La ‘sorprendentemente simple’ aritmética del olfato
Después de alcanzar un umbral de neuronas ON, una langosta puede oler un olor. Una vez que las neuronas se apagan, el olor desaparece. Crédito: laboratorio Raman
Huele una taza de café.
Huélelo por dentro o por fuera; verano o invierno; en una cafetería con un bollo; en una pizzería con pepperoni, ¡incluso en una pizzería con un bollo! el café huele a café.
¿Por qué otros olores o diferentes factores ambientales no «se interponen», por así decirlo, en la experiencia? de oler olores individuales? Investigadores de la Escuela de Ingeniería McKelvey de la Universidad de Washington en St. Louis recurrieron a su tema de investigación de confianza, la langosta, para averiguarlo.
Lo que encontraron fue «sorprendentemente simple», según Barani Raman, profesor de ingeniería biomédica. Sus resultados se publicaron en la revista Proceedings of the National Academy of Sciences of the United States of America.
Raman y sus colegas han estado trabajando con langostas durante años, observando sus cerebros y sus comportamientos relacionados con el olfato en un intento de diseñar langostas detectoras de bombas. En el camino, han logrado avances sustanciales en lo que respecta a la comprensión de los mecanismos en juego cuando se trata del sentido del olfato de las langostas.
Para comprender cómo es que una langosta puede reconocer olores de manera constante independientemente de contexto, siguieron el ejemplo de Ivan Pavlov. Al igual que los perros de Pavlov, las langostas fueron entrenadas para asociar un olor con la comida, siendo su preferencia una brizna de hierba. Después de pasar un día sin comer, se expuso una langosta a una bocanada de olor (una bocanada de hexanol o acetato de isoamilo), y luego se le dio una brizna de hierba. En tan solo seis presentaciones de este tipo, la langosta aprendió a abrir sus palpos (apéndices sensoriales cerca de la boca) a la espera de un refrigerio después de simplemente oler el «olor de entrenamiento». Al igual que nosotros reconociendo el café, la langosta entrenada pudo reconocer el olor y no permitió que otros factores se interpusieran en su camino.
En este punto, los investigadores comenzaron a observar qué neuronas se activaban cuando la langosta estaba expuesta al olor bajo diferentes condiciones, incluso junto con otros olores, en condiciones húmedas o secas, cuando estaban hambrientos o completamente alimentados, entrenados o no entrenados, y durante diferentes períodos de tiempo.
Resultó que, bajo diferentes circunstancias, los investigadores observaron que se activaban patrones muy inconsistentes de neuronas a pesar de que los palpos de la langosta se abrían cada vez. «Las respuestas neuronales fueron muy variables», dijo Raman. «Eso parecía estar en desacuerdo con lo que estaban haciendo las langostas, en cuanto al comportamiento».
¿Cómo podrían las respuestas neuronales variables producir un comportamiento constante o estable? Para probar esto, los investigadores recurrieron a un algoritmo de aprendizaje automático. «Queríamos ver si dados estos patrones de respuesta neuronal variable, ¿podemos predecir el comportamiento de las langostas?». dijo Raman. «La respuesta fue sí, podemos».
El algoritmo resultó ser muy simple de interpretar. Explotó dos tipos funcionales de neuronas: hay neuronas ON, que se activan cuando hay un olor presente, y hay neuronas OFF, que se silencian cuando hay un olor presente pero se activan después de que termina la presentación del olor.
«Puede pensar en las neuronas ON como «evidencia de» la presencia de un olor, y las neuronas OFF como «evidencia en contra» de la presencia de ese olor», dijo Raman. Para reconocer la presencia de un olor, los investigadores simplemente necesitaban agregar evidencia de la presencia del olor (es decir, agregar los picos en todas las neuronas ON) y restar evidencia contra la presencia de ese olor (es decir, agregar los picos en todas las neuronas OFF). Si el resultado estaba por encima de cierto umbral, el aprendizaje automático predeciría que la langosta olió el olor.
«Nos sorprendió descubrir que este enfoque simple es todo lo que se necesitaba para reconocer un odorante de manera sólida», dijo Raman. .
Raman comparó el proceso con comprar una camisa. Supongamos que tiene una lista de las cualidades que está buscando: algodón, mangas largas, botones, color sólido, tal vez un bolsillo delantero para guardar sus anteojos y algunos factores decisivos, como solo limpieza en seco o lunares.
Puede que tengas suerte y encuentres una camiseta que sea precisamente lo que estás buscando. Pero, de manera más pragmática, haría una compra siempre que muchas de las funciones que busca estén presentes y la mayoría de las funciones que son un factor decisivo no estén presentes.
Encontrar las funciones que desea es similar a la información transmitida por las neuronas ON. La ausencia de factores decisivos es similar al silenciamiento de las neuronas OFF. Siempre que se hayan disparado suficientes neuronas ON que normalmente son activadas por un odorante y la mayoría de las neuronas OFF no, sería una apuesta segura predecir que la langosta abrirá sus palpos en anticipación de una golosina herbosa.
Explore más
Las langostas brindan información sobre la respuesta del cerebro a los estímulos, los sentidos Más información: Srinath Nizampatnam et al, Reconocimiento invariable de olores con conjuntos neuronales ONOFF, Procedimientos de la Academia Nacional de Ciencias ( 2022). DOI: 10.1073/pnas.2023340118 Información de la revista: Procedimientos de la Academia Nacional de Ciencias
Proporcionado por la Universidad de Washington en St. Louis Cita: The ‘sorprendentemente simple’ aritmética del olfato (2022, 10 de enero) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2022-01-surprisingly-simple-arithmetic.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.