Para los científicos que estudian el comportamiento animal, incluso la lombriz intestinal más simple plantea enormes desafíos. El movimiento de gusanos retorciéndose, las bandadas de pájaros y los humanos que caminan cambian de un momento a otro, de formas que el ojo humano no puede captar. Pero ahora, Investigadores de la Universidad de Graduados del Instituto de Ciencia y Tecnología de Okinawa (OIST) y la Vrije Universiteit Amsterdam han desarrollado una forma de analizar este comportamiento dinámico en fragmentos digeribles.

"Incluso si solo desea clasificar el movimiento como un avance, hacia atrás, o girando, no puedes estar seguro solo a simple vista, "dijo Tosif Ahamed, autor del estudio y estudiante de posgrado en la Unidad de Teoría de la Física Biológica de la OIST, dirigido por el profesor Greg Stephens, así como la Unidad de Biología del Procesamiento de la Información dirigida por el Prof. Ichiro Maruyama. Al entregar la observación a un modelo adaptativo, los investigadores detectaron sutilezas que de otro modo se habrían perdido. "Con este método, no tenemos que tirar ningún detalle ".

El estudio, publicado en línea el 17 de enero de 2019 en el procedimientos de la Academia Nacional de Ciencias de los Estados Unidos de América, descubrió que la dinámica compleja se puede dividir en una colección de patrones lineales simples. Los investigadores dividieron sus datos en distintas ventanas de tiempo en función de cómo estos patrones cambiaron con el tiempo. Al agrupar ventanas de tiempo que parecían estadísticamente similares, el modelo reveló patrones distintos en los estados cerebrales cambiantes y los comportamientos de movimiento de los animales.

"Solo hace suposiciones mínimas desde el principio, "dijo Antonio C. Costa, primer autor del artículo y estudiante de posgrado en el Departamento de Física y Astronomía de la Vrije Universiteit Amsterdam. "Puede dejar que los datos le digan lo que está haciendo el animal. Esto puede ser poderoso ... y permitirle encontrar nuevas clases de comportamiento".

Gatear:no es tan simple como parece

El modelo descubrió una rica complejidad subyacente a uno de los movimientos más simples:a saber, gateando. Los científicos pueden observar Caenorhabditis elegans mientras el gusano avanza, vueltas o invierte su movimiento para gatear hacia atrás. Estos comportamientos parecen simples, pero tras una inspección más cercana, cada movimiento contiene su propia variedad y matiz.

Hay más de una forma de gatear.

"Sabíamos implícitamente, mirando los gusanos, sobre estas categorías de comportamiento burdas.

Pero no son tan simples "dijo el profesor Stephens, quien también ocupa un puesto en la Vrije Universiteit Amsterdam. "Hay estados de comportamiento más sutiles que es posible que no se vean a simple vista".

Los datos sugieren que C. elegans permanece en equilibrio y listo para cambiar comportamientos en cualquier momento. Como ágiles boxeadores, preparado para balancearse o tejer en respuesta al siguiente golpe de su oponente, el movimiento de los gusanos se cierne sobre el borde de un patrón y el siguiente. Investigaciones anteriores sugieren que las criaturas más complejas, como los humanos, también muestran esta adaptabilidad. La nueva técnica de modelado permite a los científicos cuantificar estas dinámicas directamente.

Aplicaciones más allá del comportamiento

Además de modelar el comportamiento en C. elegans, los investigadores también cuantificaron la dinámica del cerebro completo en el gusano, en neuronas de la corteza visual de ratones, y en la corteza cerebral de los monos.

"Fue sorprendente:el nuestro es un enfoque simple, pero resultó poderoso para interpretar esta variedad de sistemas complejos, ", dijo Stephens. Los sistemas dinámicos surgen en todas partes en la naturaleza, no solo en el cerebro. Mecánica de fluidos, la turbulencia e incluso el movimiento colectivo de aves en bandada ejemplifican sistemas que podrían decodificarse utilizando el nuevo enfoque. Esta idea también podría combinarse con métodos de aprendizaje automático para clasificar videos como lo hacemos con imágenes fijas, que sigue siendo un gran desafío en el campo.

"Una vez que pueda describir la dinámica de una manera basada en principios, se puede aplicar la técnica a muchos sistemas ".