Un estudiante de secundaria convierte una idea loca en una herramienta de investigación innovadora

Como muchas buenas ideas científicas, todo comenzó con un paseo por el bosque.

Durante un recorrido por el Jardín Botánico de Berlín en 2019, el líder del grupo de investigación en el campus Janelia del HHMI, Jan Funke, y algunos de sus colegas científicos comenzaron a hablar sobre un tema familiar: cómo obtener más información de los conectomas de insectos.

Estos diagramas de cableado brindan a los investigadores información sin precedentes sobre las células cerebrales y cómo se conectan entre sí, pero no les dicen a los científicos cómo la señal de una neurona afecta a las otras neuronas de su red.

El grupo se preguntó si podrían utilizar información de experimentos anteriores, identificando los neurotransmisores liberados por algunas neuronas, para predecir los neurotransmisores liberados por otras en el conectoma. Las neuronas utilizan neurotransmisores para comunicarse entre sí, con diferentes sustancias químicas responsables de diferentes señales.

El ojo humano no puede distinguir entre las sinapsis de las neuronas donde se liberan diferentes neurotransmisores, pero tal vez un modelo informático sí podría hacerlo. Funke y sus colegas se mostraron escépticos, pero pensaron que valdría la pena intentarlo.

«Ahí es más o menos donde lo dejamos: tenemos los datos, creo que podríamos intentarlo», dice Funke. «No éramos particularmente optimistas».

De vuelta en Janelia, Funke decidió entregar el proyecto a Michelle Du, una estudiante de secundaria que estaba comenzando una pasantía de verano en su laboratorio. El proyecto le permitiría a Du aprender cómo entrenar una red neuronal para reconocer imágenes, una habilidad útil para un científico informático en ciernes, incluso si el proyecto no produjo resultados.

Después de unos días de pasantía, Du se presentó en la oficina de Funke después de haber entrenado el modelo con datos publicados y evaluado su desempeño con datos de prueba. Aunque Funke tenía pocas esperanzas de que funcionara, el modelo tenía una precisión de más del 90% en la predicción de algunos neurotransmisores.

«No podía creerlo», dice Funke. «Los números eran demasiado buenos».

Después de comprobar los datos y el modelo, Funke, Du y sus colegas quedaron convencidos de que los números no eran un error: el modelo podía predecir neurotransmisores. Pero el equipo aún era cauteloso y no tenía una buena idea de cómo la red hacía predicciones.

«Debería haberme sentido muy feliz, pero estaba preocupado porque no entendíamos lo que estaba pasando», dice Funke.

Después de descartar posibles factores de confusión que podrían sesgar sus resultados, el equipo desarrolló una forma de comprender lo que estaba viendo la red, lo que le permitió hacer predicciones.

Primero, utilizaron su red para predecir un neurotransmisor a partir de una imagen conocida, lo cual lograron con éxito. Luego pidieron a una red separada que tomara esa imagen conocida y la alterara ligeramente para crear una imagen correspondiente a la liberación de un neurotransmisor diferente, identificando esencialmente las características mínimas que deben modificarse para que el modelo prediga un neurotransmisor sobre otro. Por último, el equipo desarrolló un método independiente para identificar estas características distintivas.

A partir de esta información, el equipo comprendió las diferentes características que utilizaba su red original para hacer predicciones. Esto les dio la confianza para presentar su método a la comunidad neurocientífica en general en 2020.

«Lo que la mayor parte de la comunidad neurocientífica vio en este trabajo fueron predicciones», dice Funke. «Estaban felices de usarlo, pero para nosotros era muy importante asegurarnos de que realmente funcionaba».

Cinco años después, Du es ahora estudiante de posgrado en la Universidad de Duke, y el método que ayudó a desarrollar se ha utilizado para predecir neurotransmisores en los conectomas del hemicerebro, el cordón nervioso ventral y el lóbulo óptico de la mosca de la fruta, creados también por investigadores y colaboradores de Janelia. como el conectoma del cerebro de una mosca adulta creado por FlyWire.

La información ayuda a los científicos a comprender cómo las neuronas de un circuito se afectan entre sí, para que luego puedan formular hipótesis sobre la función de los circuitos cerebrales que puedan probarse en el laboratorio.

“Realmente todo empezó con una idea loca, algo sobre lo que nadie era muy optimista. ¿Y qué haces con una idea loca? Se lo ofreces a un estudiante de secundaria como una experiencia de aprendizaje”, dice Funke. «Tuvimos mucha suerte de que Michelle tuviera mucho talento».