Luisa Fernanda Ramírez Ochoa

Visiting Graduate Student
South American Institute for Fundamental Research in Sao Paulo
Email Address: 
lfochoa@princeton.edu
Office Location: 
236 Carl C. Icahn Laboratory
Adviser(s): 

Research Interests:

I am interested in understanding the principles of brain functioning, specifically, how is the flow of information among neurons and how this shapes both the architecture and behavior of the network of neurons. I use both statistical mechanics and information theory to model and study data from experiments and simulations.

Perfil de investigación

Mis intereses de investigación están enfocados al área de la biofísica y el estudio de grandes poblaciones de neuronas. Específicamente, me centro en la búsqueda de modelos que capturen las características e interacciones fundamentales de dichos sistemas. Teniendo en cuenta que nuestro conocimiento sobre poblaciones de neuronas está determinado por observaciones experimentales, mi esfuerzo como investigadora está enfocado al modelamiento y predicción de la actividad neuronal observada en experimentos realizados en cerebros de ratones. Las bases conceptuales de mi trabajo están soportadas por las áreas de mecánica estadística y teoría de información.

Biofísica y neurosciencia

El éxito de la física está en la generalidad de sus teorías, es decir, además de explicar y predecir el comportamiento de sistemas específicos, como el movimiento de un péndulo, permite exponer las leyes fundamentales que lo generan. En general, por medio de la abstracción y definición de conceptos, tales como fuerza o temperatura, somos capaces de entender los fundamentos que generan determinados comportamientos.

Es importante aclarar que, para hacer física, debemos creer en la existencia de principios fundamentrales que expliquen nuestras observaciones. Consecuentemente, dentro de la biofísica, surgen preguntas inherentes como ¿Todo sistema biológico puede ser explicado por medio de leyes fundamentales?, ¿Puede la física explicar y modelar la biología? Personalmente, considero que si; la interdisciplinariedad entre biología y física puede llevarnos al entendimiento de los fundamentos biológicos. Basada en lo anterior, considero altamente relevante el estudio de sistemas biológicos, como las  poblaciones de neuronas, mediante conceptos y leyes de la física.

A lo largo de las últimas décadas, han surgido varias teorías sobre poblaciones de neuronas, provenientes de esta misma rama de estudio [1] [2]. Por ejemplo, el análisis de datos experimentales ha llevado a algunos biofísicos al hallazgo de posibles leyes de potencia, implicando la existencia de criticalidad en el cerebro [3] [4]. A pesar de que hasta el momento no se ha conseguido demostrar, de forma general, que todas las poblaciones de neuronas exiben dicho comportamiento, el éxito de esta teoría en sistemas específicos, ha incrementado el interés de la comunidad científica y permitido el crecimiento de evidencia experimental y discusión teórica [5].

Evidencias de criticalidad en poblaciones de neuronas

Uno de los conceptos fundamentales dentro de la mecánica etadística es el de equilibrio termodinámico, para sistemas en equilibrio, la mecánica estadística está conceptual y matemáticamente establecida, permitiendo el estudio sistemático de transiciones de fase. Sin embargo, para sistemas fuera de equilibrio, el formalismo conceptual y matemático aún está en construcción. Basados en la idea de criticalidad en el cerebro, algunos trabajos han sido orientados a la búsqueda de evidencias de criticalidad por medio de la mecánica estadística de equilibrio y la teoría de información [6].

Luisa research 1 Luisa research 2

 

Figura 1. Izquierda: Esquema de la red neuronal y los parámetros usados en el Hamiltoniano. Derecha: Gráficas del calor específco para las simulaciones de las celulas ganglionares en una retina de vertebrado.

Con el fin de entender más a fondo las implicaciones de este trabajo, he hecho simulaciones de la actividad neuronal de poblaciones de células ganglionares (~200) basadas en la anatomía de una retina de vertebrado. Por medio de un modelo de integración, es posible discretizar la actividad de cada neurona a dos estados y de esta forma escribir un Hamiltoniano, con interacciones entre pares de neuronas, de la forma:

equa 1

Donde hi representa la actividad individual media de cada neurona y Jijrepresenta la fuerza de interacción entre las neuronas σi y σj

La idea fundamental de los autores es construir una termodinámica efectiva en la cual puedan evidenciarse señales de criticalidad, tales como la divergencia del Calor específico. Siguiendo un procedimiento similar, he obtenido resultados en los que también se evidencia una posible divergencia del calor espacífico a la temperatura efectiva del sistema (ver Fig. 1). Recientemente, algunos autores han contribuido a la discusión de este trabajo [7], afirmando que este comportamiento es consecuencia del método de máxima entropía y no necesariamente de la criticalidad de la población de neuronas. Actualmente, continúo haciendo algunas simulaciones que permitan profundizar la discusión sobre esta temática.

Colaboraciones y perspectivas

Junto con el trabajo descrito anteriormente, me encuentro estudiando un sistema de población de neuronas del hipocampo, dentro del cerebro de ratones. A diferencia del trabajo anterior, netamente computacional, en este caso cuento con datos experimentales obtenidos mediante la técnica de imágenes de Calcio. Por medio de métodos de teoría de información, como máxima entropía y cuello de botella, estoy buscando modelos consistentes con la mecánica estadística para predecir la actividad neuronal dentro de esta área del cerebro.

Dentro de mis expectativas de investigación a corto plazo está el estudio sistemático de datos experimentales y el aprendizaje de técnicas de predicción. Pretendo entender si es posible construir un modelo basado en conceptos de teoría de información para las redes de neuronas en el hipocampo. De igual forma, pretendo extender la discusión sobre criticalidad, basada en los conceptos de equilibrio. Finalmente, a largo plazo, espero poder contribuir al entendimiento general de la actividad neuronal en el cerebro de vertebrados, mediante el uso de conceptos físicos.

Bibliografía

[1] H. J. Jensen, Self-organized criticality: emergent complex behavior in physical and biological systems, Cambridge university press, 1998.
[2] M. A. Muñoz, R. Juhász, C. Castellano and G. Ódor, "Griffiths phases on complex networks," Physical review letters, p. 128701, 2010.
[3] J. M. Beggs and N. Timme, "Being critical of criticality in the brain," Frontiers in physiology, vol. 3, p. 163, 2012.
[4] J. M. Beggs and D. Plenz, "Neuronal avalanches in neocortical circuits," Journal of neuroscience, vol. 23, 2003.
[5] W. Bialek, Biophysics: searching for principles, Princeton University Press, 2012.
[6] G. Tkacik, T. Mora, O. Marre, D. Amodei, S. E. Palmer, M. J. Berry and W. Bialek, "Thermodynamics and signatures of criticality in a network of neurons," Proceedings of the National Academy of Sciences, vol. 112, 2015.
[7] M. Nonnenmacher, C. Behrens, P. Berens, M. Bethge and J. H. Macke, "Signatures of criticality arise from random subsampling in simple population models," PLoS computational biology, 2017.