Un método no invasivo para la estimulación del cerebro mediante unos electrodos colocados en el cuero cabelludo podría ayudar a los pacientes con enfermedades cerebrales.

Aplicar una corriente eléctrica a una parte del cerebro involucrada en el control de movimiento ha demostrado ser exitoso en el tratamiento para muchos pacientes con enfermedad de Parkinson. Este enfoque, conocido como estimulación cerebral profunda, requiere la implantación de electrodos en el cerebro, un procedimiento complejo que conlleva algún riesgo para el paciente.

Ahora, los investigadores del MIT, que colaboran con investigadores del Beth Israel Deaconess Medical Center (BIDMC) y la IT’IS Foundation, han encontrado una forma de estimular regiones profundas del cerebro usando electrodos colocados en el cuero cabelludo. Este enfoque podría hacer que la estimulación cerebral profunda fuera no invasiva, menos arriesgada, menos costosa y más accesible a los pacientes.

«La estimulación cerebral tradicional requiere la apertura del cráneo y la implantación de un electrodo, que puede tener complicaciones. En segundo lugar, solo un pequeño número de personas puede hacer este tipo de neurocirugía «, dice Ed Boyden, profesor asociado de ingeniería biológica y Ciencias Cerebrales y Cognitivas en el MIT, y el autor principal del estudio, que aparece en la edición del 1 de junio de Cell.

Los médicos también utilizan la estimulación cerebral profunda para tratar a algunos pacientes con trastorno obsesivo-compulsivo, epilepsia y depresión, y están explorando la posibilidad de usarlo para tratar otras condiciones como el autismo. El nuevo enfoque no invasivo podría facilitar la adaptación de la estimulación cerebral profunda para tratar trastornos adicionales, dicen los investigadores.

«Con la capacidad de estimular las estructuras cerebrales no invasiva, esperamos que podamos ayudar a descubrir nuevos objetivos para el tratamiento de los trastornos cerebrales«, dice el autor principal del documento, Nir Grossman, un ex post-doctorado Wellcome Trust-MIT que trabaja en MIT y BIDMC, que ahora es Un investigador del Imperial College de Londres.

Ubicaciones profundas

Los electrodos para el tratamiento de la enfermedad de Parkinson se colocan generalmente en el núcleo subtalámico, una estructura en forma de lente situada debajo del tálamo, en el interior del cerebro. Para muchos pacientes de Parkinson, la aplicación de impulsos eléctricos en esta región del cerebro puede mejorar los síntomas, pero la cirugía para implantar los electrodos conlleva riesgos, incluyendo hemorragia cerebral e infección.

Otros investigadores han intentado no invasivamente estimular el cerebro usando técnicas tales como la estimulación magnética transcraneal (TMS), que está aprobado por la FDA para el tratamiento de la depresión. Dado que el SMT no es invasivo, también se ha utilizado en sujetos humanos normales para estudiar la ciencia básica de la cognición, la emoción, la sensación y el movimiento. Sin embargo, el uso de TMS para estimular las estructuras cerebrales profundas también puede resultar en regiones de superficie que se estimulan fuertemente, resultando en la modulación de múltiples redes cerebrales.

El equipo del MIT ideó una forma de proporcionar estimulación eléctrica en el interior del cerebro, a través de electrodos colocados en el cuero cabelludo, aprovechando un fenómeno conocido como interferencia temporal.

Esta estrategia requiere generar dos corrientes eléctricas de alta frecuencia utilizando electrodos colocados fuera del cerebro. Sin embargo, estas corrientes interfieren entre sí de tal manera que donde se intersectan, profundamente en el cerebro, una pequeña región de corriente de baja frecuencia se genera dentro de las neuronas. Esta corriente de baja frecuencia se puede utilizar para impulsar la actividad eléctrica de las neuronas, mientras que la corriente de alta frecuencia pasa a través del tejido circundante sin ningún efecto.

Al ajustar la frecuencia de estas corrientes y cambiar el número y la ubicación de los electrodos, los investigadores pueden controlar el tamaño y la ubicación del tejido cerebral que recibe la estimulación de baja frecuencia. Pueden apuntar localizaciones profundas dentro del cerebro sin afectar ninguna de las estructuras circundantes del cerebro. También pueden dirigir la localización de la estimulación, sin mover los electrodos, alterando las corrientes. De esta forma, se podrían estimular objetivos profundos, tanto para el uso terapéutico como para las investigaciones científicas básicas.

«Se puede ir hacia objetivos profundos y evitar las neuronas superpuestas, aunque la resolución espacial no es tan buena como la de la estimulación cerebral profunda«, dice Boyden, miembro del Media Lab del MIT y del McGovern Institute for Brain Research.

«El hecho de que solo dos fuentes sean necesarias y uno puede conceptualmente orientar el enfoque es fascinante. Puedo ver un futuro posible donde esta tecnología podría ser portátil para la estimulación cerebral no invasiva profunda como terapia. Si el trabajo pudiera mostrarse en modelos animales más grandes que un ratón, sería aún más optimista «, dice Tipu Aziz, profesor de neurocirugía de la Universidad de Oxford, que no participó en la investigación.

