Sistema robótico monitorea neuronas específicas

La tasa de éxito es comparable a la de científicos altamente capacitados que realizan el proceso manualmente.

Ana Trafton | Oficina de noticias del MIT

El registro de señales eléctricas desde el interior de una neurona en el cerebro vivo puede revelar una gran cantidad de información sobre la función de esa neurona y cómo se coordina con otras células en el cerebro. Sin embargo, realizar este tipo de grabación es extremadamente difícil, por lo que solo unos pocos laboratorios de neurociencia en todo el mundo lo hacen.

Para hacer que esta técnica esté más disponible, los ingenieros del MIT ahora han ideado una forma de automatizar el proceso, utilizando un algoritmo informático que analiza las imágenes del microscopio y guía un brazo robótico a la célula objetivo.

Esta tecnología podría permitir que más científicos estudien neuronas individuales y aprendan cómo interactúan con otras células para permitir la cognición, la percepción sensorial y otras funciones cerebrales. Los investigadores también podrían usarlo para aprender más sobre cómo los circuitos neuronales se ven afectados por los trastornos cerebrales.

“Saber cómo se comunican las neuronas es fundamental para la neurociencia básica y clínica. Nuestra esperanza es que esta tecnología le permita ver lo que sucede dentro de una célula, en términos de computación neuronal o en un estado de enfermedad”, dice Ed Boyden, profesor asociado de ingeniería biológica y ciencias del cerebro y cognitivas en el MIT, y un miembro del Media Lab del MIT y del Instituto McGovern para la Investigación del Cerebro.

Boyden es el autor principal del artículo, que aparece en la edición del 30 de agosto de  Neuron . El autor principal del artículo es el estudiante graduado del MIT Ho-Jun Suk.

Guiado de precisión

Durante más de 30 años, los neurocientíficos han utilizado una técnica conocida como pinzamiento de parches para registrar la actividad eléctrica de las células. Este método, que consiste en poner una diminuta pipeta de vidrio hueca en contacto con la membrana celular de una neurona y luego abrir un pequeño poro en la membrana, por lo general toma varios meses para aprender a un estudiante de posgrado o postdoctorado. Aprender a realizar esto en las neuronas del cerebro de los mamíferos vivos es aún más difícil.

Lee mas  La adulteración de medicamentos y productos de salud chinos patentados plantea graves riesgos para la salud de los consumidores

Hay dos tipos de pinzamiento de parche: un método “ciego” (no guiado por imágenes), que está limitado porque los investigadores no pueden ver dónde están las células y solo pueden registrar desde cualquier celda que la pipeta encuentre primero, y una versión guiada por imágenes que permite apuntar a una celda específica.

Hace cinco años, Boyden y sus colegas del MIT y Georgia Tech, incluido el coautor Craig Forest, idearon una forma de automatizar la versión ciega de la sujeción de parches. Crearon un algoritmo informático que podría guiar la pipeta a una celda en función de las mediciones de una propiedad llamada impedancia eléctrica, que refleja lo difícil que es que la electricidad fluya fuera de la pipeta. Si no hay celdas alrededor, la electricidad fluye y la impedancia es baja. Cuando la punta golpea una celda, la electricidad no puede fluir tan bien y la impedancia aumenta.

Una vez que la pipeta detecta una célula, puede dejar de moverse instantáneamente, evitando que atraviese la membrana. Luego, una bomba de vacío aplica succión para formar un sello con la membrana de la célula. Luego, el electrodo puede atravesar la membrana para registrar la actividad eléctrica interna de la célula.

Los investigadores lograron una precisión muy alta con esta técnica, pero aun así no se pudo usar para apuntar a una célula específica. Para la mayoría de los estudios, los neurocientíficos tienen un tipo de célula particular sobre el que les gustaría aprender, dice Boyden.

“Podría ser una célula comprometida en el autismo, o alterada en la esquizofrenia, o una célula que está activa cuando se almacena un recuerdo. Esa es la célula de la que quieres saber”, dice. “No quieres parchear mil celdas hasta que encuentres la que es interesante”.

Para permitir este tipo de orientación precisa, los investigadores se propusieron automatizar la sujeción del parche guiada por imágenes. Esta técnica es difícil de realizar manualmente porque, aunque el científico puede ver la neurona objetivo y la pipeta a través de un microscopio, debe compensar el hecho de que las células cercanas se moverán cuando la pipeta ingrese al cerebro.

Lee mas  ¿Cómo puede un desequilibrio hormonal causar ansiedad?

