Conocer jugando con animales y algoritmos

Editar

Hace ya casi dos años nos sorprendimos con una noticia que giró por todo el mundo (con la modestia que suelen hacerlo las noticias relacionadas a la ciencia que no involucran pandemias o un premio Nobel). ¡Un grupo de investigadores e investigadoras en Alemania reportaba haber jugado a las escondidas con ratas! Así, como suena: luego de enseñarles cómo sería el juego, seis ratas aprendieron tanto a salir a buscar a la humana que se ocultaba -Annika Reinhold- o a esconderse de ella cuando era la que la quedaba. ¡Increíble!

No se trataba de un truco: las ratas efectivamente disfrutaban de jugar a las escondidas, y no era que simulaban hacerlo porque habían sido entrenadas con comida u otro tipo de premio. De hecho, lo más parecido a un premio era que recibían una sesión de cosquillas ya fuera cuando encontraban a la humana o cuando eran encontradas. Cuando reciben estas cosquillas las ratas emiten sonidos de alta frecuencia, que sólo podemos escuchar recurriendo a aparatos que graban ultrasonido. Esas ultravocalizaciones son indicativas de que están pasando bien. Llamarles risa puede ser un poco exagerado para algunos investigadores, pero anda cerca.

Pues bien, si las ratas no estuvieran jugando a las escondidas y en cambio simularan hacerlo como requisito para recibir las preciadas cosquillas, tratarían de ser encontradas cuanto antes. Pero no. Las ratas guardaban extremo silencio cuando les tocaba esconderse (y no cuando la quedaban) para no ser descubiertas, lo cual dilataría la llegada del premio. También en algunas ocasiones, cuando Annika las encontraba, salían disparadas a esconderse en otro lado. Nuevamente, diferían la llegada del premio. Jugaban por el placer de jugar, como hacemos buena parte de los animales.

Pero por aquí este fabuloso trabajo de 2019 tuvo un condimento extra: entre los investigadores de la Universidad Humboldt de Berlín que habían logrado registrar este juego entre distintas especies se encontraba el neurocientista Ignacio Sanguinetti, uruguayo que se había formado en la Facultad de Ciencias de la Universidad de la República y que había dado sus primeros pasos trabajando con peces eléctricos bajo la orientación de Leonel Gómez. Sanguinetti realizó su doctorado y posdoctorado allí y jugó un papel importante en todo esto de las escondidas: la actividad de las neuronas de la corteza prefrontal de las ratas se registró durante el juego sin necesidad de cables que les impidieran moverse libremente debido a que él dominaba la técnica de colocar una colección de electrodos más fina que un pelo humano en el cerebro de los animales y a que tenía una amplia experiencia en el armado de experimentos de comportamiento.

Con él hablamos entonces, y recordando cuando llegó a Berlín nos decía que al terminar la maestría se “moría por estudiar el cerebro, de forma de poder registrar neuronas en animales que estaban en movimiento y haciendo su vida”. Aquel deseo que lo mantuvo ocupado en Alemania ahora produjo un nuevo resultado. Bajo el título “Descubrimiento no supervisado de estados cerebrales conductualmente relevantes en ratas que juegan a las escondidas”, Sanguinetti acaba de publicar un nuevo artículo junto a quien fuera su estudiante de maestría en el Centro Bernstein de Neurociencia Computacional de la Universidad Humboldt de Berlín, Bence Bagi, y el jefe del laboratorio, Michael Brecht. Y lo que hizo ahora con las ratas que juegan a las escondidas nos deja con la boca tan abierta como cuando comunicaban aquel exitoso juego en 2019: sólo mirando la actividad de menos de 31 neuronas lograron saber si la rata estaba buscando escondite, si ya estaba escondida, si salía a buscar al humano, si recibía cosquillas o si estaba en otras etapas distintas del juego. No es leer la mente, pero casi.

Así que levantamos el teléfono para comunicarnos con Nacho -prefiere que lo llamemos así- y discamos a Berl... no, perdón. En 2020 Nacho cruzó el charco y pasó a formar parte del Departamento de Biología Organísmica y Evolutiva de la Universidad de Harvard, en Cambridge, Estados Unidos. Siendo honestos del todo, tampoco discamos nada. Hicimos un Zoom para hablar de ratas que juegan, de cerebros y de modelos que permiten detectar comportamientos a partir de la actividad neuronal.

