Seminario de investigación, ciclo 2016-2

El día viernes 12 de agosto de 2016 se reanudará el seminario de investigación de este año. Todos los viernes a las 11:00 hrs. se presentarán investigaciones relacionadas con nuevas técnicas de análisis de datos, física, matemáticas, ciencias cognitivas, neurociencias, psicología, biología y demás áreas que aborden desde su disciplina los sistemas complejos.

Se invita a todos los interesados a asistir y/o proponer algún paper para su revisión. Asimismo, la invitación se extiende a todos los estudiantes e investigadores de la UAEM y de otras instituciones a exponer su trabajo de investigación con el fin de realizar junto con los asistentes, una sesión de retroalimentación.

Para participar en el seminario y para mayores informes, favor de enviar un correo a la siguiente dirección: complexsystemslab@gmail.com

IMPORTANTE: Habrá café.

Advertisements

Acción en conjunto y comunicación no-verbal

La comunicación entre individuos ofrece la evidencia más clara de que el cerebro es un sistema abierto, que recibe información de su entorno, la procesa y en consecuencia emite información y modula su ámbito. El procesamiento de información, es decir los procesos internos del sistema, suceden de manera rítmica lo cual se manifiesta a través de la actividad sincronizada de ensambles de neuronas. Los diferentes ritmos que se miden en un EEG son el testimonio de esto. Las funciones asociados a las diferentes bandas de frecuencias de EEG son distintas. También el proceso de comunicación es un proceso rítmico, donde fases de emitir información y recibirla se intercambian. La pregunta crucial en este contexto es, si la calidad de las dos sistemas (es decir cerebros) cambia cuando hay comunicación (no-verbal) entre los dos individuos. El estudio tradicional de la cognición social se ha limitado a una aproximación metodológica que busca los mecanismos de interacción social en cerebros aislados. Recientemente se estudian los sistemas nerviosos de individuos que interactúan en tiempo real para revelar los mecanismos involucrados (neurociencias sociales inactivas) estudiando la interacción social participativa en tiempo real. Se considera las etapas ontogenéticas en las que se encuentran los agentes, a partir del uso de modelos de sistemas dinámicos que consideran una mayor cantidad de variables para explicar la cognición. Es decir, cualitativamente, la dinámica interna cerebral cambia durante el proceso de comunicación y probablemente, mecanismos similares a la dinámica interna (patrones espacio-temporales de sincronización) se establecen entre los dos cerebros acoplados. El reto de esta línea de investigación consiste en medir los cambios internos, detectar y caracterizar la red funcional de los dos cerebros y descifrar los procesos neuronales a partir de la actividad eléctrica que promueven la comunicación. Estas  perspectivas, también han sido tomadas en cuenta para entender los fenómenos sociales de interacción con la música. ¿Provoca la estructura temporal de la música la sincronización espacio-temporal entre agentes humanos, dentro de contextos culturales específicos y sin comunicación verbal? Esto es un bosquejo de un posible mecanismo, de cómo fomentaría un marco temporal común, dado por un ritmo acústico, la coordinación inter-personal. Esto podría suceder de manera similar a la coordinación motora dirigida por la actividad de la corteza auditiva, estimulada a su vez por ritmos acústicos.  En el caso de la coordinación inter-personal los diferentes sujetos formarían una especie de un “super-organismo”.

Esta línea de investigación es novedosa a nivel nacional y se realiza en colaboración con la Dra. Julieta Ramos del Instituto de Neurociencias de la Universidad de Guadalajara y la Dra. Mari Corsi Cabrera de la Facultad de Psicología de la UNAM.

Figura 13 y 14: fotos del experimento de futbol con estímulos acústicos rítmicos.

Figura_15

Figura 15: Resultados del experimento. Se Mide numero de pases, numero de goles y numero de posesiones del balón para equipos masculinos (azul) y femeninos (rosa), para tres diferentes modos: sin Música (wM), estímulos sincronizados (Sy) y no sincronizados (nS). A la izquierda se muestra el esquema del experimento: 5 contra 5 jugadores en una cancha reducida con dos goles a cada lado. Tiros de larga distancia son prohibidos.

