EL CEREBELO REEVALÚA SU PROPIA ACTIVIDAD DURANTE EL APRENDIZAJE DE LOS MOVIMIENTOS
Fuente: Universidad Pablo de Olavide
Los investigadores de la Universidad Pablo de Olavide de Sevilla, Agnès Gruart i Massó y José María Delgado García, y Raudel Sánchez Campusano, de la Universidad de Oriente en Santiago de Cuba, son los autores del artículo que lleva por título Dynamic Associations in the Cerebellar-Motoneuron Network uring Motor Learning y que demuestra que el cerebelo funciona como un dispositivo neuronal modulador-reforzador que integra y coordina la realización de los movimientos aprendidos. Los resultados del estudio sugieren pues que el cerebelo re-evalúa dinámicamente su propia actividad mediante una secuencia continua de ajustes de la información de fase, usando la información adquirida en el proceso de aprendizaje motor.
El artículo también explica por qué la actividad del cerebelo permanece silente durante la generación y/o inicio de las respuestas condicionadas. La razón es que nuestra situación motora real está ampliamente representada por la actividad de la corteza motora cerebral, mientras que la actividad del cerebelo está siempre retrasada. Tal y como afirman los investigadores podríamos decir que el cerebelo está viviendo en el pasado de nuestra historia motora inmediata pero re-evaluando su propia función, de modo que su actuación real no ocurre antes, sino durante la realización del movimiento aprendido para jugar un rol modulador-reforzador en este proceso.
Los resultados del estudio constituyen una primera aproximación analítico-experimental in vivo para revelar las verdaderas relaciones causales en la red cerebelo-motoneuronas durante el aprendizaje motor. Y es que ha sido la interesante vinculación entre Neurociencia, Matemática y Economía la que les ha permitido a los investigadores explorar exhaustivamente la red cerebelo-motoneuronas. Los expertos han empleado una aproximación que combina el modelo biológico del párpado durante el proceso de aprendizaje motor con complejos algoritmos de análisis multivariado de series temporales neurofisiológicas, en particular las técnicas econométricas de causalidad de Granger (Clive W.J. Granger, Premio Nobel de Economía 2003).
Esta aproximación analítico-experimental demuestra que la transferencia de información en el circuito cerebelo-motoneuronas requiere de una fuente común generadora -la corteza motora cerebral-. Dicha fuente es la que induce un acoplamiento por modulación de fase entre las neuronas tipo A del núcleo interpósito posterior del cerebelo y las motoneuronas del orbicularis oculi en la vía motora final común para las respuestas condicionadas.
El cerebelo es el centro nervioso que permite dar continuidad, suavidad y armonía a nuestros movimientos. En general, la perfección de los movimientos se debe a un buen funcionamiento del cerebelo que coordina las órdenes motoras procedentes de la corteza cerebral. En particular, el control dinámico del proceso de aprendizaje motor se sustenta en la determinación del orden temporal (causalidad) y de las interdependencias funcionales entre el cerebelo y las motoneuronas en la vía motora final común.
Los resultados serán presentados en el XIII Congreso de la Sociedad Española de Neurociencias (SENC09) que se celebrará del 16 al 19 de septiembre en Tarragona.
Últimas publicaciones
El grupo de investigación ‘Desarrollo y enfermedades musculares’ del Centro Andaluz de Biología del Desarrollo logra corregir alteraciones fisiopatológicas en modelos celulares de esta grave enfermedad neurodegenerativa mediante una combinación de compuestos comerciales.
Sigue leyendoUn estudio de la Universidad de Córdoba explora el perfil sociodemográfico de las personas atraídas por estas populares rutas, caracterizadas por no disponer de una tarifa fija establecida, y analiza las motivaciones que les impulsan a participar en ellas. En cuanto a las principales motivaciones que llevan a los turistas a optar por este tipo de experiencias, el trabajo destaca la posibilidad de conocer barrios históricos, el propio recorrido y la amabilidad del guía.
Sigue leyendoUn equipo de investigación de la Universidad de Cádiz ha creado REDIBAGG, un método que acelera el entrenamiento de modelos de inteligencia artificial hasta un 70%, al utilizar menos datos pero sin perder precisión. La técnica tiene potencial para analizar grandes volúmenes de información en campos tan diversos como la medicina, la industria o las finanzas.
Sigue leyendo