Retomando los datos

Sobrevivir en el mundo de la ciencia no es sencillo. Encontrar un lugar para hacer las investigaciones que te quitan el sueño pero con la estabilidad y las condiciones que no te quiten el sueño preguntándote de qué vas a vivir es más complicado aún. Hay que medir bien los pasos a dar y saber aprovechar las oportunidades. “Cuando hablamos la vez pasada yo ya estaba aplicando a diferentes lugares, pero no tenía clara idea de dónde iba a terminar. Terminé acá en Harvard”, dice Nacho. Este es el primer artículo que publica con su nueva filiación y tiene la particularidad de que refiere justamente al trabajo que venía haciendo en el lugar que dejó. “Este proyecto había quedado un poco rezagado del final de mi posdoctorado en Berlín, cuando empecé a colaborar con mi estudiante de maestría, Bence Bagi, que fue el que hizo la mayor parte de este trabajo, y por eso es el primer autor, fue el que puso el esfuerzo diario”, comenta.

Cambiar de continente no fue el único desafío para realizar esta investigación. “Fue un muy lindo laburo, a pesar de la distancia y de la pandemia”, reconoce. Es que llegó a Harvard en junio de 2020, poco después de que el mundo colapsara. Hoy, con el coronavirus bajo relativo control, hay cosas que hasta suenan jocosas. “Este trabajo Bagi y yo lo fuimos haciendo prácticamente por Whatsapp”, confiesa tentado. Ya mudado, Nacho sentía que había cosas que habían quedado en el tintero.

“Cuando terminamos el primer paper de las escondidas fue más o menos cuando Bagi se unió el laboratorio como estudiante de maestría. Entonces le presenté la idea de seguir trabajando con los datos que habíamos generado, porque me parecía un poco insatisfactorio en aquel paper lo que habíamos estudiado de la parte neural”, dice con autocrítica. Si bien cree que hicieron bien en centrarse más en el comportamiento en aquel primer trabajo, ya que era “la parte más interesante y novedosa en ese momento”, él había visto cosas interesantes que lo llevaban a querer ahondar en los datos que habían obtenido de las neuronas. “Por ejemplo, ya habíamos descrito en el paper original cómo la actividad de las neuronas iba en fase con las diferentes actividades del juego”, señala. Ahí había algo.

También sucede que la ciencia es una construcción colectiva. Nadie avanza solo. Y a Nacho lo inspiraron trabajos de otros investigadores que fueron saliendo luego del artículo que sacaron de las escondidas. “Por ejemplo, Scott Linderman y Alon Rubin publicaron trabajos en los que estaban mirando la actividad neural de una forma no supervisada, es decir entrenando modelos pero sin decirles el resultado, sin forzar qué es lo que estás mirando”, recuerda Nacho. Si los modelos fueran niños, el entrenamiento no supervisado sería como dejarlos en un salón con libros, instrumentos musicales y pinturas. Seguro algo aprenderán. El modelo supervisado, en cambio, se parece más a una clase guiada (en la que, esperamos, también algo aprenderán).

Repasemos: habían hecho jugar a las ratas a las escondidas mientras registraban la actividad de neuronas de la corteza prefrontal, un área del cerebro que, reportaban, está “asociada con la codificación de la proximidad social y de las reglas”. Filmaron todo y describieron sus comportamientos durante las distintas etapas del juego, distinguiendo siete fases distintas, como por ejemplo inicio del juego, saltar de la caja para iniciar la búsqueda o para esconderse, o interacción con el experimentador. La pregunta principal de este trabajo que ahora publican, entonces, era osada: ¿podrían, mediante un análisis con un modelo no supervisado, saber en qué etapa del juego estaban las ratas sólo con información de su actividad neuronal? Es más, sin los sesgos de los observadores humanos, ¿hay un correlato entre los disparos eléctricos de las neuronas y los comportamientos de las distintas fases de estas escondidas?

Hallazgos sin supervisión

Con la formación integrada de la actividad de menos de 31 neuronas de la corteza prefrontal de las ratas que jugaron a las escondidas, corrieron un modelo no supervisado que descubriera patrones de comportamiento a los que denominaron estados. El modelo hizo lo suyo, y arrojó sus estados. Al superponer esos estados con los videos de las ratas jugando, vieron que se correspondían a distintas etapas del juego que habían constatado al observar el comportamiento de las ratas. El algoritmo más o menos veía lo mismo que los humanos. O, mejor dicho, veía más: al modelo hubo estados del juego que no se le pasaron por alto como sí les pasó a los observadores humanos.

“En este paper pasan dos cosas. Una es que confirmamos de forma no supervisada, sin sesgos, que la corteza prefrontal representa estados que están relacionados con las fases del juego, que era algo que nosotros habíamos estudiado. Lo otro que vemos es que nosotros no habíamos prestado atención a que había estados de la corteza prefrontal que sí estaban representando”, comenta Nacho.

