La IA y la optogenética alteran la neurociencia de la dopamina

Fuente: Geralt/Pixabay

Las tecnologías innovadoras como el aprendizaje automático de inteligencia artificial (IA) y la optogenética están acelerando los descubrimientos en las ciencias de la vida, especialmente en el campo de la neurociencia. Un nuevo y revolucionario estudio publicado en Current Biology por investigadores del cerebro pioneros en la Universidad de Vanderbilt utilizó la optogenética y el aprendizaje automático de inteligencia artificial para revelar que la dopamina no es solo una "molécula de placer", un hallazgo revolucionario que puede afectar cómo se tratan la adicción y las enfermedades psiquiátricas en el futuro .

“Se observan déficits de dopamina en pacientes que sufren de trastorno por uso de sustancias”, dijo Erin Calipari, profesora asistente de farmacología en la Universidad de Vanderbilt y miembro de la facultad tanto del Vanderbilt Brain Institute como del Vanderbilt Center for Addiction Research. “Estos individuos han reducido la dopamina, así como los déficits en la toma de decisiones que se explicarían por nuestros datos y nuestro nuevo modelo. Estos déficits en la toma de decisiones están altamente correlacionados con la gravedad de la adicción, así como con la predicción de los resultados del tratamiento. Estos datos son realmente clave para comprender la relación entre la dopamina y esta enfermedad y descubrir cómo tratarla".

El estudio de neurociencia se llevó a cabo en el laboratorio de Calipari bajo el liderazgo de Calipari y del becario postdoctoral Munir Gunes Kutlu. Otros miembros del equipo de investigación de Vanderbilt incluyen a Jennifer Zachry, Patrick Melugin, Stephanie Cajigas, Maxime Chevee, Shannon Kelley, Banu Kutlu y Cody Siciliano. Los investigadores de Vanderbilt trabajaron en colaboración con Lin Tian, ​​profesor y vicepresidente de bioquímica y medicina molecular en la Universidad de California, Davis.

La teoría de la neurociencia existente generalmente aceptada sobre el papel de la dopamina se conoce como la "teoría del error de predicción de recompensa". Esta teoría postula que las neuronas de dopamina señalan un error de predicción que es la diferencia entre las recompensas recibidas y las predichas.

Un error de predicción positivo es cuando las neuronas de dopamina se activan con más recompensa de lo previsto, y un error de predicción negativo es cuando las neuronas de dopamina muestran una actividad deprimida con menos recompensa de lo previsto. Las neuronas de la dopamina permanecen en la actividad de línea de base para premios totalmente predichos.

Las drogas adictivas pueden generar, potenciar y apoderarse de la señal de recompensa de la dopamina y dar como resultado efectos no controlados de la dopamina sobre la plasticidad neuronal. Se teoriza que el mensaje de error de predicción puede servir como una señal poderosa para el comportamiento y el aprendizaje.

Una deficiencia de la teoría actual del error de predicción de recompensas es que no describe múltiples fenómenos relacionados con la dopamina. Por ejemplo, la teoría del error de predicción de la recompensa no logra modelar los patrones de liberación de dopamina con estímulos negativos o neutrales.

En la neuroanatomía, el núcleo accumbens es parte del cuerpo estriado ventral de los ganglios basales. Los ganglios basales son un grupo de núcleos subcorticales o neuronas que se encuentran debajo de la corteza cerebral. El núcleo accumbens es el área del cerebro asociada con el procesamiento de recompensas, la adicción a las drogas, la disfunción neurológica y los trastornos psiquiátricos.

Para realizar los experimentos, los investigadores utilizaron la optogenética, una técnica útil para estudios de neurociencia en la que la luz puede "encender" o "apagar" las neuronas modificadas genéticamente. Se usó Chrimson para registrar la liberación de dopamina mientras se estimulaban los terminales, y se usó canalrodopsina (ChR2) para la excitación optogenética de las terminales de dopamina en un grupo separado de ratones.

En el estudio, los investigadores utilizaron el aprendizaje automático supervisado por IA. Específicamente, utilizaron clasificadores de máquinas de vectores de soporte (MVS) para definir si la dopamina ubicada en el área del cerebro del núcleo accumbens (NAc) de los ratones predijo su comportamiento. Desarrollaron un código MATLAB personalizado para crear los conjuntos de datos de entrenamiento y prueba para cada señal de dopamina vinculada con resultados de comportamiento. El algoritmo de IA junto con un modelo computacional ayudó a los investigadores a analizar los datos.

Dopamina Lecturas esenciales

Las microcelebridades de redes sociales y las sobredosis de dopamina

¿La dopamina domina tu vida o la está arruinando?

Los investigadores demostraron que la liberación de dopamina solo se ajusta a las predicciones de errores de predicción de recompensa en un subconjunto de escenarios de aprendizaje y, por lo tanto, “plantean desafíos significativos a la hipótesis de la dopamina como una señal de error de predicción al tiempo que ofrecen una explicación alternativa del papel de la liberación de dopamina del núcleo NAc como una señal de prominencia percibida".

Según los científicos, este estudio proporciona una imagen más completa del papel que juega la dopamina en el control del comportamiento y une múltiples teorías de la señalización de la dopamina. El impacto de este estudio puede tener amplias implicaciones en la psicopatología: el estudio del origen, desarrollo y manifestación de la cognición anormal, la disfunción conductual y los trastornos psicológicos.

“La dopamina está desregulada en casi todas las enfermedades psiquiátricas como la ansiedad, la depresión, la adicción, la esquizofrenia y muchas otras”, dijo Calipari. “Para tratar eficazmente a los pacientes, necesitamos saber qué significan estos déficits de dopamina y cómo regulan el comportamiento. Este es el primer paso para desarrollar nuevos tratamientos para estos trastornos".

Derechos de autor© 2021 Cami Rosso Todos los derechos reservados.