El cerebro de la mosca de la fruta es del tamaño de una semilla de amapola. Contiene aproximadamente 100 000 neuronas, menos que la cantidad de personas en un estadio pequeño. Con esa exigua dotación de hardware biológico, una mosca debe encontrar comida, evadir depredadores, navegar en aire turbulento y recordar hacia dónde va después de perder un rastro olfativo. La suposición predominante en neurociencia ha sido que operaciones cognitivas complejas como la memoria de trabajo y la acumulación de evidencia requieren los circuitos elaborados y estratificados de la corteza de los mamíferos. Un estudio publicado el 25 de julio en Nature Communications desafía esa suposición desde sus cimientos.
Investigadores de la Facultad de Medicina de NYU han descubierto que una diminuta población de neuronas en el centro de navegación del cerebro de la Drosophila realiza simultáneamente tanto la memoria de trabajo como la integración de evidencia durante el vuelo guiado por olores. El hallazgo sugiere que estas operaciones cognitivas fundamentales no dependen en absoluto de la arquitectura cortical. Pueden ser soluciones generales a problemas de navegación que la evolución descubrió temprano y refinó a través de las especies, soluciones que los ingenieros que construyen sistemas de inteligencia artificial neuromórficos harían bien en estudiar.
Memoria de trabajo en una sola protuberancia neuronal
El equipo, liderado por Nicholas D. Kathman, Aaron J. Lanz, Jacob D. Freed y Katherine I. Nagel, se centró en un conjunto de neuronas locales en el cuerpo en forma de abanico, una estructura dentro del complejo central de la mosca que funciona como centro de navegación. Utilizando una línea genética llamada VT062617-Gal4, marcaron una pequeña población de estas neuronas y luego realizaron imágenes de calcio de dos fotones mientras las moscas navegaban por un entorno de olores virtual.
En la configuración, una mosca caminaba sobre una bola sostenida por aire mientras un sistema de cámara (FicTrac) rastreaba sus rotaciones y las traducía en movimiento a través de un mundo virtual. La dirección del viento era controlada por la mosca misma en un circuito cerrado, mientras que los pulsos de olor se administraban en un horario fijo. Esto permitió a los investigadores observar la actividad neuronal mientras la mosca experimentaba el equivalente de volar a través de una pluma de olor natural.
Lo que vieron fue notable. Una protuberancia localizada de actividad neuronal, que abarcaba solo una o dos columnas del cuerpo en forma de abanico, se activaba cuando la mosca encontraba el olor. Después de que el olor cesara, la protuberancia no desaparecía inmediatamente. Persistía, en algunos casos durante muchos segundos, en otros solo por un breve momento. Los tiempos de persistencia seguían una distribución exponencial con una constante de tiempo característica de 5,59 segundos.
Esta es la memoria de trabajo en su forma más pura: el almacenamiento de una dirección objetivo después de que la señal sensorial que la estableció ha desaparecido. La protuberancia codificaba la dirección que la mosca debía viajar en relación con el viento, un marco de referencia alocéntrico, lo que significa que representaba un objetivo fijo en el mundo externo, no el rumbo de la mosca. Cuando la mosca giraba, la posición de la protuberancia se mantenía estable. El animal llevaba una brújula interna apuntando hacia donde necesitaba ir.
Consecuencia conductual del olvido
La existencia de tal actividad persistente es notable en sí misma, pero el equipo fue más allá al conectarla con el comportamiento. Cuando la protuberancia neuronal persistía, las moscas mantenían trayectorias más rectas y se desviaban menos de su rumbo objetivo. La desviación estándar del rumbo disminuyó significativamente (p = 5,0 x 10^-6). Cuando la protuberancia colapsaba, la desviación de la dirección objetivo aumentaba bruscamente (p = 0,0002). La mosca, en efecto, olvidaba hacia dónde iba y comenzaba a vagar.
Esta correlación conductual establece un vínculo directo entre la actividad neuronal persistente y la capacidad del animal para mantener un rumbo. La protuberancia no es un epifenómeno; es el sustrato neuronal de un rumbo recordado.
Acumulación de evidencia en el mismo circuito
El segundo hallazgo importante es que la misma población de neuronas también realiza la integración de evidencia a lo largo del tiempo. En la naturaleza, las plumas de olor en el aire turbulento no son corrientes continuas. Son filamentos intermitentes y fragmentados de olor, interrumpidos por espacios de aire limpio. Un animal que navega por el olfato debe integrar encuentros a lo largo del tiempo para determinar si todavía está en el camino correcto.
Los investigadores simularon esta condición natural administrando una estructura de pluma turbulenta a las moscas mientras registraban imágenes de las mismas neuronas del cuerpo en forma de abanico. La actividad neuronal no se activaba y desactivaba simplemente con cada pulso. Aumentaba progresivamente con encuentros sucesivos de olor. Un análisis de decorrelación reveló que el sistema actúa como un filtro de olores que integra información durante aproximadamente 10 segundos hacia el pasado.
