Breve Historia de la Neurociencia

Breve Historia de la Neurociencia

• 1649 - René Descartes establece el dualismo cuerpo alma y describe la glándula pineal como el lugar de encuentro entre ambas sustancias.Tres siglos y medio después el debate sigue abierto.
• 1755 - J.B. Le Roy utiliza la terapia electroconvulsiva para las enfermedades mentales.
• 1774 - Franz Anton Mesmer usa por primera vez el "magnetismo animal" llamado posteriormente hipnosis y mesmerismo.
• 1791 - Luis Galvani publica su trabajo sobre la estimulación eléctrica en los nervios de ranas. Propone que la contracción muscular está generada por corrientes eléctricas.
• 1808 - Franz Joseph Gall publica su trabajo sobre la frenología. Aunque el método y el resultado de la frenología son erróneos, su orientación acertada da comienzo al localizacionismo. Según Gall todos los procesos mentales son biológicos y provienen del cerebro y además cada área del cerebro tiene una función específica.
• 1817 - James Parkinson publica Ensayo sobre la parálisis trepidante
• 1824 - Marie-Jean-Pierre Flourens realiza ablaciones en el cerebro para estudiar su función. No encuentra relación entre la parte extirpada y su función Sus conclusiones son antilocalizacionistas. Desarrolla la anestesia.
• 1838 - Theordor Schwann describe las células que forman las vainas de mielina en el sistema nervioso periférico (células de Schwann) También postula la Teoría Celular según la cual todos los tejidos vivos y los órganos de los animales comparten una unidad estructural y funcional común: la célula.
• 1848 - Phineas Gage sobrevive a un accidente en el que una varilla de hierro se incrusta en su corteza prefrontal.

ESPINA, una nueva herramienta informática para el avance de la neurociencia desarrollada por el equipo Cajal Blue Brain

Investigadores de la UPM y del CSIC, en el ámbito del proyecto Cajal Blue Brain, desarrollan ESPINA, una nueva herramienta informática de libre distribución que permite profundizar en el estudio de la estructura del cerebro. Su utilización hará posible explorar nuevas hipótesis de cara a mejorar la comprensión del funcionamiento del cerebro humano o a buscar nuevas soluciones en la lucha contra enfermedades como el Alzheimer, la epilepsia o el Parkinson.

Reconstrucción tridimensional de las sinapsis. El color indica si la sinapsis es simétrica (rojo) o asimétrica (verde).

Como resultado de una investigación realizada en el ámbito del proyecto Cajal Blue Brain, investigadores de la UPM (CeSViMa, Facultad de Informática, CTB) y del CSIC (Laboratorio Cajal de Circuitos Corticales) han desarrollado ESPINA, una aplicación informática de libre distribución que permite extraer nueva información acerca de la estructura del cerebro. En concreto, a partir de las imágenes tridimensionales obtenidas mediante un microscopio electrónico, el experto puede analizar semi-automáticamente de forma cuantitativa las diferentes estructuras presentes en las imágenes digitales del tejido cerebral , como por ejemplo las sinapsis, mitocondrias, vesículas, axones, dendritas, etc.

La investigación se ha centrado en el conteo de las sinapsis en diferentes capas de la corteza cerebral. El análisis de los resultados obtenidos permitirá establecer nuevas hipótesis acerca de la organización de las conexiones neuronales. El estudio se está aplicando a diferentes especies, entre ellas, el ser humano. Algunos de los resultados de las investigaciones realizadas^1,2 ya se han publicado en diversas revistas científicas y se han dado a conocer en diversos congresos internacionales.

Las principales funcionalidades de la herramienta ESPINA abarcan desde la exploración tridimensional de los tejidos digitalizados, pasando por la segmentación de las estructuras de interés para los expertos neurocientíficos, hasta la reconstrucción tridimensional de las estructuras cerebrales segmentadas o la extracción de nuevos parámetros para caracterizar cada una de las estructuras segmentadas así como poblaciones de las mismas.

ESPINA se ha desarrollado en el lenguaje de programación Python y se ha diseñado utilizando herramientas de libre distribución, como por ejemplo, Qt para el desarrollo del interfaz gráfico, VTK para la visualización tridimensional de los datos o ITK para el procesamiento de las imágenes, lo cual ha permitido asimismo distribuirla libremente. ESPINA es una herramienta multiplataforma, estando en explotación tanto en computadores con sistema operativo Linux como Windows.

