Neurociencia computacional

• Describir la organización y funcionamiento del sistema nervioso, particularmente el cerebro humano.
• Determinar como el cerebro se "construye" durante el desarrollo.
• Encontrar formas de prevención y cura de enfermedades neurológicas y psiquiátricas[3]

El término fue introducido por Eric L. Schwartz en una conferencia de 1985 en Carmel, California, a petición de la Systems Development Foundation, para ofrecer un resumen del estado actual de un campo que hasta entonces era nombrado de muy diversas formas: modelado neural, teoría cerebral y redes neurales.Las actas de esta reunión definitoria fueron publicadas más tarde en el libro "Neurociencia Computacional", MIT Press (1990). Las primeras raíces históricas del campo pueden ser rastreadas hasta el trabajo de personas como Hodgkin y Huxley, Hubel y Wiesel, y David Marr, por nombrar unos pocos. Hodgkin y Huxley desarrollaron la pinza de voltaje y crearon el primer modelo matemático del potencial de acción. Hubel y Wiesel descubrieron que las neuronas de la corteza visual primaria, la primera área cortical que procesa información desde la retina, poseían campos receptivos orientados y organizados en columnas (Hubel y Wiesel, 1959).[4] El trabajo de David Marr se centró en las interacciones entre neuronas, sugiriendo un acercamiento computacional al estudio de cómo ciertos grupos funcionales de neuronas en el hipocampo y el neocórtex interactúan, almacenan, procesan y transmiten información. Los modelos computacionales biológicamente realistas de neuronas y dendritas comenzaron con las investigaciones de Wilfrid Rall, y el primer modelo multicompartimental se basó en la teoría de cables. La neurociencia computacional difiere del conexionismo psicológico y de las teorías del aprendizaje de disciplinas como el aprendizaje automático, las redes neurales y la teoría del aprendizaje estadístico en que enfatiza las descripciones funcional y biológicamente realistas de neuronas (y sistemas neurales), su fisiología y su dinámica. Estos modelos captan las características esenciales del sistema biológico en múltiples escalas espacio-temporales desde las corrientes de membranas, proteínas y acoplamiento químico hasta las oscilaciones de redes, la arquitectura topográfica y de columnas, y el aprendizaje y la memoria. Estos modelos computacionales se usan para probar hipótesis que puedan ser verificadas directamente mediante experimentos biológicos actuales o futuros. En la actualidad, este campo está experimentando una rápida expansión. Existe gran variedad de programas, como el GENESIS o el NEURON, que permiten un veloz y sistemático modelado in silico de neuronas realistas. El proyecto Blue Brain, una colaboración entre IBM y la Escuela Politécnica Federal de Lausanne, pretende construir una simulación biofísica detallada de una columna cortical en el superordenador Blue Gene. Este proyecto internacional tiene un subproyecto Cajal Blue Brain desarrollado en España, coordinado por la Universidad Politécnica de Madrid (Facultad de Informática y CeSViMa) en colaboración con el Instituto Cajal del CSIC.

Los desarrollos de la neurociencia computacional se pueden clasificar en varias líneas de investigación. La mayoría de neurocientíficos computacionales se basan en investigaciones experimentales centradas en analizar nuevos datos y sintetizar nuevos modelos de fenómenos biológicos.

Las neuronas biológicas se conectan entre sí de forma compleja y recurrente. A diferencia de la mayoría de redes neurales artificiales, estas conexiones son escasas y suelen ser específicas. Se desconoce cuánta información es transmitida a través de redes tan escasamente conectadas. También se desconoce cuáles son las funciones computacionales de esos patrones de conectividad específica, si es que las hay.

Las interacciones entre las neuronas de una red pequeña pueden reducirse a modelos simples como el modelo de Ising. La mecánica estadística de sistemas tan simples es fácil de describir teóricamente. Pruebas recientes ^{[cita requerida]} sugieren que la dinámica de redes neuronales arbitrarias puede ser reducida a interacciones de conjuntos (Schneidman et al, 2006; Shlens et al, 2006.) Pero se desconoce si esas descripciones transmiten alguna función computacional importante. El surgimiento del microscopio de dos fotones y la técnica de imagen de calcio permite en la actualidad potentes métodos experimentales con los que poner a prueba las nuevas teorías sobre redes neuronales.

Aunque muchos neuroteóricos se decantan por modelos de complejidad reducida, otros argumentan que descifrar las relaciones de las estructuras funcionales exige incluir tanta estructura neuronal y de redes como sea posible. Los modelos de este tipo suelen ser diseñados en enormes plataformas de simulación como GENESIS o NEURON.