Imagen de portada: http://www.gahetna.nl/collectie/afbeeldingen/fotocollectie/zoeken/weergave/detail/q/id/af7ec572-d0b4-102d-bcf8-003048976d84

Procesos de cognición y el papel de la corteza auditiva para actividades motoras y cognitivas

Una particularidad conocida del cerebro humano es la íntima conexión entre la corteza auditiva y motora. Esto conduce a un efecto que en inglés se llama entrainment, es decir, que bajo la influencia de estímulos acústicos rítmicos los sujetos modifican la frecuencia de su movimiento (por ejemplo, la cadencia), aunque no sincronizan espontáneamente. La terapia con música aprovecha este efecto, donde la estructura temporal del ritmo provoca ciertos patrones espacio-temporales en la corteza auditiva, que a su vez fomentan la actividad adecuada en la corteza motora. El orden o bien la estructura temporal de un ritmo, fomenta la coordinación de movimientos, aún en pacientes con severos problemas motores, como derrame cerebral o el síndrome de Parkinson. Es ventajoso en este contexto la alta resolución temporal de la corteza auditiva, una región que evolucionó para detectar y caracterizar estructuras temporales, por lo cual el procesamiento de información sucede en las escalas de tiempo más cortas. De esta manera la corteza auditiva puede fungir como una especie de marcapaso para la corteza motora.

Mucho menos conocida es la influencia espontánea de la corteza auditiva sobre procesos de cognición. La influencia positiva de la música a largo plazo, como por ejemplo para la adquisición de lenguaje, sí es conocida aún cuando todavía es sujeto de investigación. En nuestro grupo se investiga de qué manera los estímulos acústicos pueden conducir espontáneamente a un mejor desempeño cognitivo (atención, cognición verbal, orientación, cognición numérica, comunicación no-verbal, entre otros). ¿Depende esto de la complejidad de la estructura temporal del ritmo? ¿Juega el tempo un papel importante y hay tempos preferidos (lo cual sería un indicador para la existencia de una especie de resonancia en la dinámica cerebral)? Y ¿hay diferencias de género debido a la preferencia de ritmos? Estas y más preguntas a este contexto son sujeto de investigación en nuestro grupo, en colaboración con la Dra. Julieta Ramos del Instituto de Neurociencias de la Universidad de Guadalajara y la Dra. Mari Corsi Cabrera de la Facultad de Psicología de la UNAM.

  Figura_1

Figura 1: Dos personas en un “hyperscanning”, es decir, las dos personas resuelven una tarea en conjunto mientras se mide simultáneamente su Electroencefalograma con el objetivo de medir sincronización inter-personal.

Interrelación entre sueño y epilepsia

Es evidente que el fenómeno patológico epilepsia y el fisiológico sueño están correlacionados. Las crisis epilépticas suceden preferentemente en un estado de somnolencia, la privación de sueño puede provocar ataques epilépticos aún en personas clínicamente sanas, muchas crisis epilépticas son seguidas por un profundo sueño postictal y la morfología de registros EEG durante los dos fenómenos son parecidas, para mencionar solo algunas características. En nuestro grupo se realiza la comparación cuantitativa de la evolución de la red funcional entre los dos fenómenos. La hipótesis científica que da la pauta para estos estudios es que la epilepsia de lóbulo temporal, es consecuencia de una distorsión de la arquitectura de sueño de tal manera que la deficiencia en la recuperación nocturna se recompensa a través de convulsiones. En este sentido se podría entender una crisis epiléptica como una especie de un “sueño condensado”. Este trabajo se realiza en colaboración con la Universidad de Berna en Suiza y el grupo de la Dra. Corsi Cabrera de la Facultad de Psicología de la UNAM.

Figura_11

Figura 11: Algunos señales electroencefalográficas durante el sueño (izquierda) y durante un ataque epiléptico (derecha). Panel A durante la fase de sueño ligero, panel C durante la fase de sueño profundo. Panel B durante la fase de descargas rápidas de una ataque epiléptico, Panel D durante la fase postictal.

Figura_12

Figura 12: Comparación entre sueño y epilepsia: Panel izquierdo: potencia relativa en la banda delta (ondas lentas), panel derecha: Eficiencia global de la red funcional. Cuadrados corresponden al análisis de sueño, cruces al análisis de epilepsia. Fase 1 corresponde al sueño ligero personas sanos y la fase de descargas rápidas de un ataque epiléptico. Fase 2 corresponde al sueño profundo y la fase post-ictal respectivamente.