Estimulación dirigida

Li-Huei Tsai, directora del MIT’s Picower Institute for Learning and Memory, y los investigadores de su laboratorio probaron esta técnica en ratones y encontraron que podían estimular pequeñas regiones en el interior del cerebro, incluyendo el hipocampo. También fueron capaces de cambiar el sitio de la estimulación, lo que les permite activar diferentes partes de la corteza motora y pedir a los ratones para mover sus extremidades, las orejas, o bigotes.

«Mostramos que podemos enfocar con precisión una región cerebral para obtener no solo la activación neuronal sino respuestas conductuales», dice Tsai, quien es autor del artículo.» Creo que es muy emocionante, porque la enfermedad de Parkinson y otros trastornos del movimiento parecen originarse en una región muy particular del cerebro, y si puedes apuntar a eso, tienes el potencial para revertirlo».

Significativamente, en los experimentos del hipocampo, la técnica no activó las neuronas en la corteza, la región situada entre los electrodos en el cráneo y el objetivo en el interior del cerebro. Los investigadores también no encontraron efectos nocivos en ninguna parte del cerebro.

El año pasado, Tsai demostró que el uso de la luz para inducir visualmente ondas cerebrales de una frecuencia particular podría reducir sustancialmente las placas beta-amiloides observadas en la enfermedad de Alzheimer, en el cerebro de los ratones. Ahora planea explorar si este tipo de estimulación eléctrica podría ofrecer una nueva forma de generar el mismo tipo de ondas cerebrales beneficiosas.

Hay un límite a la velocidad con que los vehículos autónomos (drones) pueden volar, consiguiendo así evitar con seguridad los obstáculos. Esto se debe a que las cámaras usadas en los drones de hoy en día solo pueden procesar imágenes tan rápido como un marco por cuadro individual. Más allá de los aproximadamente 48 kilómetros por hora, un drone es probable que se bloquee simplemente porque sus cámaras no pueden actualizarse.

Recientemente, los investigadores de Zurich inventaron un nuevo tipo de cámara, conocida como el Sensor de Visión Dinámica (DVS), que visualiza continuamente una escena en términos de cambios de brillo, a intervalos de microsegundos extremadamente cortos. Pero este lluvia de datos puede abrumar a un sistema, lo que hace difícil para que los drones puedan distinguir un obstáculo que se aproxima a través del ruido.

Ahora los ingenieros en el MIT han llegado con un algoritmo para sintonizar una cámara DVS para detectar sólo los cambios específicos de brillo que importan para un sistema particular, simplificando enormemente una escena a sus elementos visuales más esenciales.

Los resultados que presentaron esta semana en la IEEE American Control Conference en Seattle pueden aplicarse a cualquier sistema lineal que dirige a un robot a moverse del punto A al punto B como respuesta a los datos visuales de alta velocidad. Eventualmente, los resultados también podrían ayudar a aumentar las velocidades de los sistemas más complejos como los drones y otros robots autónomos.

«Hay una nueva familia de sensores de visión que tiene la capacidad de llevar el vuelo autónomo de alta velocidad a la realidad aplicada a los drones, pero los investigadores no han desarrollado algoritmos que sean adecuados para procesar los datos de salida», dice Prince Singh, estudiante graduado en MIT Departamento de Aeronáutica y Astronáutica. «Presentamos un primer enfoque para dar sentido a los datos ambiguos del DVS, al reformular el sistema inherentemente ruidoso en una forma accesible«.

Los coautores de Singh son el profesor visitante del MIT Emilio Frazzoli del Instituto Federal Suizo de Tecnología en Zurich y Sze Zheng Yong de la Universidad Estatal de Arizona.

Tomando una señal visual de la biología

La cámara DVS es el primer sensor «neuromórfico» comercialmente disponible, una clase de sensores que se modelan después de los sistemas de visión en animales y seres humanos. En las primeras etapas del procesamiento de una escena, las células fotosensibles en la retina humana, por ejemplo, se activan en respuesta a cambios de luminosidad, en tiempo real.

Los sensores neuromórficos están diseñados con múltiples circuitos dispuestos en paralelo, de forma similar a las células fotosensibles, que activan y producen píxeles azules o rojos en la pantalla del ordenador en respuesta a una reducción o un aumento de brillo.

En lugar de una alimentación de video típica, un drone con una cámara DVS «vería» una representación granulada de píxeles que cambian entre dos colores, dependiendo de si ese punto en el espacio se ha iluminado u oscurecido en un momento dado. El sensor no requiere procesamiento de imágenes y está diseñado para permitir, entre otras aplicaciones, un vuelo autónomo de alta velocidad.

Los investigadores han utilizado cámaras DVS para permitir que los sistemas lineales simples vean y reaccionen ante eventos de alta velocidad, y han diseñado controladores o algoritmos para traducir rápidamente los datos DVS y llevar a cabo las respuestas apropiadas. Por ejemplo, los ingenieros han diseñado controladores que interpretan cambios de píxeles para controlar los movimientos de un portero robótico para bloquear un balón de fútbol entrante, así como para dirigir una plataforma motorizada para mantener un lápiz erguido.

