Las neuronas se comunican mediante la generación de impulsos eléctricos, conocidos como potenciales de acción, que se pueden propagar de una neurona (emisora) a la siguiente (receptora) a través de una conexión entre ambas conocida como sinapsis. Así, cuando la neurona emisora, o pre-sináptica, genera un potencial de acción, la neurona receptora, o post-sináptica, es capaz de percibirlo y generar una respuesta que eventualmente puede llegar a producir un nuevo potencial de acción, en este caso post-sináptico.
Distintas secuencias, o trenes, de potenciales de acción pre-sinápticos producen en general distintos trenes de potenciales de acción post-sinápticos. Por este motivo los científicos piensan que existe un "código neuronal" asociado a la temporalidad de los potenciales de acción. Es decir, que una misma neurona podría utilizar varias secuencias de potenciales de acción distintas para codificar distinto tipo de información. Por otra parte, la actividad eléctrica de una neurona rara vez está perfectamente determinada por el estímulo. Al contrario, suele ser ruidosa y variable. Es decir, ante sucesivas repeticiones de un mismo estímulo, una neurona responderá cada vez con un tren de potenciales de acción ligeramente distinto.
Caracterizar la respuesta de las neuronas a los estímulos, y determinar cómo codifican la información son dos de los principales problemas de la neurociencia actual. Debido a la variabilidad, tradicionalmente se ha pensado que toda la información contenida en un tren de potenciales de acción está codificada en su frecuencia, es decir, cuántos potenciales de acción se producen por unidad de tiempo. Sólo recientemente se ha empezado a pensar que los instantes específicos en los que se produce cada potencial de acción pueden tener un significado preciso e incluso se habla de firmas neuronales, patrones temporales muy específicos que permitirían identificar a la neurona emisora.
En este sentido, varios investigadores del Grupo de Neurocomputación Biológica de la Universidad Autónoma de Madrid han propuesto recientemente un nuevo método que permite caracterizar un tren en base a los tiempos de cada uno de los potenciales de acción del mismo. En su investigación utilizan un conjunto de trenes que se han generado en las mismas condiciones, y por tanto están codificando la misma información. Aplicando un método que han desarrollado, consiguen alinear las distintas secuencias y determinar qué potenciales de acción son equivalentes en los distintos trenes. Con esta información pueden calcular la distribución estadística que sigue cada potencial de acción en el tren ideal. Este tren ideal representa el patrón común, del cual cada uno de los trenes reales es sólo una realización concreta. Una vez se ha caracterizado el tren ideal de esta manera, es posible saber si un nuevo tren se ajusta a la distribución o no, y por tanto determinar si está codificando la misma información.
Los resultados de este estudio, publicados en la revista Neural Computation (Vol. 21, No. 4. (2009), pp. 973-990), demuestran que es posible determinar las distribuciones estadísticas que caracterizan el tren ideal en casos concretos. El concepto del tren ideal podría tener profundas implicaciones para el estudio y la interpretación del código neuronal, y refuerza la teoría de las firmas neuronales.