Fotografía de portada: https://flic.kr/p/7KCWxN

Desarrollo de nuevas técnicas multi-variantes de análisis

Un posible esquema para clasificar los diferentes métodos de análisis es ordenarlo en técnicas uni-, bi- y multi-variantes, donde el análisis uni-variante significa que se extrae información de una sola señal, como por ejemplo la función de auto-correlación o el espectro de potencia. En un análisis bi-variante se cuantifica posibles interrelaciones entre dos series de tiempo. Posibles ejemplos son la correlación cruzada o la información mutua. Finalmente, en un análisis multi-variante se trata de caracterizar interrelaciones entre varias señales que se han medido simultáneamente. Prominentes ejemplos de este tipo de análisis son diversas aplicaciones de la teoría de gráficas. Para ello se estiman típicamente todos los coeficientes bi-variantes entre las N señales. Estos coeficientes se entienden como una consecuencia de un acoplamiento (funcional) entre las regiones donde se miden los datos empíricos. Así, las regiones se entienden como nodos y los coeficientes bi-variantes como aristas entre ellos. Medidas típicas derivadas en el contexto de la teoría de gráficas son la eficiencia global (que mide la eficiencia de distribuir información encima de toda la red), el coeficiente de agrupamiento (que evalúa la comunicación entre constituyentes locales de la red), la vulnerabilidad (que mide que tanto afecta la aniquilación aleatoria de aristas o de nodos) entre muchas más.

Otra filosofía del análisis multi-variante ofrece la teoría de las matrices aleatorias. Se puede definir una “matriz de interrelación”  tal que se asigna a sus elementos las estimaciones de una medida bi-variante. A través de un análisis de la distribución de los valores propios y de la estructura de los vectores propios se logra extraer información relevante sobre el patrón multi-variante de interacción.

Un tercer enfoque está basada en una observación sorprendente. Para entender hay que mencionar que un electroencefalograma es una señal altamente no-estacionaria, es decir, la dinámica cerebral cambia en cada instante, por cambios de los estímulos en las vías sensoriales, cambios de la actividad motora y mental, y cambios de los circuitos de control (temperatura, ritmo cardiaco, digestión, etc.). Considerando, que el coeficiente de correlación toma valores entre mas y menos uno, se puede suponer que signos positivos y negativos aparecen con la misma probabilidad si se estima este coeficiente en ventanas de datos subsecuentes. Por lo tanto, promediando sobre estos valores se debería conducir a un resultado muy cercano a cero. Sorprendentemente, encontramos lo contrario. Si estimamos el promedio sobre los coeficientes de correlación sobre intervalos largos, aparece un patrón de correlación muy pronunciado, que además es muy estable. Estable significa en este contexto, que independiente del estado fisiológico (como diferentes actividades cognitivas, diferentes estados de sueño) o patológico (ataque epiléptico, coma), se encuentra esta misma estructura de correlación. ¿Qué significa esto?

Interpretamos esta estructura como un reflejo de un estado dinámico basal, es decir, la actividad cerebral necesaria y suficiente para mantener las actividades mínimas vitales (respiración, ritmo cardiaco, control de temperatura, etc.). Pensando en términos de sistemas dinámicos uno podría pensar, que esta actividad es el atractor de la dinámica cerebral, tal que todas las actividades demás (procesos de cognición, actividad motora, procesamiento de información sensorial, etc.) consiste entonces en una desviación a este atractor, o bien, una transientes. Por lo tanto, a parte de los métodos mencionados arriba, estamos desarrollando técnicas que permiten cuantificar y caracterizar estas desviaciones y los resultados preliminares indican que a través de esta metodología se obtiene una imagen consistente sobre el funcionamiento del cerebro.

Figura 4, 5, 6: Red funcional de correlaciones genuinas antes, durante y después de un ataque epiléptico focal.

