Clustering basado en redes bayesianas con predictoras continuas: aplicaciones en neurociencia

Abstract

Desentrañar el funcionamiento del cerebro es uno de los principales desafíos a
los que se enfrenta la ciencia actual. Un área de estudio que ha despertado muchas
expectativas e interés es el análisis de la estructura cortical desde el punto de vista
morfológico, de manera que se cree una simulación del cerebro a nivel molecular.
Con ello se espera poder profundizar en el estudio de numerosas enfermedades neurológicas y patológicas. Con el desarrollo de este proyecto se persigue el estudio del
soma y de las espinas desde el punto de vista de la neuromorfología teórica.
Es común en el estado del arte que en el análisis de las características morfológicas
de una neurona en tres dimensiones el soma sea ignorado o, en el mejor de los casos,
que sea sustituido por una simple esfera. De hecho, el concepto de soma resulta
abstracto porque no se dispone de una dfinición estricta y robusta que especifique
exactamente donde finaliza y comienzan las dendritas. En este proyecto se alcanza
por primera vez una definición matemática de soma para determinar qué es el soma.
Con el fin de simular somas se ahonda en los atributos utilizados en el estado del
arte. Estas propiedades, de índole genérica, no especifican una morfología única. Es
por ello que se propone un método que agrupe propiedades locales y globales de
la morfología. En disposición de las características se procede con la categorización
del cuerpo celular en distintas clases a partir de un nuevo subtipo de red bayesiana
dinámica adaptada al espacio. Con ello se discute la existencia de distintas clases de
somas y se descubren las diferencias entre los somas piramidales de distintas capas
del cerebro. A partir del modelo matemático se simulan por primera vez somas
virtuales.
Algunas morfologías de espinas han sido atribuidas a ciertos comportamientos
cognitivos. Por ello resulta de interés dictaminar las clases existentes y relacionarlas
con funciones de la actividad cerebral. La clasificación más extendida (Peters y
Kaiserman-Abramof, 1970) presenta una definición ambigua y subjetiva dependiente
de la interpretación de cada individuo y por tanto discutible. Este estudio se sustenta
en un conjunto de descriptores extraídos mediante una técnica de análisis topológico
local para representaciones 3D. Sobre estos datos se trata de alcanzar el conjunto de
clases más adecuado en el que agrupar las espinas así como de describir cada grupo
mediante reglas unívocas. A partir de los resultados, se discute la existencia de un
continuo de espinas y las propiedades que caracterizan a cada subtipo de espina.

---ABSTRACT---Unravel how the brain works is one of the main challenges faced by current science.
A field of study which has aroused great expectations and interest is the analysis of
the cortical structure from a morphological point of view, so that a molecular level
simulation of the brain is achieved. This is expected to deepen the study of many
neurological and pathological diseases. This project seeks the study of the soma and
spines from the theoretical neuromorphology point of view.
In the state of the art it is common that when it comes to analyze the morphological
characteristics of a three dimension neuron the soma is ignored or, in the
best case, it is replaced by a simple sphere. In fact, the concept of soma is abstract
because there is not a robust and strict definition on exactly where it ends and dendrites
begin. In this project a mathematical definition is reached for the first time to
determine what a soma is. With the aim to simulate somas the atributes applied in
the state of the art are studied. These properties, generic in nature, do not specify
a unique morphology. It is why it was proposed a method to group local and global
morphology properties. In arrangement of the characteristics it was proceed with
the categorization of the celular body into diferent classes by using a new subtype
of dynamic Bayesian network adapted to space. From the result the existance of different
classes of somas and diferences among pyramidal somas from distinct brain
layers are discovered. From the mathematical model virtual somas were simulated
for the first time.
Some morphologies of spines have been attributed to certain cognitive behaviours.
For this reason it is interesting to rule the existent classes and to relate them
with their functions in the brain activity. The most extended classification (Peters
y Kaiserman-Abramof, 1970) presents an ambiguous and subjective definition that
relies on the interpretation of each individual and consequently it is arguable. This
study was based on the set of descriptors extracted from a local topological analysis
technique for 3D representations. On these data it was tried to reach the most
suitable set of classes to group the spines as well as to describe each cluster by
unambiguous rules. From these results, the existance of a continuum of spines and
the properties that characterize each spine subtype were discussed .