Redes funcionales cerebralesorganización multicapa y deterioro

Resumen

La inclusión de las ciencias de la complejidad y el análisis de la dinámica no lineal en neurociencia ha favorecido una perspectiva completamente nueva en el estudio de algunas cuestiones fundamentales en contextos clínicos y fisiológicos. La neurociencia de redes, que combina estas disciplinas, se centra en estudiar las conexiones estructurales y funcionales en el cerebro, buscando crear nuevos modelos que reflejen el funcionamiento normal y patológico del cerebro. A la luz de los últimos avances en el campo, el cerebro se concibe como un sistema altamente no lineal, donde múltiples escalas espaciales, temporales y de frecuencia están entrelazadas, y de la cual emergen todos los procesos cognitivos. El patrón de interacciones anatómicas y funcionales permite dibujar un panorama cambiante y complejo, con grupos neuronales densamente conectados, que interactúan entre sí jerárquicamente, en un delicado balance entre integración y segregación de la información. Este nuevo paradigma ha modificado drásticamente nuestro entendimiento de diversas patologías cerebral, tales como la esquizofrenia, la epilepsia, o las enfermedades neurodegenerativas. En esta Tesis, nos centraremos en la enfermedad de Alzheimer (AD), la forma más común de demencia en sociedades occidentales. En ésta, la acumulación progresiva de la β-amiloide y la proteína tau derivan en una alteración del balance natural entre procesos inhibitorios y excitatorios, que resultan una pérdida masiva de sinapsis y muerte neuronal. Este proceso fisiológico comienza décadas antes de las manifestaciones cognitivas y se refleja en – entre otros – cambios en la actividad neuronal, que se aleja de lo que esperaríamos en el envejecimiento normal, y en las redes funcionales construidas a partir de la actividad electromagnética, cuyo patrón de conexiones también está alterado. Nuestra investigación se aplica sobre una base de datos de magnetoencefalografía (MEG) en estado de reposo, con controles (N = 48), deterioro cognitivo leve (N = 46) y enfermedad de Alzheimer (N = 17). Para dar robustez a nuestros resultados, todos los análisis se llevan a cabo sobre los registros en sensores y regiones de interés (ROIs). Presentamos dos aproximaciones al estudio de los datos: de un lado, nos centraremos en estudiar las propiedades matemáticas de las señales en términos de su complejidad y entropía, replicando resultados previos en la señal completa (broadband), y ampliando el análisis con el estudio de las bandas de frecuencia por separado (δ, θ, α, β). Encontramos un patrón heterogéneo de alteraciones, donde, aunque en principio la complejidad de las señales disminuye con la enfermedad, algunas áreas muestran de hecho un aumento significativo, mediado por la frecuencia considerada. De otro lado, construimos diferentes tipos de redes funcionales de todos nuestros participantes. Primero, obtenemos las redes funcionales mono capa en cada banda de frecuencia, y nos centramos en estudiar cómo los cambios grupales en el clustering, el shortest path, la eficiencia (global y local) y el outreach se distribuyen en el cerebro. Encontramos diferencias en cada parámetro, que, de nuevo, dependen en la frecuencia y la banda que consideremos. Por último, presentamos una de las primeras aplicaciones de la arquitectura multicapa en un contexto clínico. Una red multicapa es una red de redes, y como tal, puede utilizarse para estudiar una gran variedad de sistemas, desde patrones de movilidad hasta redes sociales, entre otros. Es útil cuando se quieren analizar nodos y enlaces de diferente naturaleza (por ejemplo, estaciones que cuentan con autobús y metro, o personas que se relacionan a través de Facebook, Instagram y Twitter). Por tanto, puede servir para estudiar cómo diferentes bandas de frecuencia interactúan en el cerebro, reflejando el conocido proceso de acople de frecuencias (cross-frequency coupling). Siguiendo esta lógica, construimos redes multicapa con bandas α y β para cada paciente, y desarrollamos un nuevo biomarcador basado en la dependencia funcional de las bandas. Para ello, aprovechamos los últimos resultados en investigación, que indican cómo la conectividad algebraica de la matriz supra Laplaciana de la red multicapa (λ2) manifiesta una abrupta transición de fase cuando las capas están completamente desconectadas. Nuestros resultados muestran cómo este parámetro cambia en función del grupo, y por tanto puede utilizarse para clasificar sujetos. Más investigación es necesaria para clarificar cómo la relación entre bandas de frecuencia está alterada. Dado que una cuestión importante que siempre hay que resolver en estudios de conectividad funcional es aquella relativa a la sincronización entre poblaciones neuronales, y dado que no hay respuestas definitivas a este respecto, presentamos también una nueva medida de sincronización desarrollada con datos sintéticos y registros de MEG: Sincronización Ordinal. Se centra en el estudio de los patrones de orden extraídos de las señales. Es relativamente robusto al ruido, muy rápido de calcular, y sensible a correlaciones positivas y negativas. Nuestros resultados indican que puede ser utilizado para cuantificar fenómenos de sincronización en datos reales, aunque se requiere más investigación para confirmar este hallazgo con más solidez.