Pero para cualquier sistema DVS dado, los investigadores han tenido que empezar de cero en el diseño de un controlador para traducir DVS datos de una manera significativa para ese sistema en particular.

«Los ejemplos de lápiz y portero están muy limitados geométricamente, es decir, si me das esos escenarios específicos, puedo diseñar un controlador», dice Singh. «Pero la pregunta es, ¿y si quiero hacer algo más complicado?»

Corte a través del ruido

En el nuevo trabajo del equipo, los investigadores informan del desarrollo de una especie de controlador universal que puede traducir DVS datos de una manera significativa para cualquier sistema lineal, robótico simple. La clave del controlador es que identifica el valor ideal para un parámetro que Singh llama «H», o el valor umbral de evento, que significa el cambio mínimo de brillo que el sistema puede detectar.

El establecimiento del valor de H para un sistema particular puede esencialmente determinar la sensibilidad visual del sistema: Un sistema con un valor de H bajo se programaría para capturar e interpretar los cambios en la luminosidad que van desde muy pequeño hasta relativamente grande, mientras que un valor alto de H excluiría Pequeños cambios, y solo «ver» y reaccionar a grandes variaciones de brillo.

Los investigadores formularon un algoritmo primero teniendo en cuenta la posibilidad de que ocurriría un cambio en el brillo para cada «evento» o píxel activado en un sistema particular. También estimaron la probabilidad de «eventos espurios», como un píxel que falla al azar, creando un ruido falso en los datos.

Una vez que se derivó una fórmula con estas variables en mente, fueron capaces de trabajar en un conocido algoritmo conocido como un H-infinity o controlador robusto, para determinar el valor de H para ese sistema.

El algoritmo ahora se puede utilizar para establecer la sensibilidad de una cámara DVS para detectar los cambios más esenciales en el brillo de cualquier sistema lineal dado, excluyendo las señales extrañas. Los investigadores realizaron una simulación numérica para probar el algoritmo, identificando un valor de H para un sistema lineal teórico, que encontraron capaz de permanecer estable y llevar a cabo su función sin ser interrumpido por eventos de píxeles extraños.

«Encontramos que este umbral H sirve como un» punto dulce «, para que un sistema no se sienta abrumado por demasiados eventos», dice Singh. Añade que los nuevos resultados «unifican el control de muchos sistemas» y representan un primer paso hacia robots autónomos más rápidos y estables, como el Robobee, desarrollado por investigadores de la Universidad de Harvard.

«Queremos romper ese límite de velocidad de 32 a 48 kilómetros por hora, e ir más rápido sin colisionar«, dice Singh.

En su libro Beyond Infinity (Más allá del infinito), la Dra. Eugenia Cheng explora el funcionamiento interno del infinito, un misterioso concepto que todos conocemos desde la infancia, pero que nunca hemos pretendido comprender, ya que parece estar reñido con nuestro propio cerebro finito. Hay hechos infinitos en el libro (bueno, bastantes, muchos, en cualquier caso), pero aquí es solo os explicamos una mínima expresión.

Infinito más uno

Imagina un hotel infinito con habitaciones numeradas 1, 2, 3, 4 y así sucesivamente y progresivamente. Incluso si tuviese lleno, siempre podría caber otro huésped más, pide a todos los huéspedes subir una habitación, dejando la habitación 1 gratis para el nuevo huésped. Sin embargo, esto causaría una molestia infinita, ya que todos los huéspedes tienen que cambiar de habitación. No sería ninguna molestia si el invitado extra llegase el primero. Esto demuestra que uno más infinito no es igual que infinito más uno. Shakespeare sabía esto dijo «Para siempre y un día«. Él debía saber que esto es más que meramente «para siempre«.

¿Mayor que infinito?

Algunos infinitos son más grandes que otros. El infinito más pequeño es cuántos números enteros hay: 1, 2, 3, 4 y así sucesivamente y en progresión. Si incluimos fracciones hay infinitamente más números. De hecho, hay infinitas fracciones entre cada número entero. Pero en general no hay más números a menos que incluyamos los números irracionales, los «decimales que duran para siempre«. Hay dos para el poder de la infinitud de aquellos, es decir, 2 x 2 x 2 … multiplicado infinitamente muchas veces. El matemático Georg Cantor demostró que esto es más grande que el infinito, cualquier tipo de infinito con el que empieces.

La paradoja de Zenón

Un día tiene solo un número finito de horas y un número finito de minutos, pero haces infinidad de cosas todos los días. Incluso para caminar hasta la nevera y cubrir un número infinito de distancias: primero hay que cubrir la mitad de la distancia, luego la mitad de la distancia restante, y la mitad de la distancia restante, y así sucesivamente progresivamente. Afortunadamente, puedes cubrir esas infinitas distancias en tiempo finito, de lo contrario estarías infinitamente hambriento. Esta es la paradoja de Zenón, y no se resolvió realmente hasta la invención del cálculo un par de miles de años después de la muerte de Zenón.

