Nelle neuroscienze, come nella geografia, nella genomica e in molte altre discipline, è difficile orientarsi senza una ottima conoscenza. I recenti progressi nelle tecnologie di mappatura del cervello hanno consentito agli scienziati di creare modelli più grandi e dettagliati. E confrontando questi modelli relativi a diversi animali, sono emerse alcune somiglianze sorprendenti. Tanto che queste mappe di connessione neurologica (dette anche “connettomi”) possono migliorare la progettazione di elettronica neuromorfica avanzata: chip e modelli algoritmici che cercano di imitare la potenza computazionale e l’efficienza di cervelli e neuroni.
Gli scienziati di Yale e dell’Università di Chicago hanno studiato la pubblicazione del 2021 del connettoma del moscerino della frutta – una pietra miliare nel campo emergente della connettomica – per confrontare aspetti della struttura cerebrale su scale di dimensioni e complessità molto diverse. “Mappare un connettoma non è un’impresa da poco”, afferma Christopher Lynn, assistente professore di fisica a Yale. Anche una specie minuscola come il moscerino della frutta rappresenta una sfida neurologica sostanziale. Il cervello dei moscerini della frutta comprende una rete di oltre 120.000 neuroni con più di 30 milioni di connessioni tra loro. Il che, ai fini di un connettoma, significa che ogni connessione deve in qualche modo essere isolata, riconosciuta e rappresentata graficamente.
“Per dare un’idea delle proporzioni, C. elegans [il verme nematode] ha solo 302 neuroni”, afferma Lynn. “Hanno mappato l’intero connettoma del primo verme negli anni ’80, e questo è stato un grande passo avanti”, afferma Lynn. “Nel caso del moscerino della frutta, ogni neurone potrebbe avere dalle 100 alle 10.000 sinapsi. Quando arrivi a sistemi più grandi, stai monitorando centinaia di migliaia o milioni di sinapsi”. I ricercatori hanno trovato somiglianze di connettività in cinque diversi connettomi che vanno dal semplice nematode C. elegans alla retina di un topo. Hanno utilizzato le cosiddette statistiche a coda pesante, riconoscendo che mentre la maggior parte delle connessioni tra neuroni sono deboli, un piccolo numero di queste connessioni sono molto più forti. Questo risultato integra il lavoro precedente che mostrava che le reti cerebrali tendono a mostrare caratteristiche del “piccolo mondo”: un piccolo numero di neuroni è collegato a molti altri neuroni, ma la maggior parte dei neuroni non è affatto collegata a moltissimi.
La presenza di una connettività a coda pesante tra le specie indica, ora, che alcuni degli stessi principi della funzione neurale possono anche collegare organismi di scale completamente diverse. Per contribuire a fornire un possibile quadro, il team ha creato un modello di sviluppo del cervello che valuta la riorganizzazione casuale con ciò che i neuroscienziati chiamano plasticità Hebbiana, la tendenza dei neuroni vicini e contemporaneamente attivi a connettersi tra loro. “Di solito si dice che se neuroni si attivano insieme, è probabile che si colleghino insieme”, dice Lynn. Il modello, pur essendo una semplice approssimazione del modo in cui i neuroni in un cervello possono unirsi, ha ricreato in modo coerente le distribuzioni a coda pesante che Lynn e i suoi colleghi hanno osservato nei connettomi. La scoperta da parte dei ricercatori di alcune somiglianze del connettoma tra specie potrebbe aprire la strada a un nuovo hardware neuromorfico. Ad esempio, i modelli di connettività a coda pesante studiati potrebbero portare una linea di ispirazione produttiva per la progettazione dei chip.
Mike Davies, direttore del laboratorio di calcolo neuromorfico di Intel, afferma che i modelli di connettività del piccolo mondo sono una caratteristica interessante su cui modellare le proprie idee di progettazione. “C’è la tendenza a voler semplificare la connettività in un chip neuromorfico verso ciò che è possibile fabbricare comodamente”, afferma Davies. “Rappresentare tutte le possibili connessioni è un miglioramento esponenziale.” Aggiunge, tuttavia, che Intel ha adottato un approccio leggermente diverso nei confronti dei suoi progetti neuromorfici rispetto al seguire rigorosamente l’esempio della natura. Invece di provare a costruire esplicitamente reti dense nei chip stessi, l’azienda utilizza sistemi di rete adattivi che instradano il traffico di rete. “È il sistema più efficiente che abbiamo per modellare queste connessioni sparse”, afferma Davies. “In questo modo possiamo effettivamente replicare alcune di queste reti dalla coda pesante”.
Guardando al futuro, Lynn afferma che il team di connettomica ora amplierà l’elenco delle specie su cui mappare i connettomi. Sebbene il connettoma del topo a livello cellulare, utilizzato nel presente studio, fosse limitato alla retina dell’animale, Lynn afferma che i ricercatori hanno anche osservato una connettività simile a coda pesante in parti molto più grandi del cervello del topo.
Sebbene i loro risultati attuali siano limitati a una manciata di connettomi, Lynn dice di aspettarsi che i loro risultati verranno ricapitolati per i connettomi di cervelli ancora più grandi e complicati. “Basandosi letteralmente su ogni set di dati che abbiamo visto finora, questa distribuzione sembra simile in tutti”, dice. “Mi aspetto che queste distribuzioni dalla coda pesante siano piuttosto onnipresenti in tutti i cervelli in generale”. I ricercatori hanno pubblicato i loro risultati all’inizio di questo mese sulla rivista Nature Physics.
