Firmas neuronales y multicódigos en neuronas con comportamiento en ráfagas

Resumen

Los Generadores Centrales de Patrones (CPGs) son redes neuronales con un grado de especialización muy elevado, Sus neuronas generan señales cuya misión es controlar comportamientos rítmicos de una forma robusta y flexible. Experimentos realizados en preparaciones in vitro del CPG pilórico de la langosta han revelado la existencia de una firma neuronal identificativa de cada célula de la red. Las firmas neuronales consisten en una distribución temporal específica de los potenciales de acción en la actividad en ráfagas de estas neuronas. Estas estructuras temporales coexisten con la información codificada en la frecuencia de la onda lenta y en las relaciones de fase entre señales generadas por distintas neuronas. Los experimentos in vitro no han revelado cuál es el papel funcional que pueden desempeñar. %&/Utilizando modelos teóricos, en esta tesis doctoral discutimos el origen y posible significado funcional de las firmas neuronales como parte de una estrategia de codificación multicódigo para neuronas individuales en distintos tipos de redes neuronales. En los modelos, la aparición de estas estructuras temporales tan precisas se debe principalmente a la conectividad de la red y, en menor medida, a la dinámica individual de cada célula. Los modelos señalan la posibilidad de que las firmas neuronales forman parte de una estrategia para el procesamiento de información contextualizado en la actividad en ráfagas. Los resultados presentados en esta tesis muestran que en los modelos dinámicos es posible implementar mecanismos de multiplexación, reconocer firmas específicas y procesarlas de forma independiente o junto con la información codificada en la onda lenta. Estos resultados apoyan la hipótesis de que las firmas neuronales pueden tener importantes implicaciones para comprender el origen de los ritmos, su rápida respuesta a la entrada modulatoria y los mecanismos de comunicación con los músculos que coordinan los CPGs. %&/En la última parte de la tesis, presentamos un paradigma de red neuronal artificial auto-organizativa inspirado en los resultados obtenidos de nuestros modelos biológicos. La red neuronal propuesta hace uso de (i) firmas neuronales para identificar cada neurona, (ii) discriminación de la información recibida por los receptores en función del origen de la señal y (iii) transmisión multicódigo para propagar la información por la red. En el contexto de las redes neuronales artificiales, ninguno de estos aspectos se ha estudiado en detalle previamente. Nuestros resultados demuestran que los paradigmas de computación artificial pueden utilizar estos mecanismos para resolver un problema de forma eficiente.