Otro mundo

Tú puede pensar que 1/0 es infinito. Pero no lo es. Pero también lo es. ¿Cómo pueden ambos ser verdad? Depende del mundo matemático en el que te encuentres. En el mundo de los números ordinarios, la división por cero no puede definirse. Si 1/0 tenía una respuesta, entonces todo se colapsaría a cero. Pero hay un mundo matemático llamado los números complejos extendidos en los cuales podemos definir 1/0 para ser infinito sin colapsar todo. Esto nos demuestra que las matemáticas no es todo sobre el bien y el mal, sino sobre la investigación de diferentes mundos posibles en los que diferentes cosas pueden ser verdad.

Relaciones complejas

Si fuéramos inmortales podríamos procrastinar para siempre. En realidad, hay una versión matemática de esto, que es un teorema que la Dra. Cheng ha demostrado. Su investigación se centra en la teoría de categorías de dimensiones superiores, que consiste en estudiar las relaciones entre las cosas, las relaciones entre las relaciones, las relaciones entre las relaciones entre las relaciones, y así sucesivamente. En dimensiones finitas tienes que parar en un cierto punto y decidir qué relaciones cuentan como equivalente. Esas decisiones son matemáticamente difíciles. Mientras que en dimensiones infinitas tu puedes posponer la decisión para siempre. Esto significa que la categoría dimensional infinita es más fácil de trabajar que la finita. Es satisfactoriamente raro.

Considérate infinitamente más sabio después de estos hechos fascinantes que explica el nuevo libro de Eugenia Cheng sobre este concepto matemático, el más curioso y el más bello de las matemáticas.

Los dispositivos de actividad fitness te puede ayudar a monitorear la frecuencia cardíaca, pero por lo general ninguno de ellos suele ser fiable en el cálculo sobre las calorías quemadas, reveló una investigación de la Universidad de Stanford. Los científicos colocaron siete dispositivos de actividad a a unos voluntarios y compararon sus datos con las mediciones del laboratorio estándar.

«Nos sorprendió gratamente lo bien que siguió el ritmo cardíaco, en las diversas circunstancias que sometimos a los diferentes dispositivos de actividad, que en realidad lo hicieron muy bien«, dijo Euan Ashley, profesor de medicina cardiovascular en la Universidad de Stanford y coautor de la investigación.

«Al mismo tiempo estábamos desagradablemente sorprendidos sobre lo pobres que eran las estimaciones sobre las calorías quemadas que realizaban estos dispositivos de actividad».

El equipo probó siete dispositivos de actividad portátiles que se llevan en la muñeca, el Apple Watch, Basis Peak, Fitbit Surge, Microsoft Banda, Mio Alpha 2, PulseOn y Samsung Gear S2, con 31 mujeres y 29 hombres cada uno usando múltiples dispositivos a la vez; utilizando cintas para caminar o correr, ir en bicicleta o simplemente sentarse.

«Había diversidad de edades, hombres y mujeres, y luego también miramos la diversidad del tono de la piel, y luego tamaño y peso para tratar de representar a la población en general«, dijo Ashley.

Los datos de la frecuencia cardíaca y las estimaciones del gasto energético resultantes para cada dispositivo se extrajeron y se compararon con los datos que se habían recogido simultáneamente, mediante medidas de laboratorio: electrocardiograma (ECG) para medir la frecuencia cardiaca y calorimetría indirecta de oxígeno y dióxido de carbono de la respiración, para medir las calorías quemadas.

Los resultados, publicados en el Journal of Personalized Medicine, revelan que en general los rastreadores de fitness o dispositivos de actividad, se desenvolvieron bien en la medición de la frecuencia cardíaca. Para todas las formas de ejercicio en comparación con las pruebas de laboratorio las lecturas más precisas fueron de la Apple Watch, que tenía una tasa de error promedio del 2%, mientras que el Samsung Gear S2 quedó en último lugar con un error medio en la frecuencia cardíaca del 6,8%.

Sin embargo, los errores en el gasto de energía fueron mucho mayores, que van desde el más bajo a 27,4% para el FitBit Surge al mayor error de 92,6% para el dispositivo PulseOn. Los datos sobre el gasto energético no estaban disponibles para el dispositivo Samsung.

Los errores en el gasto de energía, dijo Ashley, podría ser hasta una serie de factores, incluyendo problemas con los algoritmos de los dispositivos o la entrada de datos pobres realizadas por los usuarios. Se encontró que los errores variaban debido a factores como el sexo y el modo de ejercicio.

El equipo dice que los hallazgos tienen ramificaciones para aquellos que confían en sus seguidores de fitness como una medida de su salud.

Cuando se considera que la gente está utilizando estas estimaciones para hacer decisiones sobre el estilo de vida esencialmente, como lo que van a comer para el almuerzo, entonces creo que es algo que vale la pena asegurarse y la gente debe saber tomar estas estimaciones sin ser muy rigurosos”, Dijo Ashley.

Mientras que el equipo ha colaborado previamente con varias compañías de tecnología, incluyendo Apple y Samsung, señalan que la investigación actual no fue financiada por ninguna de las compañías que produjeron los dispositivos probados.

Ashley añade que aquellos que han comprado los dispositivos de actividad no deben dejarlos necesariamente al cajón todavía, señalando que mientras que los consumidores deben tener cuidado de depender de las medidas de gasto de energía, los datos de la frecuencia cardíaca podrían resultar de valor.