Epilepsia

Se investiga la dinámica de la red funcional en la transición peri-ictal, es decir la transición antes, durante y después de un ataque epiléptico focal (por lo general del lóbulo temporal). Aunque un ataque epiléptico constituye un evento sumamente dramático hay todavía gran controversia sobre este tema. A partir de los descubrimientos de Wolf Singer y su grupo,  la sincronización de la actividad neuronal es reconocida como el hallmark del procesamiento de información. ¿Es la epilepsia una expresión “exacerbada” de la actividad neuronal tal que una crisis epiléptica es un evento “hiper”-sincronizado? ¿La correlación realmente aumenta durante un evento epiléptico? Y si es así, ¿en cuáles escalas temporales y espaciales sucede? ¿Es la sincronización una expresión de la patología o mas bien, un mecanismo activo que el cerebro utiliza para terminar con la crisis? ¿Qué papel juega el foco epiléptico? ¿Es generador de la patología (y en dado caso ¿por qué y cómo?) o es sólo una especie de “nodo importante” en la red neuronal que fomenta la distribución de la actividad patológica? Todas estas son preguntas actuales, discutidas en contribuciones científicas recientes sobre el tema. En nuestro grupo se estudia de manera cuantitativa la evolución temporal de la red de sincronización tanto con datos extra-craneales como con datos intra-craneales (es decir, con electrodos implantados en el cerebro). Este estudio se realiza en colaboración con la Universidad de Berna en Suiza y el Instituto Neurológico de Medellín, Colombia.

Figura_7

Figura 7: Electroencefalograma de un ataque epiléptico focal. Abajo se muestra la amplificación de 10 segundos del inicio y fin de la crisis epiléptica.

 

Figura_8

Figura 8: Electroencefalogramas de algunos electrodos antes (arriba), al inicio (segundo panel desde arriba), al final (tercer panel de arriba) y después de un ataque epiléptico.

 

MATLAB Handle Graphics

Figura 9: Matrices de correlación promedio y ejemplos de señales antes (arriba), durante (centro) y después (abajo) de un ataque epiléptico.

Sueño, ¿por qué dormimos?

Una pregunta fundamental sobre el funcionamiento de nuestro cerebro es ¿por qué evolutivamente hay la necesidad de quedarse tanto tiempo en un estado indefenso? ¿Qué hace el cerebro durante el sueño? Y ¿por qué esta actividad es tan importante para su buen funcionamiento? Se sabe que la privación del sueño causa severas alteraciones de atención y habilidades cognitivas, e incluso puede provocar ataques epilépticos, aún en sujetos clínicamente sanos. Según la teoría formulada por Giulio Tononi y colaboradores las fases de sueño profundo, es decir las fases 3 y 4, son las más relevantes. Estas fases son caracterizadas por una pronunciada actividad de ondas lentas que corren encima de todo el cráneo y que según la hipótesis de Tononi, son los generadores del llamado downscaling. En esta imagen las sinapsis se descargan de tal modo que las más usadas durante el día quedan fortalecidas en comparación con las menos utilizadas (lo cual se relaciona con la consolidación de conocimiento). No obstante, las fases 3 y 4 sólo cubren una fracción de la duración de toda la noche. Entonces, ¿qué sucede durante las otras fases? Y si sólo el sueño profundo es relevante para que el cerebro descanse, ¿porqué no caemos de inmediato en esta fase para acelerar el proceso de descanso y permanecer el menor tiempo posible en un estado indefenso? Además, muchas neuronas y micro-circuitos compuestos por un grupo de neuronas, son especializados para ciertas frecuencias. ¿Qué pasa entonces con aquellos módulos que ajustan sólo a frecuencias más rápidas que la banda delta?

Usando nuevas técnicas de análisis investigamos en nuestro grupo estos aspectos con dos enfoques principales: (a) proveer evidencia cuantitativa a favor de la teoría del downscaling y (b) iluminar el papel de otras fases de sueño para la recuperación de las habilidades cognitivas durante la noche. Esta trabajo se realiza en colaboración con la Universidad de Berna en Suiza y el grupo de la Dra. Corsi Cabrera de la Facultad de Psicología de la UNAM.

Figura_10

Figura 10: Panel arriba: Correlación total (azul) y desviaciones al patrón estacionario (rojo y verde) durante una noche, estimado a partir de un registro electroencefalográfico. Panel abajo: el Hipnograma que muestra las diferentes fases del sueño durante la noche (0 = vigilia, 1,2,3,4= fase 1,2,3,4, 5= Movimiento Ocular Rápido, -1=segmentos no bien definidas)

Figura_2

Figura 2: Evolución temporal de la correlación en diferentes lóbulos durante la noche. El renglón mas abajo muestra el hipnograma, es decir las diferentes fases de sueño (ver barra de color a la izquierda) , los renglones arriba la correlación (ver barra de color a la derecha)

Fotografía de portada: https://flic.kr/p/8Lzggx