"Computational Modeling Methods for Neuroscientists"

Editado por Erik De Schutter y publicado por MIT Press, acaba de ser publicado en 2010 el libro "Computational Modeling Methods for Neuroscientists". Consta de 13 capítulos y de un valioso apéndice en el que se comenta el software más actual disponible para todos aquellos que deseen entrar en el mundo de la simulación computacional de las neuronas y las redes neuronales. El libro destaca no sólo por su actualidad sino también por no exigir una especial formación matemática o informática. Su voluntad introductoria se refleja muy bien en el primer capítulo, que es una presentación por parte de Ermentrout y de Rinzel de los fundamentos del cálculo diferencial, destacando las 10 páginas-un tercio de la extensión del capítulo-dedicadas a exponer los rudimentos de los sistemas dinámicos no lineales, algo muy de agradecer, dado el papel fundamental de los mismos en la modelización de la dinámica neuronal. El capítulo siguiente es un "must be" para cualquiera que se dedique a la simulación computacional porque atañe a la búsqueda de los parámetros adecuados. En innumerables ocasiones es fácil que "los árboles no nos permitan ver el bosque" y, por lo tanto, que nuestras simulaciones sean excesivamente simplifcadoras o, por el contrario, que intenten abarcar muchos más aspectos de los que, en realidad, pueden dar de sí. Llama la atención el amplio parágrafo dedicado al análisis de los parámetros aportados por los trazos electrofisiológicos, sin faltar referencias a ámbitos tan punteros como los algoritmos evolutivos. El capítulo tercero está dedicado al clásico entre los clásicos de la modelización neuronal: el modelo de reacción-difusión en el que el flujo de calcio y los receptores glutamérgicos NMDA y sus antagonistas AMPA, tienen mucho que decir. Precisamente, de la dinámica del flujo del calcio intracelular se ocupa en detalle el capítulo cuarto, escrito por el editor del libro, para dar paso, en el siguiente capítulo, a una detallada exposición del mítico modelo Hodgkin-Huxley de potenciales de acción de la membrana celular. Las ecuaciones diferenciales formuladas por estos dos autores en 1952, son el pórtico de entrada para cualquiera interesado en la computación neuronal. Modelos alternativos son los modelos termodinámicos y los modelos de Markov, más adecuados para la descripción de canales iónicos simples. La transmisión sináptica, objeto especial de interés para el autor de esta recensión, es el tema estrella del capítulo sexto. Es un capítulo demasiado breve y expositivo y para quienes de verdad quieran empezar con una lectura que les haga avanzar desde el primer momento, yo les recomiendo, más bien, leerse el excelente artículo de Abbott y Regehr publicado en "Nature" en el número 431 de 2004, "Synaptic computation". No obstante, y a pesar de la brevedad en sus exposiciones (por ejemplo, al modelo Tsodykis y Markram de 1998, no se le dedica ni una página), es una buena piedra de toque para obtener información bibliográfica de los modelos más recientes y su tabla de valores de las constantes usadas en modelos de canales sinápticos (p. 151), es muy útil. De las sinapsis se pasa a los modelos neuronales de activación en el siguiente capítulo, y en el capítulo octavo se aborda el sueño de todo neuroinformático: la modelización tridimensional de la morfología de las neuronas. Quienquiera que tenga el placer de ojear el libro "Paisajes Neuronales", editado por Javier DeFelipe con motivo de la exposición realizada para conmemorar el centenario de la concesión del Premio Nobel a Santiago Ramón y Cajal, sabe a qué me refiero. En este sentido, la microscopía confocal y el marcado con proteínas teñidas de verde fluorescente de ratones transgénicos, están haciendo las delicias de los investigadores. Las imágenes confocales de secciones de árboles dendríticos se van superponiendo en secciones y son reconstruidas por programas como NEURON o GENESIS, sin tener que recurrir al lento y cansado ejercicio de tener que ir superponiendo las imágenes de pequeñísimas rodajas de tejidos. En esta dirección, el proyecto "Cajal Blue Brain", patrocinado por el CSIC y la Universidad Politécnica de Madrid, está reconstruyendo en 3-D los microcircuitos de las columnas corticales, haciendo uso de la gran potencia de cálculo del superordenador MAGERIT. El capítulo se recrea también en las técnicas de reconstrucción de ultraestructuras neuronales mediante programas de software como "Reconstruct" (p. 204). Sin duda, este es el mejor capítulo de la obra que estamos comentando y, sólo por él, merece la pena adquirir el libro. Enhorabuena a Gwen Jacobs, Brenda Claiborne y a Kristen Harris por su magnífica aportación. Sobre la diversidad de la morfología neuronal ahonda el capítulo nueve, algo más teórico y menos útil que el epígrafe anterior. Los tres últimos capítulos están dedicados a la modelización de redes neuronales, siendo los más extensos de la publicación y aportando valiosos datos.

El libro comentado es, desde luego, una introducción muy útil al ámbito de interés de este blog: la Neurociencia Computacional. Y aunque éste es un campo en el que es fácil que las fuentes queden obsoletas en pocos años, sin embargo auguramos larga vida a esta obra. Está impecablemente editada y resulta perfectamente legible para lectores sin una gran formación en Matemática o en Informática, con lo que esto supone de vivero para que surjan vocaciones entre Médicos, Psicólogos y profesionales de muy diversas ramas de la Ciencia. Su precio es asequible (50 dólares si se encarga directamente a la editorial) y merece la pena como libro de cabecera para quien desee irse ejercitando en estas lides. Un 9 sobre 10 para este excelente libro.