Científicos de JAIST y Princeton crean NTAC, un algoritmo que clasifica neuronas por sus conexiones

Investigadores de JAIST, Princeton y otros centros han presentado NTAC, un sistema que determina el tipo de una neurona no por su forma externa, sino por sus conexiones sinápticas. En experimentos con conectomas de la mosca de la fruta, el algoritmo alcanzó una precisión superior al 90 % y resolvió la tarea en minutos en un portátil común.

Por qué la forma no basta

La tipificación de neuronas lleva tiempo atascada por el trabajo manual. Normalmente, los expertos clasifican las células por su morfología: forma, ramificación, posición en el tejido. Esto no siempre funciona. En algunas regiones del cerebro, sobre todo en el lóbulo óptico de la mosca de la fruta, distintos tipos de neuronas parecen casi idénticos. Es difícil distinguirlos a simple vista, aunque por sus funciones participan en circuitos distintos de procesamiento de señales. Por ello, el etiquetado se convierte en un proceso largo y caro que escala mal a medida que crecen los conectomas.

Los autores proponen mirar no la célula en sí, sino sus «conexiones». La lógica es sencilla: dos cables idénticos dentro de una pared son difíciles de distinguir por su aspecto, pero es fácil diferenciarlos si se sigue adónde van. Con las neuronas ocurre algo parecido. NTAC usa el esquema de conexiones sinápticas como rasgo principal y demuestra que refleja la naturaleza funcional de la célula mejor que su silueta anatómica. Esto importa sobre todo en zonas densas del cerebro con arquitectura repetitiva.

Cómo funciona NTAC

NTAC trabaja en dos modos. En el semiautomático, los investigadores etiquetan de antemano una pequeña proporción de neuronas y el modelo traslada ese conocimiento al resto de las células del mismo conjunto de datos. En el segundo modo no hace falta ningún etiquetado: el algoritmo agrupa por sí solo las neuronas según la similitud de sus conexiones. Es importante para los conectomas grandes, donde ya no es posible etiquetar todas las células a mano. El enfoque permite usar tanto atlas parcialmente terminados como conjuntos de datos totalmente en bruto.

• El modo semiautomático usa pocas etiquetas ya preparadas
• El modo no supervisado agrupa las neuronas sin pistas
• La ejecución tarda minutos en un portátil estándar
• El método se probó en varios conectomas de la mosca de la fruta

Según los autores, el modelo se evaluó con los conjuntos FlyWire, el conectoma del lóbulo óptico y datos del cordón nervioso ventral. No es un ejemplo de juguete con una sola muestra de laboratorio, sino una comparación en varios mapas modernos del sistema nervioso de la drosófila. Ese diseño refuerza el resultado: los investigadores muestran no un éxito puntual, sino un enfoque que puede trasladarse entre distintas regiones, tareas y números de tipos celulares en la muestra.

Resultados y límites

NTAC logró su mejor resultado justo donde los métodos morfológicos suelen tropezar. En el lóbulo óptico, la variante semiautomática superó el 90 % de precisión, mientras que NBLAST, un enfoque popular basado en la forma de la neurona, se mantuvo en torno al 50 %. En modo totalmente no supervisado, NTAC alcanzó cerca del 70 % de precisión en regiones complejas, mientras que la agrupación morfológica quedó en algunos casos por debajo del 10 %. Para la anotación automática, es una brecha muy notable.

«El propio esquema de conexiones aporta señal suficiente para

identificar rápidamente los tipos de neuronas».

También es relevante que no se trata de un modelo voraz pensado para un centro de datos. Los autores subrayan que NTAC funciona en una CPU estándar y no requiere un superordenador. Para la neurociencia es un cambio práctico: si los conectomas crecen del cerebro de la mosca al del ratón y después al del ser humano, la automatización de la tipificación será obligatoria. El algoritmo ya se ha aplicado para etiquetar miles de neuronas, y los investigadores señalan el mapeo del cerebro del ratón como el siguiente gran hito.

Qué significa

NTAC no resuelve el mapeo del cerebro humano completo, pero elimina una de las etapas más lentas: la tipificación manual de células. Si el enfoque mantiene su precisión en organismos más grandes, la conectómica contará con una herramienta funcional que podría acelerar tanto la ciencia básica como la búsqueda de alteraciones de los circuitos neuronales en enfermedades.