«Más atención a la dieta y el ejercicio siempre va a mejorar la salud de nuestra población», agregó.

Un portavoz de Fitbit dijo que la compañía confía plenamente en el funcionamiento de sus competidores basados ​​en la «investigación extensa, en curso y desarrollo» junto con las revisiones del consumidor.

Durante mucho tiempo, los neurocientíficos pensaron en la corteza visual como un área del cerebro que determina lo que percibes en base a la información procendente de los ojos. Los neurocientíficos ahora muestran que el área también está involucrada en la predicción de eventos futuros.

La percepción está guiada por la anticipación de eventos futuros. Se ha planteado la hipótesis de que este proceso se puede implementar mediante la terminación del patrón en la corteza visual temprana, en la que se reconstruye una secuencia de estímulo después de que solo se proporciona un subconjunto de la entrada visual. Los neurocientíficos probaron esta hipótesis utilizando la resonancia magnética funcional ultrarrápida para medir la actividad BOLD en posiciones del campo receptivo definidas con precisión en la corteza visual (V1) de voluntarios humanos. Observaron que después de familiarizar a los sujetos con una secuencia espacial, parpadeando solo en el punto de inicio de la secuencia, desencadena una onda de actividad en V1 que se asemeja a la secuencia de estímulo completo. Esta actividad de pre-reproducción se comprime temporalmente en comparación con la secuencia de estímulo real y permanece presente incluso cuando se desvía la atención de la secuencia de estímulo. La preactivación podría, por lo tanto, constituir un mecanismo automático de predicción de secuencias temporales en V1.

Imagina que estás de pie en la acera, listo para cruzar la calle. Un coche se acerca y necesitas decidir si esperar, o cruzar la calle antes de que el coche pase cerca. ¿Alguna vez te has preguntado cómo predecir la trayectoria futura del coche? Un experimento de Matthias Ekman y otros investigadores del Instituto Donders de la Universidad Radboud demuestra que la corteza visual primaria, el principal área visual de nuestro cerebro, no solo está involucrada en la percepción del automóvil, sino también en la predicción de sus futuras localizaciones.

Puntos blancos

Los neurocientíficos de Radboud diseñaron un experimento que imita este tipo de situación. En lugar de un coche, a los participantes del estudio se les muestra un punto blanco moviéndose rápidamente de la izquierda a la derecha de la pantalla, mientras que se encuentran en un escáner fMRI. El patrón de actividad cerebral en su corteza visual resultó notablemente similar al estímulo de punto visual que se muestra en la pantalla.

La parte crucial del experimento comenzó después de que los participantes habían observado la secuencia de puntos en movimiento durante unos minutos. Ahora, ocasionalmente, solo se muestra el primer punto en el lado izquierdo de la pantalla. Curiosamente, el patrón de actividad de la corteza visual representaba no solo el punto de partida de la secuencia de puntos, la que se mostraba en pantalla, sino también los puntos restantes de la secuencia. Ekman: «Nuestros resultados muestran que formamos expectativas acerca de los próximos eventos, y que la corteza visual puede completar una secuencia de entrada solo parcial».

Proceso automático

El poder predictivo de la corteza visual también es evidente a partir de los resultados de una condición de estudio en la que se pidió a los participantes que se centraran en una letra cambiante del fondo, haciendo caso omiso de los puntos móviles. Sorprendentemente, el mismo patrón de actividad que antes se midió en la corteza visual. «Su corteza visual predice estos eventos, incluso cuando su atención está en otra parte«, según Ekman. «El hecho de que la predicción de eventos es independiente del estado de atención, sugiere que refleja un proceso automático«.

Por supuesto, el experimento de RM se simplifica en comparación con la vida real. Pero según Ekman, los resultados todavía pueden decirnos cómo anticipamos eventos futuros en un mundo en constante cambio. «Nuestra corteza visual podría predecir constantemente acontecimientos que ocurren a nuestro alrededor a diario: los brazos giratorios de un molino de viento, o cómo atrapar la pelota que se mueve hacia nosotros«. En un estudio de seguimiento, los investigadores examinan qué áreas cerebrales colaboran con la corteza visual para anticipar los próximos eventos. «Esperamos que el hipocampo, una zona cerebral ligada a la memoria, desempeñe un papel importante en este proceso».

Los amiloides son grupos de fragmentos de proteínas que se adhieren entre sí para formar fibrillas, como las placas que se ven en el cerebro de los pacientes con Alzheimer. Muchas de estas proteínas se unen a metales como el zinc, pero la estructura de estas proteínas unidas a un metal ha sido difícil de estudiar. La importancia de estos metales para la actividad de los fragmentos de proteínas amiloides sigue siendo una cuestión abierta, que es aún más desconcertante porque algunos amiloides están asociados con la enfermedad, pero otros no.

Un equipo de químicos del MIT, trabajando con investigadores de la Universidad de California en San Francisco (UCSF) y la Universidad de Syracuse, ha descifrado la estructura de un amiloide que se une al zinc. Su enfoque, basado en la resonancia magnética nuclear (RMN), también podría usarse para revelar las estructuras de amiloides adicionales unidos a metal.

