Neurobots
Organismos sintéticos con redes neuronales
El desarrollo de los biobots es un parteaguas en el campo de la biología sintética. Estos pequeñísimos "robots biológicos" son organismos vivos construidos a partir de diferentes tipos de células, en general de ranas. Los grupos de células se auto-organizan en esferas o formas similares y, gracias a los cilios (pequeñas estructuras parecidas a pelos) que pronto cubren su superficie, pueden moverse de forma autónoma en entornos acuosos. Ya eran interesantes por sí solos, mostrando comportamientos inesperados que no se veían en las larvas de rana normales, como una capacidad limitada de interactuar con su ambiente.
Un ejemplo de biobots son los xenobots, construidos con células del corazón y la piel de embriones de rana (Xenopus laevis). Otro ejemplo son los anthrobots, derivados de tejido del epitelio pulmonar de seres humanos adultos. En pocas palabras, estos sistemas han demostrado cómo agrupaciones celulares simples pueden realizar tareas complejas sin necesidad de programación genética previa.
¿Prefieres escuchar un mini pódcast con el contenido resumido de manera accesible? En español de México:
O de España (pronto contaremos con versiones para otros países latinoamericanos):
Hasta ahora, los biobots carecían del componente clave que en animales superiores permite comportamientos sofisticados y adaptativos: un sistema nervioso. La función fundamental del sistema nervioso en todos los animales es detectar señales del entorno y traducirlas en respuestas adecuadas. En la preimpresión de un estudio publicado esta semana en bioRxiv, el biólogo Michael Levin y su equipo (donde destacan Haleh Fotowat y Léo Pio-Lopez) mostraron la nueva generación de los biobots, ahora implantados con células precursoras neuronales. Los neurobots, como han sido llamados, se componen de un exterior epidérmico con cilios y neuronas que maduran en su interior, capaces de organizarse espontáneamente y de formar redes neuronales funcionales. Así, se ha abierto un mundo de posibilidades para estudiar la autoorganización de redes neuronales, con un cuerpo y mobilidad propios, ex-vivo y libres de presiones evolutivas.
En este artículo detallaremos los resultados de este avance, concentrándonos en sus cuatro secciones clave: la forma, el comportamiento, la electrofisiología y el perfil de genes de los neurobots.
Morfología: formas anatómicas de los neurobots
Los investigadores construyeron a mano los neurobots insertando células neuronales progenitoras obtenidas de la rana Xenopus laevis en cápsulas de tejido ectodérmico extraídas de los mismos embriones. Las células progenitoras se diferenciaron espontáneamente en neuronas funcionales dentro del neurobot en las primeras horas de existencia, extendiendo procesos (axones y dendritas) tanto hacia el interior hasta otras células como hacia la superficie externa del neurobot.
Forma y tamaño: Los neurobots son más alargados y mucho más grandes que los biobots sin neuronas. Los investigadores usaron un grupo de control (pseudo-neurobots llamados sham) sin neuronas para descartar sesgos. Mientras los biobots tienden a ser esféricos, los neurobots adoptan formas más elípticas, un cambio que parece estar dirigido por el crecimiento neuronal.
Cavidad central: Una observación intrigante es la presencia de una cavidad central en los neurobots, aparentemente vacía según imágenes confocales. Los investigadores sugieren que esta área podría estar llena de matriz extracelular (ECM), una estructura de soporte intercelular para las neuronas, hipótesis respaldada por la mayor expresión de genes relacionados con la ECM.
Variabilidad: Cada neurobot es único debido a la construcción manual. Las neuronas suelen agruparse en "regiones nucleares" desde donde emanan sus prolongaciones. Algunas de estas terminaciones llegan a la superficie, lo que sugiere una interacción con las células ciliadas responsables del movimiento. Esta variabilidad permitió al equipo estudiar correlaciones entre la estructura y el comportamiento, como veremos más adelante. Los neurobots que no son alimentados viven en promedio nueve días.
Comportamiento: movimientos más complejos
Los neurobots son diferentes y se mueven de manera distinta a los biobots. Al tercer día, aparecieron células multi-ciliadas alrededor del neurobot, que empezó a moverse dentro del contenedor. El equipo de Levin empleó cuatro parámetros para analizar el movimiento: velocidad, aceleración, distancia recorrida, y el porcentaje visitado del área total.
Patrones de movimiento
Diversidad: Mientras que los biobots exhiben trayectorias simples y predecibles, los neurobots muestran patrones más complejos y variados. Algunos neurobots giran en círculos u óvalos, otros trazan espirales o formas geométricas similares a las del estenógrafo o exploran intensivamente los bordes del recipiente.
Índice de complejidad: El equipo de Levin desarrolló un "Índice de complejidad" basado en el análisis espectral de las trayectorias. Los neurobots obtuvieron puntajes significativamente más altos, indicando que las neuronas influyen en su dinámica de movimiento.
Actividad: Los neurobots se mueven más y se detienen menos que los biobots, lo que sugiere que las neuronas podrían estar modulando las células ciliadas o alterando su distribución en la superficie para obtener un mejor rendimiento energético.
