Durante las últimas semanas las redes sociales han convertido un nuevo hito científico en una historia irresistible: Google DeepMind habría «digitalizado» el cerebro de una mosca de la fruta y, poco después, alguien lo habría puesto a jugar a Doom. La realidad es menos cinematográfica, pero científicamente mucho más interesante.
El trabajo no procede exactamente de DeepMind. Está liderado por el HHMI Janelia Research Campus, con la colaboración de Google Research, la Universidad de Cambridge, el MRC Laboratory of Molecular Biology y otros equipos. El resultado, publicado en Cell el 3 de septiembre de 2026, es el connectoma completo del sistema nervioso central de una mosca de la fruta macho adulta.
Hablamos de 166.691 neuronas, alrededor de 125 millones de sinapsis y 11.691 tipos celulares anotados. El mapa incluye el cerebro central, los dos lóbulos ópticos y el cordón nervioso ventral, una estructura que desempeña funciones comparables a las de la médula espinal. Eso permite seguir circuitos completos desde una entrada visual, olfativa o auditiva hasta las neuronas que participan en el movimiento.
Lo que no tenemos es una copia funcional de la mente de una mosca. Un connectoma describe el cableado pero no captura por sí solo toda la actividad eléctrica, química y plástica que hace funcionar el sistema. Entender esa diferencia es esencial para apreciar el logro sin convertirlo en ciencia ficción.
Qué es un connectoma
Un connectoma es un mapa de las neuronas y de las conexiones sinápticas que existen entre ellas. Puede representarse como un grafo: cada neurona es un nodo y cada conexión forma una arista dirigida y ponderada. La dirección indica por dónde puede circular la señal y el peso puede aproximarse mediante el número de sinapsis observadas entre dos células.
La analogía con un esquema electrónico es útil, siempre que no la llevemos demasiado lejos. Si tuviéramos el plano completo de una tarjeta gráfica, con todos sus transistores y conexiones, conoceríamos una parte fundamental del dispositivo. Sin embargo, el plano no ejecutaría un videojuego por sí mismo. También necesitaríamos sus propiedades eléctricas, estados, temporización, firmware y señales de entrada.
En un cerebro ocurre algo parecido, con una dificultad añadida: las conexiones biológicas cambian y su efecto depende del contexto. La respuesta de una neurona no está determinada únicamente por la existencia de una sinapsis. Influyen la fuerza de esa conexión, el neurotransmisor, la neuromodulación, la actividad previa, el estado interno del animal, la plasticidad y otros procesos bioquímicos.
Tip técnico: cuando leas que se ha «mapeado un cerebro», comprueba la escala del mapa. No es lo mismo identificar grandes regiones mediante resonancia magnética que reconstruir neuronas individuales o resolver sinapsis mediante microscopía electrónica. Este trabajo pertenece al nivel sináptico, extraordinariamente detallado, pero sigue siendo un mapa estructural.
Qué han mapeado realmente
El conjunto MaleCNS v1.0 contiene 166.691 neuronas que recorren todo el sistema nervioso central del ejemplar estudiado. Además de las estructuras cerebrales, conserva el conector del cuello y el cordón nervioso ventral. Esta continuidad es la que permite analizar rutas sensoriomotoras de extremo a extremo.
En términos sencillos, un investigador puede partir de los fotorreceptores y seguir el camino de la información por el sistema visual, el cerebro y las neuronas descendentes hasta los circuitos motores. El artículo muestra este tipo de flujo para distintas modalidades sensoriales y grupos motores. Ya no se estudian únicamente piezas aisladas, sino cómo se encadenan dentro del sistema completo.
El mapa también está densamente anotado. Los autores clasificaron 11.691 tipos neuronales e incorporaron información relacionada con la expresión de genes como fruitless y doublesex, importantes para estudiar diferencias sexuales de comportamiento. Un montón de líneas sin identificar sería difícil de interpretar; las anotaciones convierten el grafo en un recurso donde formular y contrastar preguntas biológicas.
El dataset se ha publicado para su exploración y descarga. Herramientas como Neuroglancer y neuPrint permiten visualizar neuronas, consultar conexiones y trabajar programáticamente con los datos. Su valor no reside solo en el artículo inicial, sino en los experimentos que otros equipos podrán diseñar a partir de él.
Tip técnico: en un grafo neuronal, «125 millones de sinapsis» no significa necesariamente 125 millones de parejas distintas de neuronas. Dos células pueden estar unidas mediante varias sinapsis. Conviene distinguir entre contactos sinápticos, conexiones entre pares de neuronas y conexiones filtradas por un umbral de confianza.
Cómo se reconstruye un sistema nervioso entero
El proceso empieza mucho antes de la inteligencia artificial. El equipo seleccionó un sistema nervioso bien conservado, lo fijó, tiñó y dividió en 66 láminas de 20 micrómetros mediante una técnica de corte denominada hot knife. Siete microscopios electrónicos FIB-SEM trabajaron durante aproximadamente un año para capturar el volumen.
