Lo studio ha esplorato come onde cerebrali rapide, in precedenza trascurate, stabiliscano schemi fondamentali di sonno e veglia. I ricercatori hanno sviluppato un nuovo metodo per analizzare gli stati di sonno e veglia rilevando schemi di attività neuronale ultra-rapidi, della durata di soli millisecondi, sfidando le concezioni tradizionali basate su onde cerebrali più lente. La ricerca ha anche scoperto che singole regioni cerebrali possono passare brevemente e in modo indipendente tra sonno e veglia, rivelando attività cerebrali complesse e localizzate che potrebbero ridefinire la nostra comprensione della meccanica del sonno.
Per anni, gli scienziati hanno misurato la differenza tra questi processi cerebrali istintivi osservando le onde cerebrali, con il sonno caratteristicamente definito da onde lente e di lunga durata, misurate in decimi di secondi, che viaggiano attraverso l’intero organo.
Per la prima volta, è stato scoperto che il sonno può essere rilevato attraverso schemi di attività neuronale della durata di soli millisecondi, mille volte più brevi di un secondo, rivelando un nuovo modo per studiare e comprendere i modelli di onde cerebrali di base che governano la coscienza. È stato anche dimostrato che piccole regioni del cervello possono momentaneamente “lampeggiare” sveglie mentre il resto del cervello rimane addormentato, e viceversa dallo stato di veglia al sonno.
Questi risultati, descritti in uno studio pubblicato sulla rivista Nature Neuroscience, provengono da una collaborazione tra i laboratori del Professore Assistente di Biologia Keith Hengen presso la Washington University di St. Louis e il Professore Distinto di Ingegneria Biomolecolare David Haussler presso l’UC Santa Cruz. La ricerca è stata condotta dai dottorandi David Parks (UCSC) e Aidan Schneider (WashU).
Durante quattro anni di lavoro, Parks e Schneider hanno addestrato una rete neurale per studiare i modelli all’interno di enormi quantità di dati sulle onde cerebrali, scoprendo schemi che si verificano ad altissime frequenze mai descritte prima e che sfidano le concezioni fondamentali di lunga data sulla base neurologica del sonno e della veglia.
I ricercatori hanno lavorato con dati provenienti da topi nel laboratorio di Hengen a St. Louis. Gli animali, liberi di muoversi, erano equipaggiati con un set di cuffie molto leggere che registravano l’attività cerebrale da 10 diverse regioni cerebrali per mesi, tracciando la tensione da piccoli gruppi di neuroni con precisione al microsecondo.
Questo enorme input ha creato petabyte di dati. David Parks ha guidato lo sforzo di alimentare questi dati grezzi in una rete neurale artificiale, che può trovare schemi estremamente complessi, per differenziare i dati di sonno e veglia e trovare schemi che l’osservazione umana potrebbe aver perso. Una collaborazione con l’infrastruttura di calcolo accademico condiviso situata all’UC San Diego ha permesso al team di lavorare con questa mole di dati, paragonabile a quella utilizzata da grandi aziende come Google o Facebook.
Scoprendo che il sonno è tradizionalmente definito da onde lente, Parks ha iniziato a inserire porzioni di dati sempre più piccole nella rete neurale e le ha chiesto di prevedere se il cervello fosse addormentato o sveglio.
Hanno scoperto che il modello poteva differenziare tra sonno e veglia da appena millisecondi di dati sull’attività cerebrale. Questo risultato ha sorpreso il team di ricerca: mostrava che il modello non poteva affidarsi alle onde lente per imparare la differenza tra sonno e veglia. Proprio come ascoltare un millesimo di secondo di una canzone non potrebbe dirti se ha un ritmo lento, sarebbe impossibile per il modello imparare un ritmo che si verifica nel corso di diversi secondi guardando solo millisecondi isolati di informazioni.
“Stiamo vedendo informazioni a un livello di dettaglio senza precedenti”, ha detto Haussler. “La sensazione precedente era che non si trovasse nulla lì, che tutte le informazioni rilevanti fossero nelle onde a frequenza più lenta. Questo articolo dice, se ignori le misurazioni convenzionali, e guardi solo i dettagli della misurazione ad alta frequenza per solo un millesimo di secondo, c’è abbastanza lì per dire se il tessuto è addormentato o no. Questo ci dice che c’è qualcosa che sta accadendo su una scala molto veloce, che è un nuovo indizio su ciò che potrebbe accadere nel sonno.”
Osservando il comportamento dei topi, i ricercatori hanno visto che quando una regione cerebrale lampeggiava nel sonno mentre il resto del cervello era sveglio, il topo si fermava per un secondo, quasi come se fosse assente. Un lampeggiamento durante il sonno (una regione cerebrale “si sveglia”) si rifletteva in un animale che si dimenava nel sonno.
I lampeggiamenti sono particolarmente sorprendenti perché non seguono le regole stabilite che dettano il ciclo rigoroso del cervello che si sposta sequenzialmente tra veglia, sonno non-REM e sonno REM.
“Stiamo vedendo lampeggiamenti da veglia a REM, da REM a non-REM: vediamo tutte queste possibili combinazioni, e infrangono le regole che ci si aspetterebbe basandosi su cento anni di letteratura,” ha detto Hengen. “Penso che rivelino la separazione tra lo stato macro, sonno e veglia a livello dell’intero animale, e l’unità fondamentale dello stato nel cervello, i modelli veloci e locali.”
Ottenere una comprensione più profonda dei modelli che si verificano ad alte frequenze e dei lampeggiamenti tra veglia e sonno potrebbe aiutare i ricercatori a studiare meglio le malattie neurodegenerative e neurosviluppative, che sono entrambe associate a disfunzioni del sonno. Entrambi i gruppi di laboratorio di Haussler e Hengen sono interessati a comprendere ulteriormente questa connessione.
A livello fondamentale, questo lavoro aiuta a spingere avanti la nostra comprensione dei molti strati di complessità del cervello come l’organo che detta comportamento, emozione e molto altro.
Riferimento: “A nonoscillatory, millisecond-scale embedding of brain state provides insight into behavior” di David F. Parks, Aidan M. Schneider, Yifan Xu, Samuel J. Brunwasser, Samuel Funderburk, Danilo Thurber, Tim Blanche, Eva L. Dyer, David Haussler e Keith B. Hengen, 15 luglio 2024, Nature Neuroscience.
DOI: 10.1038/s41593-024-01715-2