NEWSAR
Multi-perspective news intelligence
SRCLa Vanguardia
LANGES
LEANCenter
WORDS472
ENT4
TUE · 2026-04-07 · 08:06 GMTBRIEF NSR-2026-0407-56365
News/
NSR-2026-0407-56365News Report·ES·Technology

Un nuevo método permite descifrar con mayor precisión el funcionamiento de los circuitos del cerebro

Un nuevo método desarrollado por investigadores de la UPC permite clasificar automáticamente los tipos de neuronas en el cerebro de la mosca de la fruta (Drosophila) con alta precisión, especialmente en el sistema visual. Este avance, publicado en 'Nature Communications', automatiza la clasificación neuronal utilizando únicamente los patrones de conectividad sináptica, eliminando la necesidad de información morfológica y anatómica adicional y el laborioso trabajo manual de expertos.

Redacción La VanguardiaLa VanguardiaFiled 2026-04-07 · 08:06 GMTLean · CenterRead · 2 min

                                                                                                     Un nuevo método permite descifrar con mayor precisión el funcionamiento de los circuitos del cerebro
La VanguardiaFIG 01
Reading time
2min
Word count
472words
Sources cited
1cited
Entities identified
4entities
Quality score
100%
§ 01

Briefing Summary

AI-generated
NEWSAR · AI

Un nuevo método desarrollado por investigadores de la UPC permite clasificar automáticamente los tipos de neuronas en el cerebro de la mosca de la fruta (Drosophila) con alta precisión, especialmente en el sistema visual. Este avance, publicado en 'Nature Communications', automatiza la clasificación neuronal utilizando únicamente los patrones de conectividad sináptica, eliminando la necesidad de información morfológica y anatómica adicional y el laborioso trabajo manual de expertos. El método NTAC, como se le llama, analiza el grafo de conexiones entre neuronas en minutos, lo que representa un cambio significativo en el análisis de grandes conjuntos de datos de conectómica. Esta automatización agiliza la comprensión del funcionamiento de los circuitos cerebrales y podría tener aplicaciones en otros campos como la minería de grafos.

Confidence 0.90Sources 1Claims 5Entities 4
§ 02

Article analysis

Model · rule-based
Framing
Technology
Tone
Measured
AI-assessed
CalmNeutralAlarmist
Factuality
0.80 / 1.00
Factual
LowHigh
Sources cited
1
Limited
FewMany
§ 03

Key claims

5 extracted
01

The study demonstrates that neuron classification can be automated with high reliability using only synaptic connectivity patterns.

factual
Confidence
1.00
02

The new method, NTAC, can assign neuronal types using only synaptic connectivity, with high accuracy.

factual
Confidence
1.00
03

It is possible to automatically classify neuron types in the Drosophila brain with high precision using only their connectivity patterns.

quoteDavid Garcia, professor at UPC
Confidence
1.00
04

A new method allows for more precise deciphering of how brain circuits function.

factual
Confidence
1.00
05

Future connectomes can be analyzed automatically in hours instead of requiring long periods of manual work.

predictionDavid Garcia
Confidence
0.80
§ 04

Full report

2 min read · 472 words
Lea este artículo en catalán“Hemos demostrado que es posible clasificar automáticamente los tipos de neuronas del cerebro de Drosophila (la mosca de la fruta) —un organismo modelo fundamental en neurociencia— con alta precisión (especialmente en el sistema visual) utilizando únicamente sus patrones de conectividad”, explica el investigador David Garcia, profesor Serra Húnter del Departamento de Ciencias de la Computación de la UPC. “Nuestro método requiere menos información: simplemente utiliza el grafo de conexiones entre neuronas y realiza la clasificación de forma automática, en minutos y con alta precisión. No se sabía que esto fuera posible”, añade el investigador.La revista 'Nature Communications'Destaca el estudio como uno de los trabajos publicados más interesantes sobre el cerebroHasta ahora, esta clasificación la realizaban de forma manual neurocientíficos expertos, mediante un proceso muy laborioso que exigía información morfológica y anatómica adicional (la forma y la posición de las neuronas). Esta tarea, según demuestra la investigación publicada, se puede automatizar con alta fiabilidad utilizando únicamente patrones de conectividad sináptica, lo que representa un cambio de paradigma en el análisis de grandes conjuntos de datos de conectómica.La aplicación directa de nuestro trabajo es un paso fundamental para entender cómo funcionan los circuitos del cerebroDavid GarciaProfesor Serra Húnter del Departamento de Ciencias de la Computación de la UPC“La aplicación directa de nuestro trabajo es precisamente la clasificación automática de neuronas en nuevos conectomas, que es un paso fundamental en neurociencia para entender cómo funcionan los circuitos del cerebro. Esto significa que futuros conectomas podrán analizarse de manera automática en cuestión de horas, en lugar de requerir largos periodos de trabajo manual”, dice David Garcia.Y añade: “A largo plazo, el enfoque podría tener aplicaciones en otros ámbitos más allá de la neurociencia (por ejemplo, en minería de grafos), aunque esto aún está por explorar”.En los últimos años, múltiples proyectos ha reconstruido el conectoma completo del cerebro de la mosca de la fruta mediante microscopía electrónica, generando así mapas detallados de todas las conexiones entre neuronas del cerebro. El siguiente paso, identificar a qué tipo celular pertenece cada neurona, seguía siendo un cuello de botella que requería meses de anotación manual, reconoce el investigador.Método NTACPuede asignar tipos neuronales solo usando la conectividad sináptica, con una gran precisiónEs importante resaltar que la investigación publicada presenta un método, el NTAC, que puede asignar tipos neuronales solo usando la conectividad sináptica, con una gran precisión. Esta contribución se enmarca en un contexto de expansión de los conectomas y de creciente necesidad de herramientas automáticas y escalables.NTAC se presenta en dos variantes: una semisupervisada, que aprovecha un pequeño porcentaje de neuronas etiquetadas, y otra autosupervisada, que no necesita ninguna etiqueta previa. Ambas ofrecen resultados de alta precisión y se ejecutan de manera eficiente incluso en ordenadores convencionales, lo que evidencia el potencial de la conectividad como base para identificar tipos neuronales sin depender de características morfológicas.
§ 05

Entities

4 identified
§ 06

Keywords & salience

9 terms
circuitos del cerebro
0.90
clasificación de neuronas
0.80
conectividad neuronal
0.70
drosophila
0.60
conectoma
0.60
patrones de conectividad
0.50
neurociencia
0.50
análisis automático
0.50
minería de grafos
0.40
§ 07

Topic connections

Interactive graph
No topic relationship data available yet. This graph will appear once topic relationships have been computed.