Neurofisiología de sistemas complejos
Dr. Emiliano Marachlian
JEFE DE GRUPO / Group LEADER
JTP exclusiva departamento de física FCEyN UBA
Contact: e.marachlian@df.uba.ar
IG: @elwigesl X: wigeSL Bluesky: @marachlianemiliano.bsky.social
El mundo que habitamos es extremadamente complejo. Para sobrevivir, los animales deben orientarse extrayendo información relevante de señales físicas del entorno, transducirlas, evaluarlas en el contexto de su estado interno y tomar decisiones para convertirlas en acciones motoras que al mismo tiempo modifican la percepción del entorno y el estado interno. Por su complejidad el estudio de este fenómenos suele ser fragmentado estudiando sólo una componente a la vez. En el laboratorio aprovechamos el potencial de la larva de pez cebra como modelo experimental para estudiar simultáneamente la integración de información tanto sensorial como del estado interno y la ejecución de comportamientos motores.
Para esto utilizamos tres perspectivas complementarias:
Primero, desde la perspectiva del comportamiento. Diseñamos y construimos arenas experimentales de nado libre y arenas experimentales de realidad virtual. En ambos casos utilizamos algoritmos de inteligencia artificial para segmentar su comportamiento utilizando su posición, velocidad y forma o el movimiento de la cola, de los ojos o de la boca como salida comportamental.
Segundo, desde la fisiología. Por su pequeño tamaño, transparencia y herramientas genéticas la larva del pez cebra nos permite medir y manipular simultáneamente tanto la actividad en el cerebro completo (con resolución celular de neuronas y/o glía) como la actividad en los órganos internos (corazón, intestino, etc). Para medir el cerebro completo utilizamos un microscopio de light sheet de objetivo único construido por nosotros y adaptado a nuestras necesidades combinado con un microscopio más sencillo que nos permite ver los órganos y/o el comportamiento. Además utilizamos un módulo de optogenética DMD para realizar estimulaciones de áreas de interés que pueden variar desde células individuales (ya sean neuronas, glía o musculares) hasta regiones (por ejemplo todas las neuronas del intestino) o subtipos celulares (por ejemplo neuronas GABAérgicas).
Tercero, desde el enfoque teórico y/o estadístico. Tanto los experimentos comportamentales como los de imaging y optogenética arrojan grandes cantidades de datos que analizamos mediante el desarrollo de métodos y programas de inteligencia artificial y estadística. Además utilizamos modelado matemático tanto para comprender los mecanismos neurales como para generar estímulos realistas.
Aunque la capacidad de utilizar información química del ambiente para orientarse es crucial y se encuentra conservada evolutivamente en todo el reino animal, nuestra comprensión de las estrategias y mecanismos que la gobiernan es limitada. Esto se debe principalmente a tres factores: 1- Nuestra capacidad para controlar y medir estímulos químicos en el tiempo y el espacio es pobre. 2- Los estímulos químicos se presentan en regímenes muy diversos, que van desde gradientes estacionarios o flujos laminares hasta flujos turbulentos, lo que da lugar a muchas estrategias diferentes de navegación. 3- Las estrategias de navegación involucran áreas cerebrales distintas y alejadas entre sí, lo que dificulta su medición simultánea.
Aprovechamos las ventajas de la larva de pez cebra para superar estas tres limitaciones y abordar el problema de la navegación basada en información química y responder tres preguntas fundamentales:
¿Qué información contenida en el estímulo químico utilizan los animales para orientarse?
Diseñamos y construimos un dispositivo microfluídico que nos permite crear una arena de realidad virtual en close loop. La cabeza del pez está fija (utilizando agarosa) mientras que el epitelio olfativo, la boca y la cola se encuentran libres. Se infiere la posición virtual del animal a partir del movimiento de la cola. Basado en esta posición virtual, el sistema microfluídico ajusta el estímulo odorífero que experimenta el pez, simulando la concentración y dinámica temporal que encontraría en su ubicación virtual. Este dispositivo de realidad virtual nos permite realizar perturbaciones específicas en características seleccionadas de la dinámica del olor, manteniendo otros aspectos constantes para estudiar cuáles características del estímulo son necesarias para la correcta navegación del animal.