En estos momentos no existe ninguna aplicación informática de similares características tanto por la naturaleza singular de los datos que es capaz de procesar como por la funcionalidad programada. Gracias a ESPINA los expertos han conseguido acelerar el análisis de los datos disponibles con las nuevas tecnologías de captura de datos existentes en la actualidad.

¹Morales, J; Alonso-Nanclares, L; Rodríguez, JR; Merchán-Pérez, A; Defelipe, J; Rodríguez, A. Fast interactive quantification of synapses in the cerebral cortex. International Journal on Artificial Intelligence Tools 20 (2) Sp. Iss. SI: 239-252. 2011

²Morales, J; Alonso-Nanclares, L; Rodríguez, JR; Defelipe, J; Rodríguez, A.; Merchán-Pérez, A, ESPINA: a tool for the automated segmentation and counting of synapses in large stacks of electron microscopy images. Frontiers in Neuroanatomy 5 (18) SI: 1-8. 2011

Neuronas que emiten luz cuando se excitan

Construir neuronas que emiten luz cuando se excitan es un paso más de la ingeniería genética que ya incluía la optogenética y la proteína verde fluorescente GFP

La GFP permitió introducir en el ADN de las células un gen que produce una proteína que consigue que se vuelvan fluorescentes y puedan ser cómodamente observadas por un microscopio óptico.

La optogenética introduce un gen que genera un tipo especial de canal iónico con dos partes: una responde a la luz y la otra abre o cierra el paso de iones. Con un simple destello se excitan las neuronas pudiendo estas ser controladas a voluntad.

La nueva técnica, desarrollada por Adam Cohen de Harvard, es un paso más que permite la creación de neuronas que emiten luz cuando se disparan. Usando un gen de un microorganismo del Mar Muerto, se produce una proteína que, cuando se expone a las señales eléctricas de la neurona, emite luz, permitiendo a los científicos rastrear la propagación de las señales dentro de la célula.

Esto permite reemplazar la clásica técnica de implantación de microelectrodos para registrar el comportamiento de la neurona (del mismo modo que la optogenética reemplaza los microelectrodos para excitar a la neurona). Los microelectrodos registran el comportamiento en un punto de la neurona mientras que ahora se puede seguir todo el camino de la señal eléctrica dentro de la neurona (y en las demás neuronas). Además, los microelectrodos causan una muerte rápida de la neurona que ahora puede observarse por más tiempo.

De modo que se acabó el uso de electrodos para excitar y para medir las corrientes eléctricas en la neurona. A partir de ahora se puede excitar a la neurona (con optogenética) y registrar su comportamiento con la nueva técnica. Todo ello usando solo luz.

WellPoint, el mayor seguro sanitario americano contrata al ordenador Watson.

El paso de Watson de la investigación a la producción ha sido rápido. WellPoint, el seguro de salud más grande americano lo ha puesto en nómina.

Después de ganar en Jeopardy, el mundo de la salud era el primer candidato para que el ordenador Watson se pusiera a trabajar. Lori Beer una de las vicepresidentas de WellPoint lo dice así: "Creemos que la tecnología de Watson podría ser un elemento de cambio enorme en la industria."

Los costos de salud en EE.UU. son un 17% del PIB y siguen creciendo. Es insostenible.

WellPoint dispone de datos sobre 34 millones de miembros, y más de 100 millones de antiguos miembros. Tienen 5.400.000 proveedores. "Montones de datos. Es un gran reto. Pero también una gran oportunidad".

"¿Cómo usar grandes volúmenes de datos y convertirlos en información procesable?"

Con Watson, uno de los objetivos iniciales es ayudar a las enfermeras de WellPoint con autorización previa, a través de un asistente y ayudar a los médicos a llegar a mejores diagnósticos y tratamientos más eficaces, a través de un sistema de evaluación basado en las evidencias.

Un elemento clave es entrenar a Watson para que la información que la máquina proporciona sea correcta y esté actualizada. El paso 1 es Watson en la escuela de medicina para digerir la literatura médica y las directrices de tratamiento de WellPoint. El paso 2 es la residencia, Están alimentándolo con registros de casos reales y resultados conocidos. El paso 3 es el Dr. Watson. Colaborar con los médicos y entender los planes de tratamiento que continuamente se alimentan con los datos y utilizarlos para mejorar el tratamiento de ese paciente y otras personas con problemas de salud similares.

Pero Lori Beer promete: "Siempre habrá un médico para tomar la decisión final."

Mas información en el artículo de Los Ángeles Times: WellPoint to use famed IBM supercomputer