María Masoliver Vila defiende su tesis sobre codificación neuronal de señales débiles.

Las neuronas sensoriales disparan secuencias de impulsos eléctricos (conocidos como potenciales de acción) para codificar y transmitir información de estímulos temporales externos. La codificación neuronal es el campo de investigación que estudia la relación entre los estímulos externos y las respuestas neuronales. Dado que no hay una relación única entre ellos, los mecanismos subyacentes a la codificación neural todavía no se comprenden plenamente. Sin embargo, se sabe que las neuronas utilizan diferentes mecanismos para codificar los estímulos externos, que pueden ser complementarios en diferentes situaciones. Una cuestión importante es como el ruido neuronal (fluctuaciones eléctricas estocásticas que no transmiten ninguna información) influye en la codificación neuronal.

Aquí se centramos en como las neuronas responden a una señal débil y periódico. La señal se considera bastante débil como para ser subumbral, es decir, por si suele no induce a las neuronas a disparar. Sin embargo, el ruido neuronal desencadena potenciales de acción que codifican la información de la señal débil. En esta situación se ha propuesto un mecanismo de codificación basado en patrones simbólicos para neuronas desacopladas; en esta tesis tratan de determinar si este mecanismo es plausible para neuronas acopladas.

Han usado, primeramente, el modelo neuronal Fitzhugh-Nagumo para estudiar dos neuronas acopladas. Han considerado la situación en la cual solo una neurona percibe la señal débil (la anomanem neurona 1). Han caracterizado el papel del acoplamiento en la codificación de la señal y hemos analizado las secuencias de intervalos entre potenciales de acción de la neurona 1 utilizando el método anlàlisi simbólico, el cual puede capturar patrones de mpulsos eléctricos preferidos e infrecuentes (definidos por el tiempo relativo entre impulsos). De hecho, han demostrado que el mecanismo de codificación es robusto al acoplamiento: la neurona que percibe la señal dispara una secuencia de impulsos eléctricos, la cual contiene patrones preferidos e infrecuentes que dependen de la amplitud y frecuencia de la señal.

Segundo, han aplicado el análisis simbólico a las secuencias intervalos entre potenciales de acción generados por dos neuronas acopladas simuladas con el modelo neuronal Morris-lecar. Han investigado si diferentes tipos de neuronas (en cuanto al tipo de excitabilidad neuronal, clase 1 o clase 2) generan secuencias de potenciales de acción similares, y han caracterizado las diferencias en la codificación y transmisión de la señal al cambiar el tipo de acoplamiento (sinapsis eléctricas o químicas excitatòries) . Establecen que dependiendo de la frecuencia de la señal, combinaciones específicas de neurona/clase y tipo de acoplamiento permiten una codificación más efectiva, o una transmisión más efectiva de la señal.

Han analizado, por último, la actividad de un conjunto de neuronas, cuando todas ellas perciben la señal débil. El análisis simbólico lo hemos aplicado a las secuencias de acciones de potenciales de todas las neuronas y hemos demostrado que un conjunto neuronal también codifica la información de la señal en forma de patrones de acciones de potenciales preferidos o poco frecuentes, como lo hacen una suela o dos neuronas acopladas. Además, han establecido que el acoplamiento neuronal es beneficioso para la codificación de señales (el conjunto neuronal detecta señales de amplitud más débil) y que solo unos pocos enlaces entre neuronas pueden mejorar significativamente la codificación de señales (las probabilidades de los patrones preferidos y de los poco frecuentes toman valores más extremos).


En conjunto, los resultados presentados en esta tesis sugieren que un código neuronal temporal basado no en el tiempo preciso sino en el tiempo relativo de los potenciales de acción de las neuronas individuales es un mecanismo plausible para codificar la información de los estímulos externos periódicos débiles.