Conectoma

Origem: Wikipédia, a enciclopédia livre.
Tratos de substância branca dentro de um cérebro humano, conforme visualizado por tractografia de ressonância magnética

Um conectoma é um mapa detalhado de conexões neurais no cérebro, e pode ser pensado como o seu "esquema de ligação". O sistema nervoso de um organismo é formado por neurônios que se comunicam por meio de sinapses. Um conectoma é construído traçando o neurônio em um sistema nervoso e mapeando onde os neurônios estão conectados através de sinapses.

A relevância do conectoma decorre da percepção de que a estrutura e a função do cérebro humano estão intrinsecamente ligadas, através de vários níveis e modos de conectividade cerebral. Existem fortes restrições naturais sobre quais neurônios ou populações neurais podem interagir, ou quão fortes ou diretas são suas interações. De fato, a base da cognição humana está no padrão de interações dinâmicas moldadas pelo conectoma.

Origem e uso do termo[editar | editar código-fonte]

Em 2005, o Dr. Olaf Sporns da Universidade de Indiana e o Dr. Patric Hagmann do Lausanne University Hospital sugeriram de forma independente e simultânea o termo "conectoma" para se referir a um mapa das conexões neurais dentro do cérebro. Este termo foi inspirado diretamente pelo esforço contínuo para sequenciar o código genético humano — para construir um genoma.

A Conectômica foi definida como a ciência preocupada com a montagem e análise de conjuntos de dados de conectomas.[1]

Métodos[editar | editar código-fonte]

As redes cerebrais podem ser definidas em diferentes níveis de escala, correspondendo aos níveis de resolução espacial em imagens cerebrais.[2][3] Essas escalas podem ser divididas em microescala, mesoescala e macroescala. Em última análise, pode ser possível unir mapas conectômicos obtidos em diferentes escalas em um único mapa hierárquico da organização neural de uma determinada espécie que varia de neurônios únicos a populações de neurônios a sistemas maiores, como áreas corticais. Dadas as incertezas metodológicas envolvidas na inferência de conectividade dos dados experimentais primários, e dado que provavelmente haverá grandes diferenças nos conectomas de diferentes indivíduos, qualquer mapa unificado provavelmente dependerá de representações probabilísticas de dados de conectividade (Sporns et al., 2005).[4]

Avanços recentes no mapeamento de conectividade[editar | editar código-fonte]

Reconstrução tractográfica de conexões neurais via MRI de difusão

Ao longo dos anos 2000, vários pesquisadores tentaram mapear a arquitetura estrutural em larga escala do córtex cerebral humano. Uma tentativa explorou as correlações cruzadas na espessura ou volume cortical entre os indivíduos.[5] Tais correlações de espessura de matéria cinzenta têm sido postuladas como indicadores da presença de conexões estruturais. Uma desvantagem da abordagem é que ela fornece informações altamente indiretas sobre padrões de conexão cortical e requer dados de um grande número de indivíduos para derivar um único conjunto de dados de conexão em um grupo de sujeitos. Outros pesquisadores tentaram construir matrizes de conexão de todo o cérebro a partir de dados de imagem DW-MRI.

Conjuntos de dados[editar | editar código-fonte]

Humanos[editar | editar código-fonte]

O Human Connectome Project, patrocinado pelo National Institutes of Health (NIH) dos EUA, foi criado com o objetivo de mapear os 86 bilhões de neurônios (e suas conexões) em um cérebro humano.[6]

Organismos Modelo[editar | editar código-fonte]

Nematoda[editar | editar código-fonte]

O primeiro (e até agora único) conectoma totalmente reconstruído pertence ao nematoda Caenorhabditis elegans. O maior esforço começou com as primeiras micrografias eletrônicas publicadas por White, Brenner e colegas em 1986.[7] Com base neste trabalho seminal, o primeiro conectoma (então chamado de "banco de dados de circuitos neurais" pelos autores) para C. elegans foi publicado em forma de livro com o acompanhamento de disquetes por Achacoso e Yamamoto em 1992.[8][9] O primeiro artigo sobre a representação computacional de seu conectoma foi apresentado e publicado três anos antes, em 1989, por Achacoso no Simpósio de Aplicação Computacional em Cuidados Médicos (SCAMC).[10] O conectoma do C. elegans foi posteriormente revisado[11][12] e expandido para mostrar mudanças durante o desenvolvimento do animal.[13][14]