Experimento farmacológico
Para determinar si las neuronas afectan el movimiento, se utilizó pentilentetrazol (PTZ), un fármaco que induce convulsiones al bloquear receptores GABA. Los biobots redujeron su complejidad de movimiento bajo PTZ, mientras que muchos neurobots la aumentaron, mostrando una respuesta que apunta a un control neuronal en su entorno químico.
Electrofisiología: neuronas activas y conectadas
¿Las neuronas de los neurobots son meramente decorativas o en verdad funcionan? Para verificarlo, se utilizaron indicadores de calcio fluorescentes (GCaMP6s) que permiten visualizar actividad neuronal en tiempo real.
Actividad confirmada: Estas mediciones mostraron claramente patrones o disparos de actividad neuronal espontánea en diferentes partes del neurobot.
Sincronización: En algunos casos, se observaron patrones de actividad simultánea entre neuronas cercanas o distantes, sugiriendo conexiones funcionales dentro de la red neuronal.
Limitaciones técnicas: La medición precisa de cada señal y su función resultó ser un enorme desafío técnico debido a la escala y al movimiento tridimensional constante de los neurobots.
De cualquier manera, los resultados confirmaron inequívocamente que las neuronas no solo sobreviven en este entorno novedoso y alejado de su cono evolutivo, sino que además establecen conexiones y circuitos, y muestran actividad coordinada.
Genética: perfil novedoso y ancestral
Un aspecto sumamente intrigante del estudio fue la comparación transcriptómica (expresión de genes) entre neurobots, biobots clásicos y el grupo de control (los "sham", implantados con células no neuronales). Mientras que los biobots y el control expresaron casi los mismos genes, los neurobots mostraron patrones radicalmente distintos. Se observó una notable activación de genes relacionados con:
El desarrollo del sistema nervioso: genes clave implicados en el crecimiento y diferenciación neuronal.
Comunicación neuronal: receptores de neurotransmisores como glutamato, serotonina, dopamina y GABA.
Plasticidad sináptica: genes asociados con aprendizaje y memoria en organismos superiores.
Procesamiento visual: sorprendentemente, a pesar de no tener ojos, los neurobots mostraron altos niveles de expresión de genes típicamente relacionados con la percepción visual, incluyendo opsinas y proteínas involucradas en la fototransducción. Esto sugiere que podrían tener la capacidad emergente de responder a estímulos lumínicos.
Además, se detectó un desplazamiento hacia la expresión de genes más "antiguos" evolutivamente (el 54% fueron primitivos y compartidos por todos los eucariotas), indicando que estos neurobots, al configurarse en un entorno biológico totalmente novedoso, podrían estar recurriendo a programas genéticos ancestrales para tratar de organizarse.
Un par de reflexiones y muchas preguntas
Los neurobots, además de ser curiosidad científica, son una plataforma para explorar cómo las neuronas se organizan y funcionan en cuerpos sin un plan evolutivo previo. Las neuronas maduras logran autoorganizarse en redes neuronales funcionales que influencian la forma, el comportamiento e incluso el perfil genético general del organismo.
La función fundamental del sistema nervioso en todos los animales es detectar señales del entorno y traducirlas en respuestas adecuadas. Es decir, el sistema nervioso le da a los animales la habilidad de generar información contextual para cambiar su comportamiento. El sistema nervioso, dado ese rol simultáneo de ancla en una realidad tumultuosa y chaleco salvavidas para evitar sorpresas, goza de plasticidad y capacidad adaptativa en escalas temporales muy cortas.
Cuando las neuronas se liberan de las restricciones evolutivas y se sitúan en contextos relacionales novedosos: se autoorganizan, se detectan, se adaptan e incluso recuperan programas genómicos ancestrales. Esto es cognición corporizada desplegándose en tiempo real. Los neurobots son evidencia de que la inteligencia biológica es intrínseca, plástica y participativa. La estructura emerge de la interacción, no de la instrucción. Para quienes han seguido de cerca el trabajo de Michael Levin, este es el siguiente paso: de la formación de patrones a la formación de significado.
Los neurobots despiertan la curiosidad: ¿Qué tan compleja puede ser la conducta emergente guiada por estas neuronas? ¿Cuáles son los límites de la neuroplasticidad en redes neuronales? ¿Podrán responder a otros estímulos ambientales, como luz o sonido? ¿Qué aplicaciones tecnológicas y médicas podrán derivarse de estas nerviosas máquinas biológicas?
El estudio original
Levin, M; Fotowat, H., et al. (2025). "Self-Organizing Neural Networks in Novel Moving Bodies: Anatomical, Behavioral, and Transcriptional Characterization of a Living Construct with a Nervous System". bioRxiv.
“Redes neuronales autoorganizadas en nuevos cuerpos en movimiento: caracterización anatómica, conductual y transcriptómica de una construcción viva con sistema nervioso”
El grupo de investigadores dirigido por Michael Levin en el Allen Discovery Center de la Universidad Tufts usa la biofísica, modelaje computacional y ciencia del comportamiento para comprender cómo los colectivos celulares toman decisiones durante la embriogénesis, la regeneración y el cáncer.
interesantísimo artículo que requiere una relectura para entenderlo mejor. Al parecer el investigador M. Levin y colaboradores están llevando a cabo una tarea que dará frutos asombrosos.
felicitaciones por el artículo.