Pero ¿por qué buscar un modelo que permita, mediante una especie de ingeniería reversa, establecer distintos estados del comportamiento? ¿Acaso alguien busca algoritmos sin supervisión que hagan peligrar la fuente laboral de los etólogos? No es por allí, sino que hay un par de buenas razones.

“En neurociencia, y muchas veces en ciencia, se intenta controlar todo. Pero cuando estás trabajando con animales vivos que no están dormidos ni anestesiados, siempre, no importa cuál sea el experimento, en realidad hay dos experimentos. Está el experimento que vos le hacés al animal y está el experimento que el animal te hace a vos. Es siempre así, no importa cuán controlado tengas tu experimento, el animal va a hacer otras cosas también”, introduce Nacho. “En general decidimos no prestar atención a las cosas que el animal desea hacer y al experimento que está corriendo sobre el experimentador. Entonces la idea fue ver si podíamos decodificar de la corteza estados que se relacionaran con el juego y además estados que se relacionaran con el comportamiento del animal que no tuvieran que ver con el juego, de forma de demostrar que la técnica y el uso de estos modelos tienen un beneficio para los experimentadores que estudian comportamientos naturales. Lo que encontramos es que sí”, argumenta Nacho respecto de la primera de las razones.

La otra es una de esas cosas que le quitan el sueño. “Cuando uno piensa en estudiar comportamientos naturales, comportamientos flexibles y comportamientos que como experimentador no está controlando todo y no está dándole todo en bandeja al animal como para que haga lo que uno quiere que haga, en general te dicen que vas a tener problemas para estudiar cómo responde el cerebro, o cómo vas a identificar cosas que sean interesantes”, dice Nacho con una actitud que las neuronas de uno hacen coincidir con una de las fotos más populares de Johnny Cash (es la cuarta que muestra el buscador de imágenes de Google). Y ahí es donde entran en juego los trabajos de otros colegas.

“Cuando vimos estos otros trabajos con estos métodos no supervisados que funcionaban bien, que si bien son trabajos increíbles estaban hechos en condiciones en que los animales no estaban haciendo mucho, nuestra idea fue aplicar ese método a un experimento en el que los animales hacen bastantes cosas”, lanza.

Dado que los otros dos trabajos reportaban el uso de modelos no supervisados para analizar la actividad neural de una rata que debía decidir en un laberinto en forma de T si tomaba a la izquierda o a la derecha, y el otro analizando el desplazamiento y la conducta de alimentarse del famoso gusano C. Elegans, el trabajo de Bagi, Brecht y Sanguinetti es el primero en utilizar esta aproximación en analizar un comportamiento no sólo libre, sino complejo.

Modelos ocultos

Para desentrañar de forma no supervisada los estados que la actividad de las neuronas estaba señalando, aplicaron un modelo que se denomina “modelo oculto de Markov”. Suena misterioso, pero no lo es tanto.

“Lo primero que hicimos fue tomar todas las neuronas que registramos simultáneamente, les bajamos la dimensionalidad y tomamos los componentes principales de esa actividad”, dice Nacho. Es decir, simplificaron un poco el asunto agrupando lo que pasaba en las 31 neuronas que midieron. “En vez de tener 31 neuronas, pasábamos a, por ejemplo, tener ocho componentes principales que representan la actividad de todas las neuronas”, resume. Esos componentes fueron lo que luego alimentaron el modelo oculto de Markov. “Es un modelo para inferir estados no sabidos, que están escondidos de tu percepción. Desde tu punto de vista, vos no sabés en qué estado está una determinada cosa; en este caso, en qué estado está la corteza. Eso uno lo infiere a partir de cosas que sí podés observar, en este caso, la actividad de las neuronas o la actividad de estos componentes principales”, explica.

Nacho debe estar tan acostumbrado a que le pregunten cómo es eso, que sin que se lo pida ya salta con un ejemplo sencillo. “Suponete que estás adentro de un casino y querés predecir el estado del clima, por ejemplo si llueve o no, en función de las observaciones de la gente que ves”, lanza. Ya me tiene en el bolsillo. “Los casinos siempre son cerrados y no tenés información sobre el exterior. Pero al mirar la puerta ves gente entrando y saliendo. Esas diferentes observaciones te van a dar diferente información sobre cuál es el estado afuera. Si la gente viene embriagada es más probable que sea de noche, si la gente viene con paraguas es más probable que esté lloviendo, si la gente viene con chancletas es más probable que haya sol. A partir de esas observaciones generás un modelo de estados afuera del casino, que no los podés ver pero que asumís que tienen determinadas probabilidades y determinadas transiciones de probabilidades entre ellos”. Listo.