Mosca da fruta[editar | editar código-fonte]

Diferentes seções de tecido nervoso de moscas da fruta estão sendo mapeadas, incluindo uma seção parcial do cérebro ("o hemicérebro") [15] e todo o cordão nervoso ventral.[16]

Camundongo[editar | editar código-fonte]

Conectomas parciais de uma retina[17] e córtex visual primário de camundongo[18] também foram construídos com sucesso.

Plasticidade do conectoma[editar | editar código-fonte]

No início do projeto conectoma, pensava-se que as conexões entre os neurônios eram imutáveis uma vez estabelecidas e que apenas as sinapses individuais poderiam ser alteradas.[4] No entanto, evidências recentes sugerem que a conectividade também está sujeita a mudanças, denominadas neuroplasticidade. Existem duas maneiras pelas quais o cérebro pode religar: formação e remoção de sinapses em uma conexão estabelecida ou formação ou remoção de conexões inteiras entre neurônios.[19] Ambos os mecanismos de religação são úteis para aprender tarefas completamente novas que podem exigir conexões inteiramente novas entre regiões do cérebro.[20]

Mapeamento da conectividade funcional[editar | editar código-fonte]

Usando fMRI no estado de repouso e durante tarefas, as funções dos circuitos do conectoma estão sendo estudadas.[21] Assim como mapas detalhados de estradas não nos dizem muito sobre o tipo de veículos que trafegam por essas estradas ou que carga estão transportando, para entender como as estruturas neurais resultam em comportamentos funcionais específicos, como a consciência, é necessário construir teorias que relacionam funções à conectividade anatômica.[22] No entanto, a ligação entre conectividade estrutural e funcional não é simples. Modelos computacionais da dinâmica da rede de todo o cérebro são ferramentas valiosas para investigar o papel da rede anatômica na modelagem da conectividade funcional.[23][24] Em particular, modelos computacionais podem ser usados para prever o efeito dinâmico de lesões no conectoma.[25][26]

Ver também[editar | editar código-fonte]

Referências[editar | editar código-fonte]

