Física y biología para develar misterios del control motor durante el canto de las aves
Ana Amador. Departamento de Física, Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires. CONICET.
El modo en que las aves aprenden a cantar es uno de los pocos ejemplos que existen en el reino animal de aprendizaje vocal, siendo un proceso similar al que seguimos los humanos para aprender a hablar. Además del aprendizaje, la ejecución de un canto es en sí misma una tarea compleja ya que requiere una fina coordinación del sistema respiratorio y el sistema muscular que controla la fuente sonora (similar a las cuerdas vocales de humanos). Debido a esto, es de gran interés el estudio de las instrucciones neuronales utilizadas durante la ejecución de un comportamiento complejo como es el canto.
Un trabajo de colaboración entre la Universidad de Buenos Aires (Yonatan Sanz Perl y Gabriel B. Mindlin) y la Universidad de Chicago (Ana Amador y Daniel Margoliash) permitió mostrar, midiendo cómo el sistema neuronal procesa la información recibida, que un ave puede reconocer un canto sintético (simulado por un modelo físico-matemático) como su propio canto.
La reducción del número de variables necesarias propuesta desde la física permitió generar una nueva hipótesis sobre el código neuronal utilizado para el procesamiento y generación del canto. En el Laboratorio de Sistemas Dinámicos de la Facultad de Ciencias Exactas y Naturales (UBA), Gabriel Mindlin y colaboradores generaron un modelo físico para la producción de canto de aves cuyo resultado es un canto sintético que puede compararse con el canto real del ave.
Este modelo logró una reducción muy importante del número de variables incluidas en el problema: ajustando sólo dos parámetros fue posible reproducir el canto del diamante mandarín (Taeniopygia Guttata). Si bien los cantos sintéticos y reales eran muy similares, la pregunta del millón era si estos cantos sintéticos sonaban reales para el ave. Para evaluarlo, en este trabajo nos propusimos medir las respuestas neuronales.
En el cerebro de las aves canoras, existen núcleos neuronales que responden específicamente al escuchar el canto propio, y no responden al escuchar otros estímulos como ruido o tonos, pero más importante, tampoco responden a cantos de otros individuos de la misma especie (conespecíficos) o al canto del propio ave si es modificado intencionalmente. Es por esto que estas neuronas se conocen como selectivas al canto propio.
Para poner a prueba al modelo sintético de canto, se presentó el canto propio del ave y su versión sintética, y se midió la respuesta neuronal del núcleo HVC (un núcleo con neuronas selectivas al canto propio), obteniendo el mismo patrón de respuesta para ambos cantos. Se concluyó entonces que los cantos sintéticos, generados con este modelo matemático que requiere de pocas variables, es suficiente para captar las características relevantes del canto del ave.
Este modelo físico así validado permitió identificar dos parámetros (“gestos motores”) que se usaron para estudiar el código neuronal utilizado por el ave para el procesamiento y generación del canto. Los resultados sugieren que la información auditiva del canto que llega a áreas de la corteza cerebral está codificada según coordenadas asociadas a los movimientos musculares necesarios para producir el canto.
Además, debido a que la actividad neuronal está sincronizada con el canto, las neuronas no podrían estar actuando de manera promotora ya que desde la activación neuronal en la corteza hasta la generación del canto se estima que existe un retraso considerable debido a la cantidad de sinapsis (conexiones entre neuronas) intervinientes. De esta manera se propone una codificación neuronal novedosa donde los gestos motores representados en la corteza del cerebro son utilizados para realizar predicciones del comportamiento necesario para generar el canto. Esto lleva a un marco de referencia conceptual novedoso para estudiar el código neuronal.
Articulo original: “Elemental gesture dynamics are encoded by song premotor cortical neuons”, Nature 495, 59 (2013).
Comentario de Todd Troyer: Neuroscience: The units of a song, Nature 495, 56 (2013).
Otros enlaces relacionados: Models of birdsong