Al navegar por un lugar con el que apenas estamos familiarizados, solemos basarnos en puntos de referencia únicos para orientarnos. Sin embargo, si buscamos una oficina en un edificio de ladrillo, y hay muchos edificios de ladrillo a lo largo de nuestra ruta, podríamos usar una regla como buscar el segundo edificio en una calle, en lugar de basarnos en distinguir el edificio en sí.

Hasta que se resuelva esta ambigüedad, debemos tener presente que existen múltiples posibilidades (o hipótesis) sobre nuestra situación en relación con nuestro destino. En un estudio con ratones, neurocientíficos del MIT han descubierto que estas hipótesis se representan explícitamente en el cerebro mediante patrones de actividad neuronal distintivos.

Esta es la primera vez que se observan en el cerebro patrones de actividad neuronal que codifican hipótesis simultáneas. Los investigadores descubrieron que estas representaciones, observadas en la corteza retroesplenial (CRS), no solo codifican hipótesis, sino que también podrían ser utilizadas por los animales para elegir el camino correcto.

“Hasta donde sabemos, nadie ha demostrado en una tarea de razonamiento complejo que exista un área en la corteza de asociación que mantenga dos hipótesis en mente y luego use una de esas hipótesis, una vez que obtiene más información, para completar realmente la tarea”, dice Mark Harnett, profesor asociado de ciencias cerebrales y cognitivas, miembro del Instituto McGovern para la Investigación del Cerebro del MIT y autor principal del estudio.

Jakob Voigts, PhD ´17, ex investigador posdoctoral en el laboratorio de Harnett y ahora líder de grupo en el Campus de Investigación Janelia del Instituto Médico Howard Hughes, es el autor principal del artículo, que aparece hoy en Nature Neuroscience.

Puntos de referencia ambiguos

El RSC recibe información de la corteza visual, la formación hipocampal y el tálamo anterior, que integra para ayudar a guiar la navegación.

En un artículo de 2020, el laboratorio de Harnett descubrió que el RSC utiliza información visual y espacial para codificar puntos de referencia utilizados para la navegación. En dicho estudio, los investigadores demostraron que las neuronas del RSC de ratones integran información visual sobre el entorno con retroalimentación espacial de su propia posición a lo largo de un recorrido, lo que les permite aprender dónde encontrar una recompensa basándose en los puntos de referencia que observan.

En su nuevo estudio, los investigadores querían profundizar en cómo el RSC utiliza la información espacial y el contexto situacional para guiar la toma de decisiones de navegación. Para ello, idearon una tarea de navegación mucho más compleja que la que se suele utilizar en estudios con ratones. Instalaron un recinto grande y circular con 16 pequeñas aberturas, o puertos, a lo largo de las paredes laterales. Una de estas aberturas otorgaba a los ratones una recompensa al introducir la nariz. En el primer conjunto de experimentos, los investigadores entrenaron a los ratones para que se dirigieran a diferentes puertos de recompensa, indicados por puntos de luz en el suelo que solo eran visibles cuando los ratones se acercaban a ellos.

Una vez que los ratones aprendieron a realizar esta tarea relativamente sencilla, los investigadores añadieron un segundo punto. Ambos puntos siempre estaban a la misma distancia entre sí y del centro de la arena. Pero ahora los ratones tenían que ir al puerto por el punto que giraba en sentido contrario a las agujas del reloj para obtener la recompensa. Como los puntos eran idénticos y solo se hacían visibles a corta distancia, los ratones nunca podían ver ambos puntos a la vez y no podían distinguirlos inmediatamente.

Para resolver esta tarea, los ratones tuvieron que recordar dónde esperaban que apareciera un punto, integrando su posición corporal, la dirección en la que se dirigían y el camino que tomaron para identificar cada punto. Al medir la actividad de las RSC a medida que los ratones se acercaban a los puntos de referencia ambiguos, los investigadores pudieron determinar si estas codifican hipótesis sobre la ubicación espacial. La tarea se diseñó cuidadosamente para que los ratones usaran los puntos de referencia visuales para obtener recompensas, en lugar de otras estrategias como las señales olfativas o la navegación a estima.

“Lo importante del comportamiento en este caso es que los ratones necesitan recordar algo y luego usarlo para interpretar información futura”, dice Voigts, quien trabajó en este estudio durante su posdoctorado en el laboratorio de Harnett. “No se trata solo de recordar algo, sino de recordarlo de tal manera que se pueda actuar en consecuencia”.

Los investigadores descubrieron que, a medida que los ratones acumulaban información sobre qué punto podía corresponder a cuál, las poblaciones de neuronas RSC mostraban patrones de actividad distintos para la información incompleta. Cada uno de estos patrones parece corresponder a una hipótesis sobre dónde creía el ratón estar con respecto a la recompensa.

Cuando los ratones se acercaron lo suficiente para identificar qué punto indicaba el puerto de recompensa, estos patrones se fusionaron en el que representa la hipótesis correcta. Los hallazgos sugieren que estos patrones no solo almacenan hipótesis pasivamente, sino que también pueden usarse para calcular cómo llegar a la ubicación correcta, afirman los investigadores.

Demostramos que el RSC posee la información necesaria para usar esta memoria a corto plazo y distinguir los puntos de referencia ambiguos. Además, demostramos que este tipo de hipótesis se codifica y procesa de forma que el RSC puede utilizarla para resolver el cálculo, afirma Voigts.

Neuronas interconectadas

Al analizar sus resultados iniciales, Harnett y Voigts consultaron con la profesora del MIT Ila Fiete, quien había realizado un estudio hace unos 10 años utilizando una red neuronal artificial para realizar una tarea de navegación similar.

Ese estudio, publicado previamente en bioRxiv, demostró que la red neuronal presentaba patrones de actividad conceptualmente similares a los observados en los estudios con animales realizados por el laboratorio de Harnett. Las neuronas de la red neuronal artificial acabaron formando redes de baja dimensión altamente interconectadas, como las neuronas del RSC.

“Esa interconectividad parece, de maneras que aún desconocemos, ser clave para el surgimiento y el control de estas dinámicas. Y es una característica clave de cómo el RSC mantiene presentes estas dos hipótesis simultáneamente”, afirma Harnett.

En su laboratorio de Janelia, Voigts ahora planea investigar cómo se involucran otras áreas del cerebro involucradas en la navegación, como la corteza prefrontal, mientras los ratones exploran y buscan alimento de una manera más natural, sin ser entrenados en una tarea específica.

“Estamos investigando si existen principios generales que rijan el aprendizaje de tareas”, afirma Voigts. “Disponemos de amplios conocimientos en neurociencia sobre el funcionamiento del cerebro una vez que el animal ha aprendido una tarea, pero, en comparación, sabemos muy poco sobre cómo aprenden las tareas los ratones o qué eligen aprender cuando se les da la libertad de comportarse con naturalidad”.

La investigación fue financiada, en parte, por los Institutos Nacionales de Salud, una beca postdoctoral del Centro Simons para el Cerebro Social del MIT, el Instituto Nacional de Ciencias Médicas Generales y el Centro para Cerebros, Mentes y Máquinas del MIT, financiado por la Fundación Nacional de Ciencias.

​Autor​