Svelati i meccanismi paralleli dell’apprendimento cerebrale

Roma – I neuroni applicano regole multiple di plasticità sinaptica in parallelo, a seconda della regione subcellulare. Lo rivela uno studio guidato da William “Jake” Wright, Nathan Hedrick e Takaki Komiyama, dell’Università della California, San Diego, pubblicato su Science. La scoperta ridefinisce il concetto di “problema dell’assegnazione dei crediti” nel cervello, con implicazioni per l’intelligenza artificiale e la comprensione di disturbi neurologici. Utilizzando l’imaging a due fotoni su topi, i ricercatori hanno monitorato in tempo reale l’attività di singole sinapsi durante l’apprendimento. L’ imaging ad alta risoluzione ha permesso il tracciamento simultaneo di input e output neuronali nella corteccia cerebrale, con visualizzazione delle variazioni sinaptiche a livello subcellulare. I ricercatori hanno monitorato i topi impegnati in compiti di apprendimento, mentre loro registravano l’attività di dendriti e assoni tramite microscopia avanzata. I ricercatori hanno monitorato simultaneamente l’input sinaptico tramite il rilascio di glutammato e l’output neuronale tramite l’attività del calcio, scoprendo che i diversi compartimenti dendritici di un singolo neurone applicano regole di plasticità differenti. Nei dendriti apicali, la plasticità è guidata dalle interazioni locali tra sinapsi vicine, con un rafforzamento sinaptico quando le sinapsi sono coattive. Nei dendriti basali, invece, la plasticità dipende dall’output globale del neurone, rafforzandosi o indebolendosi in base all’allineamento dell’attività sinaptica con il potenziale d’azione globale. La soppressione dell’attività neuronale comprometteva la plasticità solo nei dendriti basali, non in quelli apicali. Secondo i risultati, le sinapsi non seguono un’unica regola di rafforzamento/indebolimento, ma mostrano dinamiche differenziate in base alla loro posizione nel neurone. I neuroni gestiscono informazioni attraverso compartimenti indipendenti, ottimizzando l’adattamento ai nuovi stimoli. L’adozione di regole multiple di plasticità in reti neurali artificiali potrebbe migliorarne l’efficienza, emulando la flessibilità cerebrale. I dati suggeriscono che il cervello risolve il dilemma “chi merita il credito?” attraverso meccanismi distribuiti, non centralizzati. Disfunzioni in questi processi potrebbero spiegare deficit nell’autismo, nel PTSD e nella dipendenza, aprendo a terapie mirate. In futuro, i ricercatori intendono, attraverso la mappatura 3D, integrare tecniche come quelle di Longzhi Tan, dell’Università di Stanford, per analizzare l’architettura genomica durante la plasticità e sviluppare modelli computazionali attraverso collaborazioni con esperti di IA per tradurre le scoperte in algoritmi bioispirati. I risultati offrono una nuova prospettiva sul modo in cui il cervello apprende e si adatta, suggerendo che i neuroni non seguano una singola regola di plasticità, ma diverse strategie a seconda del compartimento dendritico. Lo studio contribuisce a una comprensione più fine della plasticità sinaptica e del rimodellamento neurale durante l’apprendimento comportamentale, con implicazioni per la neurobiologia dell’adattamento e della memoria, oltre che per i disturbi con base sinaptica, dalla malattia di Alzheimer ai disturbi dello sviluppo; inoltre, ridefinisce i principi di progettazione delle reti neurali artificiali.(30Science.com)