El resultado fue una colección de 160 teravóxeles con una resolución isotrópica de 8 nanómetros. Cada vóxel representa el mismo tamaño en los tres ejes, algo especialmente valioso para seguir prolongaciones neuronales que cambian de dirección. Las imágenes cubren un volumen total de 0,082 milímetros cúbicos, de los cuales 0,054 contienen tejido.
Después llega uno de los problemas computacionales más difíciles: averiguar qué fragmentos observados en millones de imágenes pertenecen a la misma neurona. Google Research lleva años desarrollando sistemas de IA para esta tarea. Entre ellos se encuentran las flood-filling networks, redes convolucionales que parten de una región y predicen qué píxeles forman parte del mismo objeto tridimensional.
La secuencia general puede resumirse así: microscopía electrónica, alineación de imágenes, segmentación asistida por IA, reconstrucción tridimensional, detección de sinapsis, unión de fragmentos, anotación y revisión. La automatización hace viable una escala que sería inabordable desde cero de forma manual, pero no elimina el trabajo humano.
La revisión y corrección del resultado supuso el equivalente a unos 44 años-persona de trabajo. Esta cifra desmonta otra lectura frecuente: la IA no «descubrió sola» el cerebro. El connectoma es el producto de una cadena formada por instrumentación especializada, algoritmos, infraestructura de datos y neuroanatomistas que comprobaron y corrigieron los resultados.
Tip técnico: la segmentación es un punto crítico porque un error puede fusionar dos neuronas o cortar una en varios fragmentos. En datos conectómicos no basta con medir la precisión media por píxel: hay que vigilar errores topológicos capaces de alterar el recorrido completo de un axón.
No es la primera mosca mapeada
El titular «por primera vez se ha mapeado el cerebro de una mosca» tampoco es correcto. En 2024, el consorcio FlyWire publicó en Nature el connectoma del cerebro de una hembra adulta, con 139.255 neuronas y 54,5 millones de sinapsis. Aquel trabajo fue ya el primer diagrama completo de un cerebro adulto de esta complejidad.
El avance de 2026 aporta dos novedades principales. La primera es anatómica: MaleCNS incluye tanto el cerebro como el cordón nervioso ventral unidos por el cuello. La segunda es comparativa: por primera vez puede contrastarse a resolución sináptica la arquitectura cerebral de machos y hembras adultos.
Los autores identificaron 7.205 tipos isomorfos, 114 sexualmente dimórficos, 262 específicos del macho y 69 específicos de la hembra. Los tipos dimórficos aparecen en ambos sexos, pero difieren en su morfología o conectividad. Los específicos solo se encuentran en uno de los dos mapas comparados.
La mayor parte del sistema es similar. Las diferencias se concentran en centros cerebrales de orden superior, mientras que la periferia sensorial y motora resulta mucho más parecida. Es una observación poderosa: modificaciones relativamente pequeñas y localizadas pueden propagarse por la red y contribuir a comportamientos muy distintos, como el cortejo, la respuesta al canto o la agresión.
Tip técnico: comparar dos connectomas no equivale a aislar automáticamente una diferencia sexual universal. Cada mapa procede de un individuo y contiene variabilidad biológica y técnica. Las coincidencias con genética, anatomía y experimentos funcionales son las que permiten pasar de una diferencia observada a una explicación más sólida.
Del connectoma al funcionamiento: la pieza que todavía falta
El connectoma responde sobre todo a la pregunta «quién está conectado con quién». Para explicar el comportamiento necesitamos además saber «qué efecto produce cada conexión y cómo cambia con el tiempo». Esa capa funcional se ha descrito en ocasiones como effectome.
Una misma arquitectura puede producir dinámicas diferentes según la fuerza de las sinapsis, los neurotransmisores, las reglas de plasticidad y el estado del sistema. Algunas conexiones excitan, otras inhiben y muchas modifican su influencia según la experiencia o la neuromodulación. Incluso con todos esos parámetros, todavía habría que modelar el cuerpo y el entorno que cierran el bucle de percepción y acción.
Por eso un connectoma no es una copia mental, del mismo modo que una secuencia de ADN no es un organismo ejecutándose. Es una infraestructura experimental. Permite formular hipótesis mucho más precisas, localizar circuitos candidatos y decidir qué neuronas manipular o medir en un animal vivo.
Esta distinción conecta con la computación neuromórfica, aunque no sean lo mismo. Los chips neuromórficos se inspiran en principios del procesamiento neuronal; el nuevo mapa describe el cableado concreto de un organismo. En el futuro, ambas líneas pueden encontrarse en simulaciones más eficientes y modelos computacionales mejor fundamentados biológicamente.
Tip técnico: para simular un connectoma hay que declarar las hipótesis que completan la información ausente: modelo de neurona, constantes temporales, pesos, signos de las conexiones, retardos, entradas sensoriales y reglas de aprendizaje. Cambiar una de ellas puede modificar el resultado aunque el cableado sea idéntico.
¿Han puesto el cerebro de una mosca a jugar a Doom?
