Sciam


Clique e assine Sciam
Notícias

Desafios para simular um cérebro humano

Projeto de modelamento recebeu um bilhão de euros para integrar conhecimentos em neurociências

Saad Faruque/Flickr
A complexidade de um cérebro humano pode ser capturada por computadores?
Por Erin C. McKiernan 

O cérebro humano é maravilhosamente complexo. E frustrante. Nossa compreensão desse órgão é fragmentada e limitada porque, exceto raramente, não podemos acessar eu interior ou examinar suas funções enquanto ele ainda está ativo.

Computadores oferecem promessas; se pudéssemos construir um cérebro artificial que se comporta como um cérebro real, talvez pudéssemos desmontá-lo para ver como funciona. Esse é o conceito por trás do Human Brain Project, que recentemente recebeu um bilhão de euros da Comissão Europeia como uma de apenas duas Iniciativas de Tecnologias Futuras e Emergentes.

O co-diretor do HBP, Dr. Henry Markram, acredita ser possível simular realisticamente um cérebro humano dentro de 10 anos. Mas muitos neurocientistas argumentam que não sabemos o suficiente sobre o cérebro para propor um modelo. Onde estão as lacunas em nosso conhecimento, e por que elas podem apresentar problemas?

Construindo as unidades do sistema

Um cérebro artificial deve começar com bons blocos construtores. Neurônios reais são diversos. Têm extensões curtas e longas, que se ramificam em padrões diferentes e processam sinais de maneira diferente dependendo de sua estrutura. Um dos objetivos do HBP é modelar neurônios como células tridimensionais detalhadas.

Neurônios podem ser visualizados em microscópios e reconstruídos usando programas de computador. Mas a estrutura que conseguimos recriar em modelos é apenas uma aproximação da real. É difícil representar matematicamente todos os ramos, ou suas particularidades. Um desafio ainda maior é atribuir-lhes propriedades funcionais.

Em muitos neurônios, não está claro exatamente o ponto da estrutura que recebe sinais de outras células, ou como são combinados os sinais que chegam a ramos diferentes. 

Neurônios também não são estáticos. Suas extensões se esticam ou retraem devido ao desenvolvimento, aprendizagem e ferimentos. O conhecimento sobre como isso acontece é incompleto. Como os modeladores decidirão que regras aplicar?

Equipando os blocos construtores

Os blocos construtores de um cérebro artificial também devem responder e enviar sinais. Neurônios reais são povoados com muitas proteínas diferentes. Proteínas de canal, por exemplo, permitem que moléculas carregadas, os íons, cruzem a membrana e gerem atividade elétrica.

Enquanto muitos tipos de canais de íons já foram caracterizados, muitos ainda restam a estudar. Na maioria dos neurônios, não se conhece a população completa de proteínas presentes, ou como elas contribuem para a sinalização. Número e tipo de proteínas em um neurônio também mudam sob uma variedade de condições através de mecanismos pouco compreendidos. Que proteínas devem ser usadas em diferentes modelos de neurônios? E quando a expressão proteica deve ser ligada, desligada, aumentada ou diminuída?

Por fim, onde as proteínas devem ser colocadas? Alguns canais só estão presentes em corpos celulares, enquanto outros são encontrados em suas extensões. A distribuição de canais afeta a maneira como neurônios recebem e enviam sinais, mas frequentemente não é conhecida. Como a forma será acoplada à função?

 Construindo pequenas redes

Se desafios na modelagem de neurônios individuais forem superados, o próximo passo é conectá-los. A comunicação entre neurônios ocorre em contatos especializados.

Sabemos muito sobre a composição desses contatos e as regras gerais de transmissão de sinais. Mas detalhes importantes estão faltando. Quem está conectado a quem? Onde estão localizados os contatos em neurônios individuais? Quais são as forças das conexões, e como essas forças mudam em condições diferentes? Temos informações limitadas sobre parceiros potenciais e estimativas de forças de conexão para a maioria dos neurônios.

Testar todos os pares possíveis, mesmo em uma pequena região do cérebro, não é possível. Como conectaremos uma rede de neurônios e teremos certeza de que os parceiros, localizações e forças estão corretas? Mesmo se o modelo for construído de modo que conexões e forças possam evoluir, quais serão as regras da evolução? Esses detalhes terão efeitos profundos no output do modelo.

Conectando em vários níveis

Muitas redes devem ser conectadas para formar um cérebro completo. Apesar de sabermos em termos gerais quais regiões do cérebro se comunicam com outras, ignoramos muitos detalhes dessa comunicação. Que neurônios estão conectados? Em quais regiões? O que são os loops de feedback pelos quais os sinais viajam de uma região a outra? Também não está claro como ocorre a integração e processamento de informações em vários níveis de organização (molecular, celular) e escalas de tempo (segundos, minutos). Como o modelo deve ser montado? 

O que esperar de um modelo de cérebro?

Se todos esses desafios forem vencidos e um cérebro humano for simulado, o que o modelo poderia fazer? Será que ele reproduziria comportamentos que tanto nos impressionam em cérebros reais? É possível. Além de certo nível de complexidade, um modelo pode fazer muitas coisas impressionantes. Mas o objetivo deveria ser compreender as formas e as causas da manifestação dos comportamentos. Queremos mecanismos.

A vantagem de um modelo é que as peças que o constituem são conhecidas. Se ele for suficientemente simples, podemos remover peças para investigar seu papel. Mas com o nível de complexidade exigido para o modelo proposto, remover um componente de cada vez seria não apenas extremamente complexo como questionável. Isso poderia ampliar nossa compreensão? Comportamentos complexos, se surgirem, provavelmente resultarão da interação de muitos componentes do modelo. Será que poderíamos testar todas as possíveis interações?

Construindo a compreensão

Pesquisadores do HBP estão certos: não podemos continuar estudando peças minúsculas isoladas do cérebro e esperar compreender como ele funciona. Seu objetivo de integrar informações de experimentos e modelagens computadorizadas é ótimo. Mas devemos construí-las sobre um sólido alicerce de conhecimento.

Markram e pesquisadores associados passaram as duas últimas décadas caracterizando células e mapeando conexões dentro do córtex. A fundação está crescendo. Mas ainda restam grandes lacunas. Será que elas podem ser fatais para o projeto? Ou será que o HBP nos ajudará a preenchê-las como propõe? Neurocientistas terão que esperar para ver.