Las redes restringidas por Connectome predicen la actividad neuronal en todo el sistema visual de la mosca

Área de la Ciencia:

• Neurociencia computacional
• Neurociencia de los sistemas
• Conectómicas

Sus antecedentes:

• La conectividad del circuito neuronal es medible, pero la dinámica neuronal no lo es.
• Comprender la computación neuronal únicamente desde la conectividad es un desafío.
• La escasa conectividad es una característica universal de las redes neuronales biológicas.

Objetivo del estudio:

• Para predecir la actividad neuronal y comprender la computación neuronal utilizando solo datos de conectividad.
• Desarrollar una estrategia para generar hipótesis sobre los mecanismos de los circuitos neuronales.
• Investigar el papel de la escasa conectividad en la predicción exitosa.

Principales métodos:

• Construyó un modelo de red neuronal utilizando la conectividad del lóbulo óptico de la mosca de la fruta determinada experimentalmente.
• Parámetros desconocidos de una sola neurona y una sola sinapsis optimizados utilizando técnicas de aprendizaje profundo.
• Predicciones del modelo validadas en comparación con las mediciones experimentales de la actividad neuronal.

Principales resultados:

• El modelo predijo con éxito la actividad neuronal para la detección de movimiento visual.
• Las predicciones del modelo se alinearon con los datos experimentales de 26 estudios.
• La estrategia de predicción resultó más efectiva con una escasa conectividad neuronal.

Conclusiones:

• Los datos de conectividad, cuando se combinan con el aprendizaje profundo, pueden predecir la actividad neuronal e informar la comprensión de la computación neuronal.
• Este estudio proporciona una poderosa estrategia para generar hipótesis verificables sobre la función del circuito neural.
• La escasa conectividad mejora la capacidad de predecir el comportamiento del circuito neuronal a partir de datos conectómicos.