Muchos trabajos afirman que las técnicas para estimular de forma no invasiva diferentes regiones del cerebro permiten mejorar ciertos aspectos de la cognición humana. Equipos internacionales, en los que participan investigadores de la Universidad Autónoma de Madrid y la Universidad de Granada, han presentado trabajos de metaanálisis estadístico que cuestionan esta conclusión.Ahora, en un trabajo publicado en la revista Brain Stimulation, investigadores de la Universidad Autónoma de Madrid (UAM), la Kingston University (UK), la Universidad de Essex (UK) y la Escuela Superior de Economía de Moscú (Rusia) han demostrado que, cuando se integran los resultados de todos los estudios que han investigado los efectos de la tDCS sobre la memoria episódica, los efectos de esta técnica no son estadísticamente significativos.
Al mismo tiempo, un equipo de investigadores de la Universidad Politécnica de Madrid (UPM), la Universidad Rey Juan Carlos (URJC) y el Instituto Cajal del CSIC ha diseñado un nuevo modelo de representación simbólica de neuronas que facilita el análisis de sus morfologías para su utilización en investigación en neurociencia. El trabajo desarrollado, que ha sido publicado en la revista Frontiers in Neuroanatomy, incluye una herramienta de software para generar representaciones gráficas de neuronas a partir de archivos de reconstrucción 3D asistidos por ordenador.
La nueva herramienta de representación simbólica de neuronas facilita el análisis de sus morfologías e incluye un software libre para generar los gráficos
En los últimos años, el número de células reconstruidas gracias a la mejora de técnicas y equipamiento, está trasladando el problema científico desde la adquisición de los datos al procesado de los mismos. Las representaciones simbólicas permiten avanzar en la comprensión del conocimiento. Cada área específica ha ido desarrollando diferentes modelos visuales que se usan tanto para el análisis como para la transferencia de la información y el conocimiento, permitiendo el acceso a estos valiosos recursos científicos a los diferentes equipos multidisciplinares que deben procesarlos.
Siguiendo este enfoque, los autores han diseñado la herramienta gráfica para comprender y detectar mejor las características morfológicas de las células neuronales. Además, el modelo también puede servir para otras representaciones, como por ejemplo la distribución de bronquios en un pulmón o la vascularización del cerebro, tanto en sistemas biológicos como de ingeniería en general.
Como señala José Juan Aliaga de la UPM, “no solo hemos desarrollado un modelo de representación con múltiples posibilidades gráficas, también hemos llevado a cabo un estudio en el que se valida su usabilidad, contrastando esta con los métodos tradicionales de proyección bidimensional de datos”. Los resultados indican que la representación propuesta facilita la interpretación de las características morfológicas principales de las neuronas disminuyendo el número de errores en su cuantificación, así como mejorando la velocidad de su lectura.
Descubrir geometrías ocultas
El método desarrollado, basado en una representación simbólica que puede adaptarse para mejorar un rango particular de características de una neurona o conjunto de neuronas, ha demostrado ser útil para resaltar geometrías particulares que pueden estar ocultas debido a la complejidad de las tareas de análisis y la riqueza de las morfologías neuronales.
A lo largo del estudio se muestran varios ejemplos de aplicación sobre un conjunto de reconstrucciones de neuronas humanas obtenidas recientemente y se proponen diferentes líneas de desarrollo y aplicabilidad de estas novedosas representaciones capaces de destacar aspectos de interés en los estudios de las neuronas por los neuroanatomistas.
También se ha creado una herramienta de software (HUGO: Highly Uniform Graphic Organization) que se puede descargar libremente y permite generar las representaciones simbólicas de las neuronas a partir de ficheros de datos en formato SWC. Como concluye Aliaga “creemos que es un paso pequeño pero importante en una dirección que podría afectar los flujos de trabajo científicos a través de la introducción de herramientas de análisis asistidas por ordenador”.
