O cérebro e suas redes (bem) complexas

No século XVIII a cidade de Königsberg (na atual Rússia) possuía 7 pontes conectando suas duas ilhas e duas outras porções de terra principais (veja mapa na figura 1). Diz a lenda que as pessoas costumavam se perguntar se seria possível fazer um passeio pelas ilhas atravessando todas as pontes sem repetir nenhuma delas. Até que em 1736, o matemático e físico Leonhard Euler resolveu essa questão considerando que cada pedaço de terra funcionaria como um nó e cada ponte como um link (ou uma conexão) entre os diferentes nós (veja o lado direito da figura 1) [1]. Ele percebeu que uma condição necessária para que todos os links (ou pontes) fossem percorridos uma única vez era que a rede tivesse zero ou apenas dois nós com um número ímpar de links. No primeiro caso qualquer nó poderia ser escolhido como ponto inicial do passeio. No segundo caso, o caminho (que ficou conhecido posteriormente como caminho de Euler) deveria começar e terminar exatamente nos nós com números ímpares de conexões. Note que essa solução se aplica a qualquer rede e não apenas a das pontes de Königsberg. Mas como a rede em questão possuía 4 nós, cada um com um número ímpar de links, Euler garantiu que não seria possível realizar um passeio por esta cidade cruzando cada ponte uma única vez.

texte13pontes

Fig.01: Mapa da cidade de Königsberg em 1736 e sua simplificação para um  estudo de redes. Figura retirada da Ref. [1].

Esta história ficou conhecida como o primeiro problema resolvido do que veio a ser a área do conhecimento que estuda as propriedades das redes complexas e que recebeu o nome de ciência das redes (network science). Desde então, a ciência das redes vem sendo utilizada para resolver problemas em diversas áreas como engenharia de transportes, finanças, genética, ecologia… Recentemente sua aplicação em neurociência ganhou o nome especial de network neuroscience [2] (ainda sem um nome oficial em português podemos chamar a neurociência das redes ou redes cerebrais). A ideia básica continua parecida com o problema das pontes, mas a quantidade de nós e links que podemos estudar é gigantesca. E, portanto, exige o desenvolvimento de novas técnicas de análise de redes e de obtenção de dados reais das redes específicas de interesse. Além disso, a quantidade de perguntas que podemos fazer sobre caminhos e propriedades dessas redes tem aumentado bastante.

Diversos grupos de pesquisa têm se dedicado a descrever da maneira mais detalhada  possível a rede formada por neurônios e sinapses de determinadas regiões do cérebro de diferentes espécies. Em julho deste ano foi publicada a matriz de conectividade completa do sistema nervoso do nematódeo C. Elegans (provavelmente o vermezinho mais querido da ciência) [3]. Em outras palavras, os cientistas descreveram todas as conexões entre os 302 neurônios do animal. Para diversas outras espécies, o que já conhecemos é a matriz de conectividade entre certas regiões do cérebro. Afinal, encontrar a matriz de conexão entre os 85 bilhões de neurônios do cérebro humano [4] parece uma tarefa exageradamente árdua.

Claramente as redes de conectividade dos diferentes animais são algo intermediário entre a total regularidade e a bagunça generalizada. Ou seja, os 302 neurônios do C. Elegans não estão organizados em uma rede regular, como em um cristal, onde cada nó tem a mesma quantidade de vizinhos (exemplo da esquerda na figura 2), nem estão conectados de maneira totalmente aleatória (direita da figura 2). E o que os cientistas têm buscado são propriedades topológicas mais gerais das diferentes redes cerebrais. Assim, seguimos procurando um ponto ótimo entre tentar conhecer o melhor possível a estrutura das redes que nos interessam e tentar extrair propriedades mais gerais dessas redes.

texte13redes

Fig. 02 Modificada da Ref. [5].  Uma rede inicialmente regular onde cada nó possui dois vizinhos vai sendo transformada em uma rede aleatória seguindo uma regra em que sucessivamente escolhemos um nó que pode ter um de seus links removidos com probabilidade p e sorteamos aleatoriamente um outro nó para se conectar com este primeiro. Para valores intermediários de p esta rede é conhecida como mundo pequeno (small word).

No início desse ano, Danielle Basset uma física bastante ativa na área de neurociência das redes e buscando aplicações em medicina, publicou um artigo de revisão sobre a física das redes cerebrais [6]. O artigo é um compilado de como diversas áreas da física podem contribuir para neurociência e em particular para o estudo da topologia dessas redes a partir da análise dos diferentes tipos de dados. Ela salienta que a arquitetura das conexões entre os neurônios ou regiões cerebrais está sempre restrita a necessidade de minimização de energia e eficiência na transferência de informação. Se por um lado precisamos de técnicas para determinar o melhor possível a conectividade anatômica entre as regiões, por outro precisamos ser capazes de determinar a conectividade funcional levando em conta a atividade dinâmica do cérebro durante diferentes tarefas. Nos dois casos podemos determinar a matriz de conectividade das redes e suas propriedades topológicas (ver figura 03).

texte13cerebros

Fig. 03 Modificada da Ref. [6]. Na primeira linha medimos as conexões anatômicas entre as regiões do cérebro e determinamos quais regiões estão conectadas entre si através da matriz de adjacência. Depois estudamos as propriedades da rede formada. Na segunda linha utilizamos a atividade elétrica ou sanguínea das diversas regiões cerebrais e determinamos uma matriz de similaridade dependendo do quanto esses sinais estão correlacionados. Esta é a chamada rede funcional pois pode variar durante a realização de diferentes tarefas cognitivas.