“Es casi como tratar de dar en un blanco en movimiento dentro del cerebro, que es un tejido delicado”, dice Suk. “Para las máquinas es más fácil porque pueden realizar un seguimiento de dónde está la célula, pueden mover automáticamente el foco del microscopio y pueden mover automáticamente la pipeta”.

Al combinar varias técnicas de procesamiento de imágenes, los investigadores idearon un algoritmo que guía la pipeta hasta unas 25 micras de la célula objetivo. En ese momento, el sistema comienza a depender de una combinación de imágenes e impedancia, que es más precisa para detectar el contacto entre la pipeta y la célula objetivo que cualquiera de las señales por sí sola.

Los investigadores tomaron imágenes de las células con microscopía de dos fotones, una técnica de uso común que usa un láser pulsado para enviar luz infrarroja al cerebro, iluminando las células que han sido diseñadas para expresar una proteína fluorescente.

Usando este enfoque automatizado, los investigadores pudieron apuntar y registrar con éxito dos tipos de células: una clase de interneuronas, que transmiten mensajes entre otras neuronas, y un conjunto de neuronas excitadoras conocidas como células piramidales. Lograron una tasa de éxito de alrededor del 20 por ciento, que es comparable al desempeño de científicos altamente capacitados que realizan el proceso manualmente.

Desentrañando circuitos

Esta tecnología allana el camino para estudios en profundidad del comportamiento de neuronas específicas, lo que podría arrojar luz tanto sobre sus funciones normales como sobre cómo fallan en enfermedades como el Alzheimer o la esquizofrenia. Por ejemplo, las interneuronas que los investigadores estudiaron en este artículo se han relacionado previamente con la enfermedad de Alzheimer. En un estudio reciente con ratones, dirigido por Li-Huei Tsai, director del Instituto Picower para el Aprendizaje y la Memoria del MIT, y realizado en colaboración con Boyden, se informó que inducir una frecuencia específica de oscilación de ondas cerebrales en las interneuronas del hipocampo podría ayudar para limpiar las placas amiloides similares a las que se encuentran en los pacientes de Alzheimer.

Lee mas  Los probióticos y los antibióticos crean una combinación asesina

“Realmente te encantaría saber qué está pasando en esas celdas”, dice Boyden. “¿Están enviando señales a células posteriores específicas, que luego contribuyen al resultado terapéutico? El cerebro es un circuito, y para entender cómo funciona un circuito, debes poder monitorear los componentes del circuito mientras están en acción”.

Esta técnica también podría permitir el estudio de cuestiones fundamentales en neurociencia, como la forma en que las neuronas individuales interactúan entre sí cuando el cerebro toma una decisión o recuerda un recuerdo.

Bernardo Sabatini, profesor de neurobiología en la Escuela de Medicina de Harvard, dice que está interesado en adaptar esta técnica para usarla en su laboratorio, donde los estudiantes pasan mucho tiempo registrando la actividad eléctrica de las neuronas que crecen en una placa de laboratorio.

“Es una tontería tener estudiantes asombrosamente inteligentes haciendo tareas tediosas que podrían ser realizadas por robots”, dice Sabatini, quien no participó en este estudio. “Me encantaría que los robots hicieran más experimentación para que podamos centrarnos en el diseño y la interpretación de los experimentos”.

Para ayudar a otros laboratorios a adoptar la nueva tecnología, los investigadores planean publicar los detalles de su enfoque en su sitio web,  autopatcher.org .

Otros coautores incluyen a Ingrid van Welie, Suhasa Kodandaramaiah y Brian Allen. La investigación fue financiada por Jeremy y Joyce Wertheimer, los Institutos Nacionales de Salud (incluida la Iniciativa de Células Únicas de los NIH y el Premio Pioneer del Director de los NIH), el Programa de Becarios de la Facultad HHMI-Simons y el Premio Robertson de la Fundación de Células Madre de Nueva York.

Artículos Relacionados:

  • Gundry MD 24 Strain Probiotic Review 2022 – Probiótico para apoyo digestivo
  • Reseñas de Kiierr – Gorro láser 2022 para el crecimiento del cabello
  • Gundry MD Power Blues – Reseñas de suplementos de 2022 y guía de compra
  • Reseñas de Noxitril 2022: ¿funciona para el realce masculino o es una estafa?
  • Los mejores terapeutas holísticos cerca de mí 2022: 5 asesoramiento espiritual
  • Los mejores estetoscopios de 2022: reseñas de las 10 mejores marcas

Related Posts

Leave a Reply

Your email address will not be published.