Esta es la acumulación de evidencia por excelencia, el mismo proceso que, en vertebrados, se asocia con los circuitos corticales parietales y prefrontales y se modela como un proceso de difusión-deriva. En la mosca, ocurre en unos cientos de neuronas dentro de una región cerebral no más grande que un grano de sal.
Prueba causal y sincronización óptima
Para determinar si esta actividad persistente está causalmente involucrada en mantener el rumbo contra el viento, el equipo utilizó silenciamiento optogenético. Expresaron GtACR1, un canal de cloruro activado por luz que silencia las neuronas, en la misma población VT062617. Cuando los investigadores silenciaron estas células inmediatamente después de la finalización del olor, las moscas giraban antes y más bruscamente en dirección opuesta al viento. No podían mantener su rumbo sin la actividad neuronal sostenida.
Un experimento de control reforzó la especificidad del hallazgo. Una población diferente de neuronas del cuerpo en forma de abanico, marcada por la línea 52G12, mostró solo actividad transitoria correlacionada con los movimientos de giro. Estas neuronas no exhibieron actividad persistente. La función de memoria de trabajo no es una propiedad general del centro de navegación. Pertenece específicamente a la población VT062617.
El equipo también abordó la cuestión de por qué la constante de tiempo de persistencia es de 5,59 segundos. Trabajando con el laboratorio de John Crimaldi, especializado en física de plumas, realizaron simulaciones computacionales utilizando datos reales de plumas turbulentas de capa límite. Las simulaciones variaban la constante de tiempo de la memoria y medían el rendimiento de navegación. El valor real de aproximadamente 5,5 segundos estaba cerca del punto óptimo para navegar plumas estructuradas naturalísticamente. Una memoria más corta haría que la mosca se rindiera demasiado rápido durante los vacíos en la señal de olor; una memoria más larga haría que persistiera en rumbos incorrectos después de que la pluma se hubiera desplazado. La evolución parece haber ajustado el circuito a las estadísticas del entorno.
Implicaciones para la inteligencia, natural y artificial
El significado más amplio de este trabajo se extiende mucho más allá de la mosca. Sugiere que la memoria de trabajo y la acumulación de evidencia no son propiedades emergentes de grandes redes neuronales complejas. Son soluciones que pueden implementarse en circuitos muy pequeños, quizás incluso en los circuitos más simples posibles que puedan realizar la navegación.
Esta comprensión tiene implicaciones para la neurociencia evolutiva. Si los insectos y los vertebrados evolucionaron independientemente circuitos de memoria de trabajo, la evolución convergente sería una explicación. Pero una alternativa es más provocadora: quizás el ancestro común de los animales bilaterales, que vivió hace más de 500 millones de años, ya poseía un circuito de navegación capaz de estos cálculos. En ese caso, el cerebro de la mosca no es una aproximación reducida de un cerebro de mamífero. Es un arquetipo conservado, un diseño que ha funcionado durante quinientos millones de años.
Para la inteligencia artificial y la computación neuromórfica, las implicaciones son igualmente significativas. Los sistemas de IA actuales que realizan memoria de trabajo y acumulación de evidencia generalmente requieren grandes redes neuronales recurrentes o arquitecturas de transformadores con millones o miles de millones de parámetros. La mosca demuestra que los mismos cálculos pueden lograrse con una eficiencia extrema. Una población de neuronas locales que abarque unas pocas columnas de un chip neuromórfico podría, en principio, replicar la función.
El hecho de que tanto la memoria de trabajo como la integración de evidencia se colocalicen en la misma población neuronal es particularmente sorprendente. En el cerebro de los vertebrados, estos procesos se distribuyen en diferentes regiones y tipos celulares. La mosca los comprime en un único módulo compacto. Comprender cómo funciona ese módulo a nivel de circuito podría inspirar nuevas arquitecturas para sistemas de IA incorporados que deben navegar entornos del mundo real con datos sensoriales ruidosos e intermitentes.
El artículo de Nature Communications, respaldado por la Iniciativa Cerebral NINDS, la NIDCD y la Fundación Nacional de Ciencias, es un recordatorio de que la brecha entre la cognición de insectos y mamíferos puede ser más estrecha de lo que parece. Una mosca no piensa en ningún sentido que reconozcamos. Pero recuerda hacia dónde va. Acumula evidencia. Toma decisiones de navegación. Y hace todo esto con un cerebro que podría caber dentro del punto al final de esta oración. Quizás la pregunta no es cuánto cerebro se necesita para la cognición, sino cuán poco.
Traducido por Alessandra
Referencias
Kathman, N.D., Lanz, A.J., Freed, J.D., & Nagel, K.I. (2026). Neural dynamics for working memory and evidence integration in the Drosophila navigation center. Nature Communications. DOI: 10.1038/s41467-026-75945-2