En su artículo a esos estados que podían inferir con el modelo les superpusieron los videos que registraban a las ratas cuando se tomó la actividad de las neuronas. Los estados que había arrojado el modelo coincidían con lo que veían en los videos, de la misma forma que en el modelo del ejemplo comprobaríamos el estado predicho de estar lloviendo si viéramos la cámara de seguridad exterior que muestra el temporal que hay afuera. Pero este modelo que encuentra estados ocultos también es no supervisado. Por tanto, elimina posibles sesgos.

“En el ejemplo, el sesgo del experimentador puede ser que esté interesado sólo en ver si llueve o no. Pero si le pasás un modelo oculto de Markov a cómo la gente se viste, quizás podés encontrar estados que van más allá de lo que vos habías planteado observar como experimentador, por ejemplo, si llueve pero hace frío o calor. Este modelo puede llegar a identificar estados que quizás vos al principio no habías pensado, por ejemplo, puede distinguir entre un estado donde llueve y hace frío y otro donde llueve y no hace frío”, explica.

En el trabajo mencionan ejemplos de estados que a los ojos de los experimentadores humanos resultaban iguales, pero que, mediante el modelo que analizó la actividad neuronal, se mostraban distintos. Fue el caso, por ejemplo, de las ratas cuando andaban por la pared. “Veíamos un estado del animal caminando por las paredes que era algo que no preveíamos estudiar. Después encontramos que había dos estados, uno que era cuando la rata se ponía vertical y exploraba la pared, y otro que era cuando la rata caminaba por la pared. Como ese encontramos otros detalles”, comenta Nacho.

¿Leyendo la mente?

Como muestra el resumen gráfico que acompaña el artículo y que reproducimos en esta nota, el resultado de todo esto que hicieron es que, mirando la actividad de las neuronas, el modelo puede decirnos qué estaba haciendo la rata mientras jugaba. ¡Mirando sólo 30 neuronas podemos decir lo que estaba haciendo la rata, es increíble! “Sí, para mí fue bastante impresionante y sigue siendo impresionante. Pero creo que eso habla un poco del tipo de actividad que tiene la corteza prefrontal, o al menos esa es mi intuición”, comenta Nacho. “Ya viendo los datos crudos yo podía contar cuántas veces se había escondido y buscado el animal. Si lo podía contar yo, no me sorprende mucho que un modelo de estados ocultos de Markov lo pueda detectar”, agrega.

“En general en la ciencia se busca ver qué se demuestra en un paper. Este es mi primer trabajo como único último autor y quizás tengo una filosofía un poco diferente del valor de la ciencia, pero lo que yo valoro de este trabajo es poder mostrar las capacidades de este método, y sobre todo que pueda inspirar a gente a trabajar en comportamientos más libres, más naturales, y mostrar que hay métodos que permiten la posibilidad de estudiar estos comportamientos complicados y el cerebro animal en situaciones mucho más naturales”.

Uno supone que los sesgos del observador al registrar el comportamiento animal también involucran cierta empatía, o si se quiere podemos ver la antropización como una cierta proyección de ver en otro ser vivo cosas que nos evocan algo que nos pasa a nosotros. Nacho no es que esté en contra de ese tipo de sesgo. Al contrario. “Creo que todos estos son abordajes complementarios. No creo que tengamos que hacer sólo cosas que no tengan sesgos, estoy totalmente en desacuerdo con eso. Para mí es simplemente una herramienta más para estudiar sin sesgos el comportamiento de la población neural. Uno también podría usar el modelo oculto de Markov a partir de observaciones comportamentales para pasar un filtro que te identifique estados. Esa también es una herramienta valiosa. Yo soy muy hincha de observar a los animales y de intentar interpretar lo que están haciendo, porque es una herramienta muy valiosa que tenemos como seres humanos para entender el mundo. Quien diga que no tenemos que hacer eso, que sepa que no podemos evitarlo”, dice estallando en una carcajada.

Por lo que conversamos, en Harvard Nacho seguirá profundizando en formas de registrar y analizar qué sucede en el cerebro cuando los animales se comportan de forma libre y, de ser posible, naturalmente. Ya ha hecho dos fascinantes aportes sobre las ratas que juegan a las escondidas. Y sin duda vienen más en ese otro juego en el que el conocimiento aguarda para ser descubierto para hacernos cosquillas placenteras en esa curiosidad insaciable que llevamos dentro.

Artículo: Unsupervised discovery of behaviorally relevant brain states in rats playing hide-and-seek

Publicación: Current Biology (mayo 2022)
Autores: Bence Bagi, Michael Brecht e Ignacio Sanguinetti.