«A pesar de que ha habido mucho trabajo estructural a nivel atómico de alta resolución sobre los amiloides por RMN de estado sólido, los investigadores realmente no han estudiado los aspectos vinculantes del metal», dice Mei Hong, profesor de química del MIT y uno de los Altos autores del artículo, que aparece en las Proceedings of the National Academy of Sciences la semana del 29 de mayo.

Los investigadores de UCSF y Syracuse diseñaron la proteína amiloide para catalizar una reacción específica: combinando dióxido de carbono y agua para formar bicarbonato. La estructura recién descubierta del amiloide arroja luz sobre cómo la proteína realiza esta función y cómo ayuda el zinc en la catálisis de reacción.

Determinación de estructuras

Mientras que los amiloides se asocian a menudo con las enfermedades tales como enfermedad de Alzheimer y de Parkinson, otros amiloides tienen funciones biológicas normales.

Los investigadores de la UCSF y de Syracuse dieron a conocer por primera vez su amiloide artificial en 2014. Su objetivo era producir una proteína metálica muy simple que pudiera catalizar una reacción química necesaria para la vida, con la esperanza de demostrar que tales péptidos simples ligados a metales, podrían haber sido precursores de las enzimas modernas. En ese trabajo, demostraron que el péptido, que consiste en siete aminoácidos unidos a un ión cinc, podría catalizar la conversión de dióxido de carbono y agua en bicarbonato tan eficientemente como la enzima anhidrasa carbónica, que realiza esta reacción en las células vivas y también requiere zinc.

«Es plausible que los péptidos muy pequeños que llevan iones metálicos para hacer la química, y la evolución de las actividades enzimáticas pueda haber comenzado a partir de estos pequeños péptidos«, dice Hong.

Los investigadores de UCSF diseñaron su péptido de manera que su sitio activo, donde se produce la reacción química, imitaría el de la anhidrasa carbónica, que tiene un ion de cinc sujeto a tres cadenas del aminoácido histidina. Sin embargo, no conocían la estructura exacta de las fibrillas formadas por su péptido, que es donde Hong y sus colegas del MIT entraron.

Para determinar la estructura, el equipo de investigación utilizó un enfoque de doble basado en la espectroscopía de RMN y la bioinformática, que es un método de utilizar algoritmos informáticos para analizar datos biológicos.

Usando la RMN, los investigadores primero determinaron que los péptidos forman una larga cadena de fibrillas que consiste en capas de estructuras llamadas hojas beta. Dentro de cada hoja beta, cada hebra de péptido tiene dos histidinas que pueden interactuar con la hebra siguiente. Su siguiente objetivo era determinar cómo los iones de zinc encajan en esta estructura de múltiples capas.

La RMN utiliza las propiedades magnéticas de los núcleos atómicos para revelar las estructuras de las moléculas que contienen esos núcleos. En este caso, los investigadores utilizaron la RMN para analizar las señales de los átomos de nitrógeno clave en las cadenas laterales de la histidina que interaccionan con los iones de zinc. Comparando estas señales cuando los amiloides estaban y no estaban ligados al zinc, los investigadores determinaron que la mitad de las histidinas coordinan un átomo de zinc cada uno, mientras que la otra mitad interacciona con dos átomos de zinc cada uno. «La alta concentración de histidinas que unen dos iones de zinc es muy inusual», dice Hong.

Los investigadores también utilizaron la RMN para medir los ángulos de los enlaces que permiten a la histidina interactuar con el zinc, y luego utilizaron la bioinformática para determinar las posibles estructuras compatibles con esas configuraciones. Esto reveló que un átomo de zinc se encuentra entre dos hebras de proteínas beta-amiloide, y está unido a una cadena lateral histidina desde arriba y a dos desde abajo. Esto forma una estructura tetraédrica en la que tres nitrógenos de histidina mantienen el zinc en su lugar mientras que un nitrógeno de histidina permanece sin fijar.

Catálisis temprana

El nitrógeno de histidina no unido es libre de unirse a una molécula de agua, que es necesaria para llevar a cabo la reacción catalizada por el ión cinc. Los colaboradores de Hong en UCSF demostraron previamente que este amiloide cataliza la formación de bicarbonato a una velocidad similar a la de la anhidrasa carbónica, apoyando la teoría de que este tipo de amiloide simple podría haber sido utilizado por las primeras formas de vida para llevar a cabo reacciones importantes.

Hong ahora planea comenzar a estudiar la estructura de los amiloides unidos a metal implicados en enfermedades neurodegenerativas. Se ha demostrado que los amiloides involucrados en las enfermedades de Parkinson y de Alzheimer se unen a los iones metálicos, incluyendo el zinc y el cobre, pero no se conoce cómo estos metales influyen en las enfermedades ni se han determinado sus estructuras.

«Ha habido algunas simulaciones de dinámica molecular para adivinar cómo los metales se unen a estas histidinas, pero no ha habido una alta resolución en la investigación a nivel atómico de la estructura de coordinación», dice Hong.

