Un modelo cuantitativo para el acoplamiento neurovascular humano con mecanismos traducidos de animales

Las neuronas regulan la actividad de los vasos sanguíneos a través del acoplamiento neurovascular (NVC). Una comprensión detallada del NVC es crítica para entender los datos de técnicas de imagen funcional del cerebro. Muchos aspectos del NVC se han estudiado tanto experimentalmente como utilizando modelos matemáticos; se han medido y modelado varias combinaciones de volumen y flujo sanguíneo, potencial de campo local (LFP), nivel de hemoglobina, respuesta dependiente de la oxigenación de la sangre (BOLD) y optogenética en roedores, primates o humanos. Sin embargo, estos datos no se han unificado en un modelo cuantitativo único. Ahora presentamos un modelo matemático que describe todos estos tipos de datos y que preserva comportamientos mecánicos entre experimentos. Por ejemplo, a partir del modelado de datos de optogenética y microscopía en ratones, aprendemos contribuciones específicas de las células; la primera dilatación rápida en la respuesta vascular es causada por interneuronas NO, la parte principal de la dilatación durante estímulos más prolongados es causada por neuronas piramidales, y el subpico posterior al pico es causado por interneuronas NPY. Estas perspectivas se traducen y se preservan en todos los análisis posteriores, junto con otros conocimientos sobre la dinámica de la hemoglobina y la interacción LFP/BOLD, obtenidos de otros experimentos en roedores y primates. El modelo puede predecir datos de validación independientes que no se utilizaron para el entrenamiento. Al reunir datos con información complementaria de diferentes especies, entendemos mejor cada conjunto de datos y tenemos una base para un nuevo tipo de análisis integrador de datos humanos.