La neuroscienza computazionale studia, tramite modelli matematici, le modalità con cui il sistema nervoso elabora gli stimoli sensoriali per tradurli in attività cognitive e comportamentali. Ovviamente, la formulazione dei modelli matematici richiede la registrazione di ciò che accade nelle aree interessate dalla attività cognitiva o comportamentale e la loro decodifica. Un problema che non è stato ancora completamente risolto.

La comprensione dei processi biologici complessi che si verificano a livello di sistema nervoso centrale è migliorata notevolmente da quando si è fatto ricorso ad un approccio big data per gestire i dati omici (l’omica indica un insieme di discipline biomolecolari, quali genomica e proteomica) raccolti nei vari strati biologici (genoma, trascrittoma, proteoma, ecc.), ma sebbene tale indirizzo sia promettente, risulta ancora difficile analizzare in profondità i processi biologici che si attivano all’interno di una rete neurale complessa.

Un team di ricercatori giapponesi coordinati da Wataru Aoki della divisione di Applied Life Sciences dell’Università di Kyoto sta mettendo a punto una nuova metodologia – battezzata «functional cellomics» – che si prefigge di individuare la funzione che un singolo neurone o gruppo di neuroni hanno nel determinare un certo comportamento.

Tale approccio, nelle sue linee essenziali, riprende i primi studi pioneristici sulle aree funzionali del cervello umano che, analizzando i mutamenti comportamentali che occorrono in caso di danni cerebrali derivanti da lesioni, scoprirono – tra le altre cose – il ruolo dell’ippocampo nella memoria a lungo termine e nel senso di orientamento.

La differenza rispetto a quei primi contributi scientifici seminali è rappresentata dall’utilizzo massiccio di avanzate tecniche optogenetiche di neuroimaging – Brainbow, nello studio citato – per analizzare i processi biologici a livello di singola cellula neuronale.

Il team di ricercatori giapponesi ha applicato la metodologia descritta per studiare l’attività cerebrale connessa alla deposizione di uova da parte di un verme nematode, il Caenorhabditis elegans, il cui cervello è composto da appena 302 neuroni, dimostrando che l’approccio optogenetico combinato con tecniche di trattamento dei big data consente di eliminare molte delle criticità riscontrate applicando altre metodologie.

Fonte: bioRxiv