Los ingenieros en el MIT han llegado con la ley de escala, similar a la usada para ensayar nuevos aviones, para describir cómo los vehículos se mueven a través de la arena. La ley de escala puede usarse para predecir cómo camiones grandes y otros vehículos circulan a través de este material, basado en cómo las versiones a una escala de juguete son conducidas a través de una caja de arena experimental que contiene la misma proporción de granos.

Ken Kamrin, profesor asociado de ingeniería mecánica en el MIT, dice que la ley de escala puede permitir una amplia gama de pequeños experimentos para perfeccionar el diseño de vehículos a gran escala, tales como más optimizado tractores, topadoras y tanques. También podría aplicarse para traducir la locomoción de un vehículo en la Tierra a la navegación de un Rover en Marte, porque la relación permite también el escalamiento de la gravedad.

«Estoy emocionado ya que esta podría ser una nueva herramienta que podemos usar para diseñar Rovers para su conducción en Marte«, dice Kamrin. «Si tuviéramos un simulador de suelo marciano en el laboratorio, podríamos hacer experimentos con una forma de rueda que queramos probar, y luego usar esta ley de escala para, con más precisión, poder decirle si esa rueda se atascaría en Marte.»

Kamrin ha publicado un artículo detallando la ley de escala en la revista Physical Review E.

Los ingenieros de aviones usan típicamente leyes de escala para, por ejemplo, determinar la fuerza mínima de elevación requerida para mantener un jet de tamaño real en alto, basado en la misma elevación mínima para un vehículo modelo. Tales leyes de escala se derivan inicialmente de ecuaciones basadas en la física que describen la forma en que se comporta un fluido, como el aire.

«La idea es, si se puede identificar escalas dentro de las ecuaciones de flujo de fluido, que puede ser utilizado como una forma inmediata de traducir entre pequeños y grandes resultados«, dice Kamrin.

Su equipo buscó maneras de derivar una ley de escala de ecuaciones comunes para el flujo granular. Primero miraron a un conjunto generalizado de ecuaciones, conocido como teoría de la fuerza resistiva (RFT), que se utiliza para calcular la fuerza resistiva sobre un objeto que se mueve a través de un lecho de granos como la arena.

«Su único propósito es decir cuánta fuerza es necesaria para mover un objeto de forma arbitraria, en una cierta dirección, a través de la arena«.

Los investigadores trataron de simplificar la fórmula RFT haciendo muchos de sus insumos sin dimensiones, o sin unidades.

«Esto finalmente nos permite extraer las relaciones de escala«, dice Kamrin. «Por ejemplo, ‘metros’ no es una longitud natural, es algo que inventamos. Si nos deshacemos de todas estas unidades, nos quedaremos con la carne, algo que existe de verdad en el sistema «.

El equipo de Kamrin utilizó el teorema de Buckingham, la espina dorsal de la escala matemática, para ganar ciertas variables en RFT, tales como la longitud de una rueda, el ancho, y la masa, en parámetros adimensionales, simplificando así la ecuación general. La idea es que, derivando una ecuación que no es dependiente de ciertas unidades, esa misma ecuación puede ser usada para producir reglas para poder traducirse entre escalas del mismo sistema.

Después de derivar una ley de escalamiento de RFT, los investigadores buscaron probar si podían hacer lo mismo con otro conjunto de ecuaciones de flujo granular, un modelo continuo basado en el rendimiento de fricción. Estas ecuaciones mucho más detalladas describen el flujo de arena y la fuerza que crea al empujar contra un objeto resistente como una rueda. Incluso para estas ecuaciones más complejas, el equipo encontró que era capaz de derivar una ley de escala que coincidía con la que desarrolló a partir del modelo RFT más simple.

«Resulta que ambos dieron la misma respuesta, así que pensamos que tal vez esta ley de escala funcionará», dice Kamrin.

Pruebas de conducción

Para probar la ley de escala, Kamrin y sus colegas realizaron experimentos en el laboratorio del Grupo de Movilidad Robótica del MIT, donde los ingenieros han establecido un sistema de carriles y poleas que soporta una rueda motorizada mientras es conducida a través de un lecho de arena subyacente. El equipo de Kamrin utilizó una impresora tridimensional para construir pequeñas y grandes versiones de dos formas de ruedas diferentes: un diseño cilíndrico típico y una rueda de «lug» con cuatro brazos que se extienden desde un cilindro central.

Las dos formas fueron elegidas para demostrar dos comportamientos de conducción distintos, como ruedas cilíndricas, conducir suavemente con sinkage limitado, mientras que las ruedas con lengüetas cavan por el camino establecido y quitan los cúmulos de la arena.

Los investigadores midieron las dimensiones de cada rueda y las cargaron con cantidades variables de pesos, luego condujeron cada rueda a través de la cama de arena, anotando la potencia y velocidad de las ruedas pequeñas comparadas con sus contrapartes más grandes.

Realizaron 288 experimentos de este tipo, cada vez variando las dimensiones de la rueda, las velocidades de rotación y las masas. Luego utilizaron la ley de escala para ver si podían predecir la velocidad y la potencia de las ruedas grandes, basándose en el rendimiento de sus versiones más pequeñas.

«Nuestros datos siguieron las predicciones», dice Kamrin. «Las pequeñas pruebas predijeron los grandes ensayos, en un grado cuantitativo. Hemos validado muchas veces la exactitud de la ley de escala.»