  1. Hagmann, Patric. From diffusion MRI to brain connectomics (Tese). doi:10.5075/epfl-thesis-3230 
  2. Kötter, Rolf (2007). «Anatomical Concepts of Brain Connectivity». Handbook of Brain Connectivity. Col: Understanding Complex Systems. [S.l.: s.n.] pp. 149–67. ISBN 978-3-540-71462-0. doi:10.1007/978-3-540-71512-2_5 
  3. Sporns, Olaf (2011). Networks of the Brain. Cambridge, Mass.: MIT Press. ISBN 978-0-262-01469-4 
  4. a b Sporns O, Tononi G, Kötter R (setembro de 2005). «The human connectome: A structural description of the human brain». PLOS Computational Biology. 1 (4): e42. Bibcode:2005PLSCB...1...42S. PMC 1239902Acessível livremente. PMID 16201007. doi:10.1371/journal.pcbi.0010042  publicação de acesso livre - leitura gratuita
  5. He Y, Chen ZJ, Evans AC (outubro de 2007). «Small-world anatomical networks in the human brain revealed by cortical thickness from MRI». Cerebral Cortex. 17 (10): 2407–19. PMID 17204824. doi:10.1093/cercor/bhl149Acessível livremente 
  6. Jensen, K. Thor (8 de maio de 2020). «Will We Ever Be Able to Upload Our Brains?». PCMAG. Consultado em 28 de março de 2021 
  7. White JG, Southgate E, Thomson JN, Brenner S (novembro de 1986). «The structure of the nervous system of the nematode Caenorhabditis elegans». Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences. 314 (1165): 1–340. Bibcode:1986RSPTB.314....1W. PMID 22462104. doi:10.1098/rstb.1986.0056 
  8. «Ay's Neuroanatomy of C. elegans for Computation». CRC Press (em inglês). Consultado em 15 de outubro de 2019 
  9. Yamamoto, William S.; Achacoso, Theodore B. (1 de junho de 1992). «Scaling up the nervous system of Caenorhabditis elegans: Is one ape equal to 33 million worms?». Computers and Biomedical Research. 25 (3): 279–291. ISSN 0010-4809. PMID 1611892. doi:10.1016/0010-4809(92)90043-A 
  10. Achacoso, Theodore B.; Fernandez, Victor; Nguyen, Duc C.; Yamamoto, William S. (8 de novembro de 1989). «Computer Representation of the Synaptic Connectivity of Caenorhabditis Elegans». Proceedings of the Annual Symposium on Computer Application in Medical Care: 330–334. ISSN 0195-4210. PMC 2245716Acessível livremente 
  11. Varshney LR, Chen BL, Paniagua E, Hall DH, Chklovskii DB (fevereiro de 2011). «Structural properties of the Caenorhabditis elegans neuronal network». PLOS Computational Biology. 7 (2): e1001066. Bibcode:2011PLSCB...7E0010V. PMC 3033362Acessível livremente. PMID 21304930. doi:10.1371/journal.pcbi.1001066  publicação de acesso livre - leitura gratuita
  12. Cook, Steven J.; Jarrell, Travis A.; Brittin, Christopher A.; Wang, Yi; Bloniarz, Adam E.; Yakovlev, Maksim A.; Nguyen, Ken C. Q.; Tang, Leo T.-H.; Bayer, Emily A. (3 de julho de 2019). «Whole-animal connectomes of both Caenorhabditis elegans sexes». Nature. 571 (7763): 63–71. Bibcode:2019Natur.571...63C. PMC 6889226Acessível livremente. PMID 31270481. doi:10.1038/s41586-019-1352-7 
  13. Witvliet, Daniel; Mulcahy, Ben; Mitchell, James K.; Meirovitch, Yaron; Berger, Daniel R.; Wu, Yuelong; Liu, Yufang; Koh, Wan Xian; Parvathala, Rajeev (agosto de 2021). «Connectomes across development reveal principles of brain maturation». Nature (em inglês). 596 (7871): 257–261. ISSN 1476-4687. bioRxiv 10.1101/2020.04.30.066209Acessível livremente Verifique |biorxiv= value (ajuda). doi:10.1038/s41586-021-03778-8  Parâmetro desconhecido |biorxiv= ignorado (ajuda)
  14. Vogelstein JV, Perlman E, Falk B, Baden A, Gray-Roncal W, Chandrashekhar V, Collman C, Seshamani S, Patsolic JL, Lillaney K, Kazhdan M, Hider R, Pryor D, Matelsky J, Gion T, Manavalan P, Wester B, Chevillet M, Trautman ET, Khairy K, Bridgeford E, Kleissas DM, Tward DJ, Crow AK, Hsueh B, Wright MA, Miller MI, Smith SJ, Vogelstein JR, Deisseroth K, Burns R (outubro de 2018). «A community-developed open-source computational ecosystem for big neuro data». Nature Methods. 15 (11): 846–847. Bibcode:2018arXiv180402835B. PMC 6481161Acessível livremente. PMID 30377345. arXiv:1804.02835Acessível livremente. doi:10.1038/s41592-018-0181-1 
