Las interacciones competitivas modelan la dinámica y el cómputo de las redes cerebrales de mamíferos

Por qué importa para entender la mente

Los cerebros suelen representarse como redes armoniosas de actividad, con regiones que colaboran para pensar, sentir y actuar. Pero los cerebros reales también están llenos de empujes y tirones: algunas áreas se potencian mutuamente, mientras que otras tiran en direcciones opuestas. Este estudio pregunta cómo esa pugna oculta configura el funcionamiento real de los cerebros de mamíferos —incluidos humanos, macacos y ratones— y muestra que la competencia entre regiones cerebrales no es un fallo sino una característica vital que hace la actividad cerebral más realista, más individual y más capaz de realizar cómputos complejos.

Cómo el cableado cerebral guía la cooperación y la rivalidad

Los autores parten de un rompecabezas simple: el diagrama estructural del cerebro, o conectoma, nos indica sobre todo por dónde pasan las fibras, no si esas conexiones actúan como ayudantes amistosos o como rivales. La mayoría de los modelos cerebrales a gran escala asumen implícitamente que si una región conectada se activa más, tiende a aumentar la actividad de sus compañeras. Sin embargo, la biología está llena de interacciones competitivas —desde neuronas inhibitorias en circuitos locales hasta mecanismos de retroalimentación equilibradora en ecosistemas y redes sociales. El equipo construye por tanto un modelo de todo el cerebro que puede asignar a cada conexión de largo alcance una influencia positiva (cooperativa) o negativa (competitiva) y pregunta qué mezcla reproduce mejor los patrones reales de actividad medidos con resonancia funcional en humanos, macacos y ratones.

Construir cerebros virtuales a partir de anatomía real

Para ello, los investigadores emplean una herramienta matemática estándar en la neurociencia de redes: un conjunto de osciladores no lineales en el umbral de bifurcación, uno por región cerebral. Estos osciladores producen de forma natural señales fluctuantes y rítmicas similares a las ondas lentas observadas en fMRI, ni completamente ruidosas ni perfectamente regulares. Acoplan los osciladores según las conexiones estructurales de cada especie —a partir de difusión en humanos, datos de macaco que combinan trazado de tractos e imágenes, y trazado de tractos puro en ratones— y luego ajustan de forma iterativa la fuerza y el signo de esos enlaces existentes para que la actividad simulada coincida con los patrones observados de coactivación a lo largo del tiempo. El resultado es una matriz de “conectividad generativa”: una versión funcionalizada del diagrama de cableado que captura cómo debe ponderarse la estructura para dar lugar a la dinámica del cerebro vivo.

La competencia emerge como un ingrediente necesario

Cuando el modelo puede usar influencias negativas además de positivas, lo hace con entusiasmo. Entre especies, aproximadamente entre una cuarta parte y dos quintas partes de las conexiones efectivas se vuelven competitivas. Estos enlaces negativos no están repartidos al azar: tienden a ser más débiles, de mayor alcance y menos agrupados que los cooperativos, formando una red difusa que atraviesa las comunidades positivas más modulares. Eliminarlos degrada rápidamente el ajuste del modelo con los datos reales. Con la competencia incluida, la similitud entre la conectividad funcional simulada y la empírica aumenta de forma dramática, alcanzando correlaciones de hasta 0,95 en ratones y más que duplicándose en humanos en comparación con un modelo solo positivo. El modelo mejorado también produce niveles realistas de anticorrelación entre regiones, reproduciendo los patrones en balancín ampliamente observados en escáneres cerebrales.

La competencia se alinea con profundas diferencias biológicas

El equipo preguntó después si la ubicación de los enlaces competitivos refleja una organización biológica más profunda. Compararon dónde caen las conexiones negativas del modelo con mapas de numerosos rasgos corticales, incluyendo tipos celulares, expresión génica, distribución de receptores, microestructura y mielinización. En humanos, macacos y ratones, los enlaces competitivos tienden a unir regiones situadas en extremos opuestos de estos gradientes biológicos —por ejemplo, áreas ricas en un tipo de interneurona inhibitoria frente a áreas ricas en otro tipo, o zonas sensoriales altamente mielinizadas frente a cortezas asociativas transmodales. En efecto, la pugna a gran escala es más intensa entre territorios corticales construidos y afinados de forma muy distinta, lo que sugiere que la competencia macroscópica está anclada en contrastes moleculares y celulares conservados.

Dinámicas más ricas y cerebros más individuales

Incluir la competencia hace más que mejorar instantáneas estáticas de conectividad. Cuando los modelos ajustados se ejecutan hacia adelante para generar actividad cerebral sintética, la versión cooperativa-competitiva muestra un comportamiento temporal más realista. Evita una sincronía global irrealmente alta y, en cambio, deambula por un régimen equilibrado que alterna integración y segregación, una propiedad conocida como metastabilidad. También exhibe una jerarquía más marcada, donde algunas regiones están mejor situadas para desencadenar cascadas de actividad de amplio alcance o para enviar más información de la que reciben. Las medidas de información sinérgica —la idea de que pares de regiones juntas llevan más poder predictivo que cada una por separado— aumentan hacia niveles empíricos. Crucialmente, estas mejoras no fueron objetivo explícito durante el ajuste; emergen de forma natural cuando se permiten interacciones competitivas.

De la actividad realista al cómputo y la cognición

Puesto que no hay dos cerebros exactamente iguales, un modelo convincente debe ser fiel y personal. Los modelos cooperativo-competitivos resultaron ser más “huellables”: se ajustan mejor a la conectividad de cada individuo que a la de otros y sufren una caída mayor en precisión cuando se aplican al sujeto equivocado, tanto en humanos como en macacos y ratones. En humanos, los autores también probaron cuán bien los patrones instantáneos de actividad del modelo coincidían con grandes bases de datos de mapas cerebrales vinculados a funciones mentales específicas, como atención o memoria. Los modelos con competencia produjeron patrones espontáneos que se parecían más a esos circuitos cognitivos canónicos, lo que implica dinámicas de reposo más “mentales”. Finalmente, cuando las redes derivadas del modelo se usaron como cableado en sistemas artificiales de “computación en reservorio” que realizaban una tarea de memoria, aquellos con enlaces competitivos mostraron mayor capacidad computacional, reteniendo mejor entradas pasadas.

Qué significa esto para entender cerebros y construir modelos

En términos simples, el estudio muestra que el cerebro de los mamíferos funciona mejor en un filo entre cooperación y competencia. Vínculos positivos fuertes y locales unen regiones cercanas en módulos especializados, mientras que vínculos negativos más débiles y de largo alcance enfrentan a distintos sistemas, estructurando el flujo de información a lo largo de la corteza. Esta arquitectura no solo reproduce las rarezas detalladas de cerebros individuales, sino que además genera de forma natural dinámicas diversas, jerárquicas y con gran poder computacional. Para la modelización futura del cerebro —ya sea para entender la conciencia, simular enfermedades o diseñar ordenadores neuromórficos— el mensaje es claro: omitir la competencia a gran escala equivale a dejar fuera un principio central de cómo los cerebros reales calculan.

Cita: Luppi, A.I., Sanz Perl, Y., Vohryzek, J. et al. Competitive interactions shape mammalian brain network dynamics and computation. Nat Neurosci 29, 915–933 (2026). https://doi.org/10.1038/s41593-026-02205-3

Palabras clave: redes cerebrales, competencia neuronal, modelado del conectoma, conectividad funcional, computación neuromórfica