas disponíveis gratuitamente, e oferece aos pesquisadores uma solução abrangente para a construção de modelos neuronais que podem representar uma única célula biológica ou um tipo predefinido de células.
Um dos recursos exclusivos do fluxo de trabalho é a capacidade de construir os chamados modelos neuronais canônicos. “Em vez de personalizar cada modelo para neurônios individuais, são criados modelos que representam um tipo neuronal inteiro”, explica Werner Van Geit, líder do grupo no BBP. “Esta abordagem é particularmente útil no estudo de propriedades de um tipo neuronal específico e na construção de grandes circuitos neuronais.”
Neste estudo, os autores aplicaram o fluxo de trabalho para criar 40 modelos representando 11 tipos elétricos (e-types) no córtex somatossensorial de ratos jovens, a região do córtex cerebral responsável pelo processamento de informações sensoriais relacionadas ao toque, pressão, temperatura e dor. de várias partes do corpo. Cada modelo foi otimizado com base em um conjunto de características eletrofisiológicas, garantindo uma correspondência estreita com os dados experimentais. Esses modelos canônicos foram então testados em várias morfologias para avaliar sua generalização.
Ao analisar os parâmetros usados nesses modelos, os cientistas obtêm insights sobre suas propriedades biofísicas. “A análise de sensibilidade ajuda a revelar quais parâmetros são cruciais para o desempenho do modelo e quais podem variar sem afetar o resultado”, enfatiza o co-autor principal, Christian Rössert, acrescentando “Esta compreensão mais profunda é uma ajuda significativa no refinamento da criação do modelo.”
Embora esta abordagem seja poderosa, os autores apontam para algumas limitações atuais. Certos tipos de neurônios generalizam bem em várias formas, enquanto outros têm dificuldades. Compreender por que certos modelos funcionam melhor com morfologias específicas é uma área de pesquisa em andamento. Além disso, criar um modelo canônico único significa descartar parte da variabilidade observada em neurônios reais. Para resolver isso, os neurocientistas podem criar vários modelos baseados na mesma informação, introduzindo variação para representar a diversidade do mundo real.
“O conjunto de modelos eletrônicos aqui apresentados é baseado em medições elétricas de gravações de patch-clamp do corpo principal dos neurônios”, especifica a co-autora Maria Reva, “em versões futuras, esses modelos podem ser enriquecidos com mais detalhes, como como integração sináptica e dendrítica e correntes iônicas adicionais.”
“Essas melhorias nos aproximarão ainda mais da compreensão de como funcionam os neurônios”. conclui Van Geit.
.
