martes, 24 de agosto de 2010

"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.

9 comentarios:

Anónimo dijo...

interesante dime donde se puede estudiar una maestria en neurociencia computacional

Carlos Pelta dijo...

Te recomiendo el grupo de Gustavo Deco en la Universidad Pompeu Fabra de Barcelona.

Prof. Dr. Gustavo Deco
Computational Neuroscience Group
Departament of Technology
Universitat Pompeu Fabra
Passeig de Circumval·lació, 8
E-08003 Barcelona, Spain

+34 93 542 2977 (voice)
+34 93 542 2451 (fax)
gustavo.deco at upf.edu

Anónimo dijo...

Muy buen Blog. Varias veces, en mis búsquedas, he terminado felizmente en el mismo. Habiendo terminado una licenciatura en biología, me pregunto, dado que la mayoría de los que trabajan en neurociencia computacional, vienen de la física y poseen una fuerte formación en matemáticas ¿qué tan difícil puede ser para un biólogo entrar a este campo de investigación y ser un protagonista en el mismo? Muchas gracias. Mis felicitaciones por su blog.

Carlos Pelta dijo...

Es verdad que se requiere una cierta formación en Matemáticas pero hay muchos biólogos y médicos que realizan aportaciones importantes a este ámbito y que forman parte de equipos de investigación en Biomedicina. Por citar a un investigador que ha sido citado en este blog, Fernando Fariñas Balseiro, es Físico pero también es Bioquímico y sus aportaciones a la Neurofisiologóa Computacional son verdaderamente relevantes. O Javier DeFelipe es un prestigioso neurobiólogo, que trabaja codo con codo con ingenieros para el desarrollo de proyectos en Neurociencia, como es el "Cajal Blue Brain Project". En España me gustaría citar el Centro de Tecnología Biomédica (CTB) en el campus de Montegancedo (UPM), como un lugar en el que numerosos biólogos trabajan, de forma interdisciplinar, con físicos e ingenieros.
Muchas gracias.

Anónimo dijo...

Muchas gracias por su pronta respuesta. Es cierto que la interdisciplina en neurociencias es muy fuere. Pero yo apuntaba más bien a lo siguiente: al caso de un biólogo que quiere terminar haciendo neurociencia computacional y teórica, no neurobiología. Es decir, que quiere trabajar como las personas implicadas en las secciones "Circuitos corticales y computación cerebral" de su blog. O trabajar codo a codo con alguien como Susanne Schreiber. A ese tipo de trabajo me refiero. ¿Cuáles son las matemáticas más usadas? Por ejemplo, para hacer un doctorado con Susanne Schreiber: "Candidates should have a strong background in physics, mathematics, biophysics, or related fields, but also have a pronounced interest in neurobiological questions, and no hesitations to dive into the analysis of experimental data". No resulta muy alentador para un biólogo. ¿Cuánto tiempo puede demandar llegar a tener esa formación? Un cordial saludo.

Carlos Pelta dijo...

Es verdad que el hecho de que la simulación computacional se esté imponiendo a la hora de modelizar muchos procesos naturales, parece dictar la necesidad de una importante formación en el uso de herramientas informáticas y matemáticas. Pero le cuento la siguiente anécdota acaecida en la Jornada sobre "Circuitos corticales y cognición", que tuvo lugar hace pocos días, el 11 de noviembre de este año, en la sede del Colegio Oficial de Médicos de Madrid. Fueron partícipes de la anécdota Javier DeFelipe, José María Peña y Gonzalo León. DeFelipe pasa por ser uno de los neurobiólogos más prestigiosos a nivel mundial, con una capacidad de observación de los fenómenos biológicos, casi tan fina, como su maestro Cajal. José María Peña es un prestigioso ingeniero que incluso ha diseñado aviones para compañías canadienses y Gonzalo León es la persona que, con su impresionante capacidad de gestión, ha logrado obrar el "milagro" de conseguir una gran inversión para el proyecto "Cajal Blue Brain". Pues bien, DeFelipe no es experto en computación e imagino que sus conocimientos en matemáticas se sitúan en un nivel medio. Peña no es biólogo profesional ni experto en cuestiones relacionadas. Pero como insistió Gonzalo León, pueden verse muchos días de la semana para tomar un café y comentar en el campus de Montegancedo, el día a día de sus invstigaciones. Es decir, la clave está, por ejemplo, en ser un buen biólogo y reunirse con personas de otras especialidades, no sólo solventes sino, sobre todo, interesadas en lo que se está haciendo. De lo contrario, se exigiría ser una especie de Leonardo Da Vinci para poder afrontar cualquier investigación, como prácticamente se infiere del perfil requerido por Schreiber para los candidatos a inscribirse en su Doctorado (sin duda un "desideratum" ideal pero, precisamente eso, un modelo ideal). Un cordial saludo.

Anónimo dijo...

La anécdota es muy ilustrativa y el caso de Javier DeFelipe realmente destacable. Creo que empezaré leyendo el libro "Computational Modeling Methods for Neuroscientists" y me buscaré un doctorado lo más relacionado con la neurociencia computacional posible. Un cordial saludo y gracias por sus aportes.

Anónimo dijo...

Saludos, disculpe quisiera hacerle una pregunta, estoy actualmente estudiando la carrera de ingenieria electronica, y quisiera saber si es posible para mi estudiar una maestria en neurociencia computacional, y cual es el perfil que debe cumplir una persona para poder estudiar esta ciencia. gracias

Carlos Pelta dijo...

Consulte en el siguiente vínculo:
http://cns.upf.edu/, dirigido al Grupo de Neurociencia Computacional de la Universidad Pompeu i Fabra del Dr. Gustavo Deco.