Pocos días después de difundirse el dataset, varios desarrolladores comenzaron a conectarlo con videojuegos. El proyecto abierto DOOMFLY es el ejemplo más conocido. Cada fotograma del juego se transforma en estimulación para neuronas visuales modeladas, la actividad se propaga por una versión simulada del grafo y determinadas neuronas descendentes se traducen en órdenes como girar, avanzar o disparar.
Es un experimento creativo y técnicamente interesante, pero no es «una mosca jugando a Doom». El cableado parte de una reconstrucción biológica, mientras que la dinámica neuronal, la retina simulada, el refuerzo y la interfaz entre neuronas y botones son decisiones de ingeniería. Los propios autores advierten que esas asignaciones de control no representan funciones motoras naturales demostradas.
La versión documentada utiliza 166.700 neuronas retenidas y 25.582.938 conexiones dirigidas. Sin embargo, que el grafo completo participe en el cálculo tampoco prueba que su estructura sea necesaria para el comportamiento observado. Harían falta controles, como comparar el resultado con una red recableada aleatoriamente, modelos más pequeños o interfaces alternativas.
El repositorio es especialmente honesto en otro punto: no se ha demostrado aprendizaje de supervivencia. Una ejecución vistosa o una ronda más larga no bastan para demostrar que el sistema aprende. Se necesitan condiciones de control, métricas previas, repetición y comparación con hipótesis alternativas.
Tip técnico: ante una demostración de «cerebro biológico en un videojuego», busca tres fronteras: cómo se codifica la entrada, qué modelo hace evolucionar las neuronas y cómo se decodifica la salida. Si esas interfaces están diseñadas a mano, forman parte esencial del agente y no pueden atribuirse al connectoma.
Por qué el hito sí es revolucionario
La mosca de la fruta puede aprender, recordar, navegar, volar, cortejar e integrar distintas señales sensoriales. Es muchísimo más compleja que Caenorhabditis elegans, el gusano cuyo sistema nervioso adulto cuenta con 302 neuronas y que durante décadas fue el gran referente de la conectómica completa.
Disponer del sistema nervioso de una mosca a resolución sináptica permite relacionar genética, estructura, actividad y comportamiento en un organismo para el que ya existen numerosas herramientas experimentales. Un circuito sugerido por el mapa puede someterse después a pruebas mediante registro de actividad, activación, inhibición o modificación genética de neuronas concretas.
Además, el mapa es reutilizable. Tres trabajos complementarios publicados junto al connectoma ya lo aplican al sistema visual, el gusto y el comportamiento social. Otros investigadores podrán estudiar navegación, memoria, selección de acciones o los efectos de una alteración sobre rutas enteras.
La relación con la inteligencia artificial funciona en dos direcciones. La IA ha permitido reconstruir y manejar el mapa; a su vez, los circuitos biológicos pueden inspirar nuevas hipótesis sobre percepción, aprendizaje eficiente y control. Esta intersección, denominada a menudo NeuroAI, no consiste en copiar superficialmente neuronas, sino en comparar mecanismos y comprobar qué principios se trasladan realmente a sistemas artificiales.
El avance también recuerda que la innovación científica rara vez tiene un único protagonista. Google Research aportó técnicas computacionales fundamentales, pero el proyecto combina una década de trabajo entre biólogos, microscopistas, especialistas en datos, desarrolladores y anotadores humanos. Reducirlo a «DeepMind ha mapeado una mosca» borra precisamente la parte que explica cómo fue posible.
¿Y el cerebro humano?
El salto de escala es brutal. El cerebro humano contiene alrededor de 86.000 millones de neuronas, aproximadamente medio millón de veces más que este sistema nervioso de mosca, además de un número inmenso de sinapsis. Las técnicas actuales tampoco pueden procesar un cerebro humano completo con esta resolución.
Para comprender la magnitud del problema basta recordar que una reconstrucción publicada en 2024 de solo un milímetro cúbico de corteza humana produjo alrededor de 1,4 petabytes de datos. Escalar linealmente no resolvería todos los obstáculos: habría que adquirir, almacenar, segmentar, corregir y analizar un volumen incomparablemente mayor.
La progresión real pasa por organismos y regiones intermedias. Google Research y otros grupos trabajan en pez cebra, cerebros de peces y fragmentos de cerebro de ratón. Algunos datasets empiezan además a combinar estructura con actividad neuronal en el mismo ejemplar, un paso decisivo para tender puentes entre el connectoma estático y la dinámica.
Esto tampoco significa que el objetivo final deba ser necesariamente reconstruir cada sinapsis humana. Dependiendo de la pregunta clínica o científica, un mapa a otra escala puede resultar más útil. La resolución adecuada no es siempre la máxima, sino la que permite explicar o intervenir en el fenómeno estudiado.
Fuentes
- Sexual dimorphism in the complete connectome of the Drosophila male central nervous system, Cell, 3 de septiembre de 2026.
- Google Research: A connectomics milestone: Mapping the complete male fruit fly brain, 3 de septiembre de 2026.
- HHMI Janelia: Male CNS Connectome.
- Neuronal wiring diagram of an adult brain, Nature, 2024.
- DOOMFLY: repositorio, metodología, limitaciones y resultados negativos.
Deja una respuesta