  15. Scheffer, Louis K; Xu, C Shan; Januszewski, Michal; Lu, Zhiyuan; Takemura, Shin-ya; Hayworth, Kenneth J; Huang, Gary B; Shinomiya, Kazunori; Maitlin-Shepard, Jeremy (3 de setembro de 2020). Eisen; Pipkin; Doe, eds. «A connectome and analysis of the adult Drosophila central brain». eLife. 9: e57443. ISSN 2050-084X. doi:10.7554/eLife.57443  Faltam os |sobrenomes1= em Editors list (ajuda)
  16. Phelps, Jasper S.; Hildebrand, David Grant Colburn; Graham, Brett J.; Kuan, Aaron T.; Thomas, Logan A.; Nguyen, Tri M.; Buhmann, Julia; Azevedo, Anthony W.; Sustar, Anne (fevereiro de 2021). «Reconstruction of motor control circuits in adult Drosophila using automated transmission electron microscopy». Cell. 184 (3): 759–774.e18. ISSN 0092-8674. PMC 8312698Acessível livremente. PMID 33400916. doi:10.1016/j.cell.2020.12.013 
  17. Briggman KL, Helmstaedter M, Denk W (março de 2011). «Wiring specificity in the direction-selectivity circuit of the retina». Nature. 471 (7337): 183–8. Bibcode:2011Natur.471..183B. PMID 21390125. doi:10.1038/nature09818 
  18. Bock DD, Lee WC, Kerlin AM, Andermann ML, Hood G, Wetzel AW, Yurgenson S, Soucy ER, Kim HS, Reid RC (março de 2011). «Network anatomy and in vivo physiology of visual cortical neurons». Nature. 471 (7337): 177–82. Bibcode:2011Natur.471..177B. PMC 3095821Acessível livremente. PMID 21390124. doi:10.1038/nature09802 
  19. Greenough, William T.; Bailey, Craig H. (janeiro de 1988). «The anatomy of a memory: convergence of results across a diversity of tests». Trends in Neurosciences. 11 (4): 142–147. doi:10.1016/0166-2236(88)90139-7 
  20. Bennett SH, Kirby AJ, Finnerty GT (maio de 2018). «Rewiring the connectome: Evidence and effects». Neuroscience and Biobehavioral Reviews. 88: 51–62. PMC 5903872Acessível livremente. PMID 29540321. doi:10.1016/j.neubiorev.2018.03.001 
  21. Van Dijk KR, Hedden T, Venkataraman A, Evans KC, Lazar SW, Buckner RL (janeiro de 2010). «Intrinsic functional connectivity as a tool for human connectomics: theory, properties, and optimization». Journal of Neurophysiology. 103 (1): 297–321. PMC 2807224Acessível livremente. PMID 19889849. doi:10.1152/jn.00783.2009 
  22. Allen M, Williams G (2011). «Consciousness, plasticity, and connectomics: the role of intersubjectivity in human cognition». Frontiers in Psychology. 2. 20 páginas. PMC 3110420Acessível livremente. PMID 21687435. doi:10.3389/fpsyg.2011.00020Acessível livremente 
  23. Cabral J, Kringelbach ML, Deco G (março de 2014). «Exploring the network dynamics underlying brain activity during rest». Progress in Neurobiology. 114: 102–31. PMID 24389385. doi:10.1016/j.pneurobio.2013.12.005Acessível livremente 
  24. Honey CJ, Kötter R, Breakspear M, Sporns O (junho de 2007). «Network structure of cerebral cortex shapes functional connectivity on multiple time scales». Proceedings of the National Academy of Sciences of the United States of America. 104 (24): 10240–5. Bibcode:2007PNAS..10410240H. PMC 1891224Acessível livremente. PMID 17548818. doi:10.1073/pnas.0701519104Acessível livremente 
  25. Cabral J, Hugues E, Kringelbach ML, Deco G (setembro de 2012). «Modeling the outcome of structural disconnection on resting-state functional connectivity». NeuroImage. 62 (3): 1342–53. PMID 22705375. doi:10.1016/j.neuroimage.2012.06.007 
  26. Honey CJ, Sporns O (julho de 2008). «Dynamical consequences of lesions in cortical networks». Human Brain Mapping. 29 (7): 802–9. PMC 6870962Acessível livremente. PMID 18438885. doi:10.1002/hbm.20579