Soy nuevo en neurobiología, así que no sé mucho al respecto. Sin embargo, he trabajado en redes neuronales artificiales. Todas las redes de IA hechas por el hombre siguen un puñado de reglas simples. Me preguntaba si las neuronas biológicas también tienen un conjunto de reglas predecibles. Por ejemplo, ¿qué hace una neurona si no se estimula/no recibe señal durante mucho tiempo? ¿Morirá... o intentará encontrar nuevas conexiones que puedan enviar señales? ¿Qué hace una neurona si está sobreestimulada? ¿Qué hace una neurona si recibe una señal -> la transmite a todas sus conexiones, o solo a 1? ¿Tiene una ruta de salida preferida para cualquier señal entrante? ¿Puede una neurona enviar una nueva señal sin haber recibido una señal de otro lugar? ¿Cómo sabe una neurona si ha hecho "bien" su trabajo? ¿Cómo obtiene comentarios positivos?
Respuesta corta:
"Siempre" es siempre un término peligroso en biología.
Respuesta más larga:
¿Qué hace una neurona si no se estimula/no recibe señal durante mucho tiempo? ¿Morirá... o intentará encontrar nuevas conexiones que puedan enviar señales?
Lo que hacen las neuronas cuando no son estimuladas depende de la neurona y la fase de desarrollo. Por lo general, los umbrales para los picos disminuirán, pero también es normal que las células se atrofien y mueran: la muerte neuronal es una parte crítica del desarrollo, y la pérdida de conexiones sinápticas y algunas neuronas es la característica más obvia del desarrollo del cerebro humano durante la adolescencia, en lugar de dando a luz nuevas neuronas o desarrollando nuevas sinapsis.
¿Qué hace una neurona si está sobreestimulada?
Las neuronas sobreestimuladas pueden morir, también pueden reducir la eficacia de sus entradas, ya sea aumentando sus umbrales o reduciendo los pesos sinápticos al eliminar los receptores postsinápticos. El calcio es un mediador importante de estas señales; por ejemplo, puede leer sobre su papel en la depresión a largo plazo (esto no tiene nada que ver con la 'depresión' en la salud mental, solo con la reducción del peso sináptico). También hay efectos a corto plazo que limitan la sobreestimulación de vías particulares, con muchos actos en la célula presináptica en lugar de postsináptica. El neurotransmisor se mantiene en vesículas y, después de la liberación, hay menos vesículas disponibles para el próximo evento de liberación. Las terminales presinápticas también suelen tener autorreceptores que provocan una retroalimentación negativa y limitan la transmisión posterior.
¿Qué hace una neurona si recibe una señal -> la transmite a todas sus conexiones o solo a 1?
De todas sus preguntas, "¿lo transmite a todas sus conexiones?" tiene la respuesta más simple: las neuronas biológicas casi siempre transmiten a todas sus conexiones directas en respuesta a cualquier entrada suficiente (al igual que la mayoría de las redes neuronales artificiales). Sin embargo , la probabilidad de liberación en cualquier sinapsis suele ser <1. Por lo tanto, una celda dada puede hacer conexiones de mucha mayor fidelidad (y también de mayor amplitud) con otra celda por la cantidad de contactos . Si una neurona cortical típica hace solo un contacto sináptico con otra célula, habrá una alta tasa de fallas de transmisión entre las dos células. Es común que las conexiones más fuertes involucren hasta cientos de contactos individuales, solo entre dos celdas.
¿Puede una neurona enviar una nueva señal sin haber recibido una señal de otro lugar?
Algunas neuronas se activan espontáneamente. Hay varios tipos, pero los más familiares son los que se consideran intrínsecamente oscilantes. Un ejemplo son las células del nódulo sinoauricular del corazón (aunque en realidad no son neuronas, actúan como neuronas; hay células similares que son neuronas que controlan la respiración). También hay algunas células del SNC.
¿Cómo sabe una neurona si ha hecho "bien" su trabajo? ¿Cómo obtiene comentarios positivos?
Esta pregunta es la más compleja de todas las preguntas que hizo, se necesitan libros de texto y revistas completos para responderla, y no es posible responderla aquí. Solo diré que muchas de las reglas de aprendizaje utilizadas en las redes artificiales no son biológicamente plausibles, simplemente son computacionalmente eficientes. Las redes neuronales biológicas usan mucha más actividad recurrente que las artificiales, y gran parte de la retroalimentación como esta ocurre dentro de esa red recurrente. Las redes biológicas también se construyen para realizar una variedad de cálculos, y las reglas de aprendizaje que se aplican en una pueden no aplicarse en otra. Por ejemplo, la separación de patrones versus la finalización de patrones requieren reglas de aprendizaje completamente diferentes.
Sin embargo, el principio muy general de actualizar los pesos sinápticos en respuesta a errores o resultados se mantiene entre las redes artificiales y biológicas.