En el futuro, el equipo dice que la ley de escala puede usarse para diseñar vehículos que puedan navegar mejor por el terreno arenoso.

«Piense en las excavadoras, todas estas cosas que necesitan manipular y mover el material granular», dice Kamrin. «Estos vehículos no están realmente optimizados. Una gran cantidad de equipos utilizados en la industria se basa en reglas básicas, pero resultados como éste podrían proporcionar un nuevo tipo de herramienta para ayudar a crear mejores diseños”.

Es casi universal: las personas que experimentan parálisis del sueño comúnmente ven o perciben una entidad amenazante que está al acecho en su habitación.

El fenómeno es parte de lo que hace la parálisis del sueño, una interrupción en tu ciclo del sueño que te deja despierto, pero físicamente paralizado, mientras tu cerebro permanece fijo en un estado de sueño, es aterrador.

Pero, ¿por qué sucede?

Para responder a esa pregunta, debes que entender cómo funciona la parálisis del sueño. Hay cinco etapas del sueño, y la parálisis del sueño es el producto de un mal funcionamiento durante la fase de movimiento rápido de los ojos (REM), que es cuando el sueño se lleva a cabo. Para evitar que actúen tus sueños y te hagas daño, el cerebro paraliza el cuerpo durante el sueño REM.

Durante el sueño el movimiento rápido del ojo (REM), nuestro cuerpo se paraliza para parar y dejar que fluyan nuestros sueños. Cuando la parálisis del sueño ocurre, las características del sueño REM continúan en nuestras vidas como si estuviésemos despiertos. Pero en particular, somos incapaces de movernos pudiendo experimentar alucinaciones, como ya hemos explicado.

Ambos factores los genéticos y los ambientales están en juego. Los genes circadianos pueden ser importantes, aunque es necesaria más investigación para especificar qué genes están envueltos. En cuanto a las influencias ambientales, parece ser que cualquier cosa que pueda perturbar nuestro sueño, incluyendo eventos estresantes de la vida y el consumo de alcohol, puede ser un factor de riesgo que induce a la parálisis del sueño.

Despertarse paralizado en un estado de sueño confunde el cerebro y asusta al soñador

«Por lo general, lo primero que sucede es que puedes sentir que hay alguna presencia en la habitación, contigo«, ha explicado el experto en parálisis del sueño Brian Sharpless, en cuyo libro «Trastornos psicológicos raros» explica detalladamente el proceso. «Es como caminar por un callejón oscuro y te sientes como si estuvieras siendo vigilado, esa sensación extraña donde te sientes muy vulnerable.»

Debido a que ese sentimiento de vulnerabilidad ocurre mientras estás soñando, el cerebro intenta organizar esa experiencia «en una figura para ayudar a explicar de dónde viene la amenaza«, dijo. «Obviamente, no vas a experimentar la presencia de un lindo osito de peluche, sino que vas a organizarlo usando las construcciones que están disponibles para ti», agregó.

Sobre lo que alucines, depende mucho de tu trasfondo individual y cultural. Si tienes un fondo profundamente religioso, es muy posible que veas un demonio; si eres un millennial de los EEUU, tal vez es la sombra de una persona; si eres el presidente Mariano Rajoy, tal vez a quien veas sea a Carles Puigdemont o a la difunta Rita Barberá.

Si experimentas parálisis del sueño, ¿cómo evitar el demonio imaginario?

No hay una manera infalible para que puedas deshacerte del intruso de tu pesadilla, pero la investigación ha descubierto métodos para reducir el terror y hacer que la parálisis del sueño tenga un final más rápido. Sharpless ha comentado que «lo mejor que puedes hacer es, en esos momentos, reconocer que no estás siendo atacado por un demonio, pero estás experimentando una variación natural del ciclo del sueño humano«.

Otros consejos: centrar tu atención en una parte específica de tu cuerpo como el dedo del pie o la nariz y tratar de moverlo; dormir de lado; mantener hábitos de sueño saludables y consistentes y evitar beber alcohol antes de acostarse.

Tratamientos para la parálisis del sueño

La parálisis del sueño a menudo mejora con el tiempo, pero la mejora en los hábitos del sueño y en el dormir, el medio ambiente puede ayudar mucho.

También te puede ayudar:

• Tener una buena noche de sueño, la mayoría de los adultos necesitan de seis a ocho horas de buena calidad de sueño durante la noche
• Ir a la cama aproximadamente a la misma hora cada noche y levantarse a la misma hora cada mañana
• Crear un ambiente para dormir que sea cómodo, tranquilo, oscuro y no demasiado caliente o frío
• Evitar comer grandes comidas, fumar, o beber alcohol o cafeína poco antes de ir a la cama
• Hacer ejercicio de forma regular (pero no dentro de las cuatro horas antes de ir a la cama)

Si tu parálisis del sueño es particularmente grave, un médico especialista puede sugerirte que tomes medicación antidepresiva, como la clomipramina.

Éstos trabajan alterando el sueño REM y se prescriben normalmente en dosis más bajas que cuando se utilizan para la depresión.