¿Cómo se codifica la información espacial del estímulo químico en el cerebro?
En el microscopio light sheet registramos la actividad cerebral del animal mientras este navega en la pluma virtual de olor generada con el chip de microfluídica. Esto permite, por ejemplo, emular fuentes de olor provenientes de distintas direcciones y posiciones, para estudiar cómo y dónde se codifica la información espacial de la fuente odorífera en el cerebro.
¿Cómo influye el estado interno en las estrategias de navegación?
Usamos estimulación optogenética para realizar activación dirigida de neuronas que liberan neurotransmisores específicos para estudiar cómo los estados internos modulan la codificación sensorial y la navegación.
Accordion Content
Publicaciones seleccionadas:
Artículos:
Uribe-Arias A., Rozenblat R., Vinepinsky E., Marachlian E., Kulkarni A., Zada D., Privat M., Topsakalian D., Charpy S., Candat V., Nourin S., Appelbaum L., and Sumbre G. (2023). Radial astrocyte synchronization modulates the visual system during behavioral-state transitions. Neuron.
Marachlian E., Huerta R., Locatelli F. (2023). Gain modulation and odor concentration invariance in early olfactory networks. Plos Computational Biology.
Gascue F., Marachlian E., Azcueta M., Locatelli F., Klappenbach M. (2022). Antennal movements can be used as behavioral readout of odor valence in honey bees. IBRO Neuroscience Reports.
Marachlian E., Klappenbach M., Locatelli F. (2021). Learning-dependent plasticity in the antennal lobe improves discrimination and recognition of odors in the honeybee. Cell and Tissue Research.
Chan H. K., Hersperger F., Marachlian E., Locatelli F., Smith B. H., Szyszka P., Nowotny T. (2018). Odor mixtures elicit faster and less variable responses than pure odorants. Plos Computational Biology.
Marachlian E., Avitan L., Goodhill G., & Sumbre G. (2018). Principles of functional circuit connectivity: insights from spontaneous activity in the zebrafish optic tectum. Frontiers in neural circuits.
Marachlian, E., Sánchez G, I. E., & Santillán, O. P. (2017). Emergent Universe as an interaction in the dark sector. Modern Physics Letters A.
Chen, J. Y., Marachlian, E., Assisi, C., Huerta, R., Smith, B. H., Locatelli, F., & Bazhenov, M. (2015). Learning modifies odor mixture processing to improve detection of relevant components. Journal of Neuroscience.
Preprints
Rabahi S., Marachlian E., Guendel F., Mikdache A., Quintero-Castillo K., Maurin L., Di Donato V., Kurup AJ., Salloum Y., Gros G., Diabangouaya P., Garcia-Baudino C., Ignacio Medina-Yáñez, Levraud J-P., del Bene F., Feijoo C., Eberl G., Brugman S., Sumbre G., Hernandez PP. Interleukin-22 in enteroendocrine cells controls early-life gut motility through interactions with microbiota.
https://www.biorxiv.org/content/10.1101/2025.04.25.650580v1.full.pdf
Mustun F., Semenzin C., Ranse D., Marachlian E., Guillerms LY., Mancini A., Bouaziz I., Fleck E., Shashar N., de Polovieja GG., Sumbre G. Whistle variability and social acoustic iterations in bottlenose dolphins.
https://www.biorxiv.org/content/10.1101/2024.10.15.618471v1.full.pdf
Privat M., Hansen ECA., Pietri T., Marachlian E., Uribe-Arias A., Duchemin A., Candat A., Nourin A., Sumbre G. Attractor-like circuits improve visual decoding and behavior in zebrafish.
https://www.biorxiv.org/content/10.1101/2024.02.03.578596v1.full.pdf
Subsidios:
Return Home Grant of the International Society for Neurochemistry (ISN)
“Behavioral and neural bases of navigation guided by chemical information”
Integrantes del grupo / Lab Members
Doctor
Emiliano Marachlian