Modelos neuronais biofísicos detalhados fornecem uma janela única para o funcionamento de neurônios individuais. Eles permitem que os pesquisadores manipulem de forma sistemática e reversível propriedades neuronais que muitas vezes são impossíveis em experimentos do mundo real.
Esses modelos eletrônicos têm desempenhado um papel fundamental no avanço da nossa compreensão de como a morfologia neuronal afeta a excitabilidade e como correntes iônicas específicas contribuem para a função celular. Além disso, desempenham um papel importante na construção de circuitos neuronais para simular e estudar a atividade cerebral, dando-nos um vislumbre da complexa dança dos neurónios que sustentam os nossos pensamentos e ações.
Criar modelos eletrônicos precisos que reproduzam fielmente observações experimentais não é uma tarefa fácil. Isso requer quantificar a semelhança entre as respostas do modelo e o comportamento eletrofisiológico real, o que é um desafio quando parâmetros como condutância do canal iônico e propriedades passivas da membrana não podem ser medidos diretamente. Alcançar altas pontuações de similaridade geralmente requer uma exploração extensiva do espaço de parâmetros, o que é árduo e demorado.
Para enfrentar esses desafios, os pesquisadores recorreram aos algoritmos evolutivos (EAs) em busca de ajuda. Algoritmos evolutivos são ferramentas eficientes para otimização de parâmetros globais em espaços de alta dimensão. Entre eles, o algoritmo evolutivo baseado em indicadores (IBEA) tem grande potencial nesse sentido. No entanto, o campo ainda carece de fluxos de trabalho de otimização de modelo totalmente de código aberto e replicáveis.
No novo estudo, que aparece na capa da edição de novembro da Patterns, o Projeto BlueBrain propõe um fluxo de trabalho comum inovador para criar, validar e generalizar modelos neuronais detalhados. Esta abordagem é baseada em ferramentas de código aberto, com todas as etapas disponíveis gratuitamente, fornecendo aos pesquisadores uma solução abrangente para a construção de modelos neuronais que podem representar células biológicas individuais ou tipos de células predefinidos.
Um dos recursos exclusivos desse fluxo de trabalho é a capacidade de construir os chamados modelos canônicos de neurônios. Werner Van Geit, líder do grupo BBP, explica:"O que criamos não é um modelo personalizado para neurônios individuais, mas um modelo que representa um tipo inteiro de neurônio. Esta abordagem é particularmente útil ao estudar as propriedades de tipos específicos de neurônios e construir grandes circuitos neuronais. "
Neste estudo, os autores aplicaram um fluxo de trabalho para criar 40 modelos representando 11 tipos elétricos (e-types) no córtex somatossensorial de camundongos jovens, a área do córtex cerebral responsável pelo processamento de informações sensoriais relacionadas ao toque, pressão, temperatura e dor de várias partes do corpo. Cada modelo é otimizado com base em um conjunto de características eletrofisiológicas para garantir uma correspondência estreita com os dados experimentais. Estes modelos típicos foram então testados em várias morfologias para avaliar a sua generalidade.
Ao analisar os parâmetros utilizados nestes modelos, os cientistas obtiveram conhecimentos sobre as suas propriedades biofísicas. “A análise de sensibilidade ajuda a revelar quais parâmetros são críticos para o desempenho do modelo e quais parâmetros podem ser variados sem afetar os resultados”, enfatiza o co-primeiro autor Christian Rössert. "Essa compreensão mais profunda contribui muito para melhorar a criação do modelo."
Embora esta abordagem seja poderosa, os autores apontam algumas limitações atuais. Certos tipos de neurônios generalizam bem entre formas, enquanto outros têm dificuldade. Compreender por que certos modelos apresentam melhor desempenho em morfologias específicas é uma área de pesquisa em andamento. Além disso, criar um modelo canônico único significa ignorar parte da variabilidade nos neurônios reais. Para resolver este problema, os neurocientistas podem criar vários modelos baseados nas mesmas informações, introduzindo variação para representar a diversidade do mundo real.
A co-primeira autora Maria Reva observou: "O conjunto de modelos eletrônicos apresentados aqui é baseado em medições elétricas de gravações patch-clamp do corpo principal do neurônio. Em versões futuras, esses modelos podem ser enriquecidos com mais detalhes, como integração sináptica e dendrítica e correntes iônicas adicionais. Essas melhorias nos aproximarão da compreensão da função dos neurônios. "