Por exemplo, em um outro artigo Danielle estudou a matriz de conectividade entre regiões do cérebro de quatro animais diferentes: rato, mosca, macaco e humanos [7]. A maioria das conexões nessas redes são de curto alcance, ou seja, conectam regiões próximas, o que reflete as restrições anatômicas e energéticas do sistema. No entanto algumas conexões entre regiões bastante afastadas são (inesperadamente) encontradas. Dado o custo energético dessas conexões longas, espera-se que elas desempenhem um papel importante para o funcionamento do cérebro. No artigo, a cientista mostrou que, diferente do que se acreditava, conexões de longas distâncias no cérebro têm um papel minoritário em reduzir as distâncias topológicas entre os nós da rede. Por outro lado, essas conexões de longo alcance aumentam a complexidade da dinâmica da rede. Graças à análise de mais dados e a combinação dessas análises com modelos teóricos (comparando conectividade estrutural e funcional) foi possível prever uma nova funcionalidade para essas conexões entre regiões distante que seria garantir a diversidade da atividade cerebral.

No começo desse mês, mais uma contribuição para essa área foi publicada dando mais um passo na caracterização da complexidade das redes. Dessa vez, um estudo realizado aqui no Brasil desenvolveu uma nova ferramenta matemática para classificar redes complexas de maneira geral, bem como redes associadas ao cérebro [8]. Utilizando algumas ideias bem estabelecidas de análise de séries temporais os pesquisadores propuseram uma maneira de calcular a entropia de uma rede complexa, baseado na probabilidade de um caminhante aleatório passear pelos diversos nós da rede. (Na analogia das pontes, considerando qual a probabilidade de você atravessar uma certa ponte durante um passeio aleatório pela cidade sem querer chegar em nenhum outro ponto específico.)

Calculando duas medidas específicas baseadas na quantidade de links de cada nó: a entropia de Shannon e a informação de Fisher para redes do tipo regular (vermelho) e do tipo aleatória (azul) eles puderam comparar onde outras redes reais estariam nesse plano.  Em particular, eles mostraram que a rede que descreve a medula da mosca e a retina do rato (respectivamente representadas pelos números #13 e #14 na figura 4) estão em uma região intermediária do plano de entropia podendo ser caracterizada por redes tipo mundo pequeno. Além disso, uma possível extensão dessa ferramenta seria calcular não apenas a entropia mas a complexidade (ou o desequilíbrio) dessas redes. Esperamos que, em breve, essa nova ferramenta possa ser utilizada em dados de outros sistemas nervosos como por exemplos os dados estudados na Ref. [7].

texto13entropia

Fig.04 Modificada da Ref. [8]. Compara as propriedades de redes reais (laranja) com redes simuladas computacionalmente com diferentes valores de densidade de links por nó. Calculando duas medidas estatísticas específicas : a entropia de Shannon e a informação de Fisher para redes do tipo regular (vermelho) e do tipo aleatória (azul) os autores deste trabalho puderam delimitar uma região do plano em que as redes reais se comportariam como rede tipo mundo pequeno.

Referências

[1]  Wikipedia: https://en.wikipedia.org/wiki/Seven_Bridges_of_K%C3%B6nigsberg

[2]  Danielle S. Basset e Olaf Sporns. “Network neuroscience.” Nature neuroscience 20.3 (2017): 353.

[3] Steven J. Cook, et al. “Whole-animal connectomes of both Caenorhabditis elegans sexes.” Nature 571.7763 (2019): 63-71.

[4]  Frederico AC Azevedo, et al. “Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically scaled‐up primate brain.” Journal of Comparative Neurology 513.5 (2009): 532-541.

[5] Duncan J. Watts e Steven H. Strogatz. “Collective dynamics of ‘small-world’networks.” nature 393.6684 (1998): 440.

[6] Christopher W. Lynn e Danielle S. Bassett. “The physics of brain network structure, function and control.” Nature Reviews Physics (2019): 1.

[7] Richard F. Betzel e Danielle S. Bassett. “Specificity and robustness of long-distance connections in weighted, interareal connectomes.” Proceedings of the National Academy of Sciences 115.21 (2018): E4880-E4889.

[8] Cristopher GS Freitas, et al. “A detailed characterization of complex networks using Information Theory.” Scientific reports 9.1 (2019): 1-12.

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Foto do Google

Você está comentando utilizando sua conta Google. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s