Negli ultimi anni un numero crescente di informatici ha cercato di sviluppare metodi computazionali ispirati alla struttura, alla funzione e alla plasticità dei circuiti neurali nel cervello umano. Il raggiungimento di una comprensione completa dei circuiti neurali biologici è di vitale importanza per la creazione di questi sistemi informatici di ispirazione neuro.
Per comprendere appieno i meccanismi che consentono ai circuiti neurali biologici di calcolare le informazioni e adattarsi nel tempo, i neuroscienziati dovrebbero essere in grado di esaminare le connessioni tra i singoli neuroni. Sebbene i recenti progressi nelle tecniche di tracciamento dei circuiti abbiano aperto nuove possibilità per lo studio di queste connessioni, la raccolta di dati utilizzando queste tecniche può ancora essere molto impegnativa e costosa.
Le difficoltà nel ricreare strutture di circuiti neurali
Alcuni scienziati hanno quindi ideato metodi statistici per stimare la connettività neurale sulla base di registrazioni dell’attività neurale multicella. Sebbene questi metodi siano ampiamente utilizzati, potrebbero non portare a rappresentazioni affidabili delle connessioni neurali. I ricercatori dell’Università del Texas ad Austin hanno recentemente condotto uno studio sull’efficacia dei metodi esistenti per la stima algoritmica del cablaggio delle reti neurali. I loro risultati, pubblicati su Nature Neuroscience, suggeriscono che anche i più sofisticati tra questi metodi sono di parte e tendono a dedurre connessioni tra neuroni che non sono effettivamente connessi, ma piuttosto altamente correlati.
“Poiché è difficile misurare direttamente gli schemi elettrici dei circuiti neurali, c’è stato a lungo un interesse a stimarli algoritmicamente dalle registrazioni dell’attività multicella”, spiegano i ricercatori nel loro articolo. “Mostriamo che anche metodi sofisticati, applicati a dati illimitati da ogni cellula del circuito, sono orientati a inferire connessioni tra neuroni non collegati ma altamente correlati.