El connectoma completo de la mosca macho es un mapa experimental, no una simulación

La publicación en Cell del connectoma completo del sistema nervioso central de una mosca de la fruta macho pone una cifra incómoda y útil junto a la promesa de automatizar la ciencia: 44 años-persona. Eso es lo que el equipo estima que costó revisar la segmentación producida por máquinas antes de convertir imágenes de microscopio en un mapa neuronal utilizable.

No es correcto contar el 3 de septiembre como el día en que apareció de repente todo el mapa. El preprint se publicó en 2025 y la versión 1.0 del conjunto de datos estaba disponible desde junio de 2026. La novedad de esta semana es su publicación formal, acompañada por estudios que ya emplean el recurso para seguir circuitos visuales y gustativos. Es una buena ocasión para mirar el resultado completo, porque muestra una forma de avance por IA menos vistosa que un modelo generativo y probablemente más duradera: ampliar qué instrumento científico se puede construir.

El punto de partida fueron 160 billones de vóxeles obtenidos a ocho nanómetros de resolución isotrópica. Siete microscopios electrónicos de barrido con haz de iones trabajaron durante trece meses sobre un único sistema nervioso, desde el cerebro y los lóbulos ópticos hasta el cordón nervioso ventral, equivalente funcional aproximado de la médula espinal. Redes neuronales de llenado por inundación convirtieron ese volumen de imágenes planas en fragmentos tridimensionales de neuronas, y otros modelos localizaron sinapsis y predijeron neurotransmisores.

La salida automática no era todavía un connectoma terminado. La detección de sinapsis alcanzó en la evaluación del equipo una precisión media de 0,82 y una exhaustividad de 0,81: suficiente para acelerar el trabajo, no para aceptar cada enlace sin examen. Especialistas buscaron uniones falsas, ensamblaron fragmentos separados, compararon neuronas homólogas y asignaron tipos. Los autores calculan 44 años-persona de revisión manual, realizada en paralelo por un equipo formado para esta tarea.

Una segunda capa de aprendizaje automático, AutoProof, aprendió de esas decisiones humanas y aceptó de forma automática unas 200.000 propuestas de unión muy conservadoras. Su umbral se eligió para una tasa de error estimada cercana al 3%; añadió 1,3 puntos porcentuales a la completitud de las conexiones y ahorró el equivalente aproximado de otros cuatro años-persona. No sustituyó la revisión: reutilizó su rastro para ocuparse de una franja de fragmentos pequeños.

Qué contiene «completo»

El recurso final identifica y anota 166.691 neuronas, incluidas las prolongaciones sensoriales, y las organiza en 11.691 tipos. Une por primera vez en un macho el cerebro, los lóbulos ópticos y el cordón nervioso sin romper el conectivo del cuello. Investigadores pueden consultarlo en neuPrint, explorarlo en Neuroglancer o descargar imágenes, segmentaciones, tablas de conectividad y anotaciones con licencia CC BY. Esa disponibilidad transforma una publicación en infraestructura: otra persona puede partir de una neurona sensorial y buscar rutas hasta una salida motora, en vez de reconstruir cada tramo desde cero.

Pero «completo» es un término técnico, no la ausencia de huecos. El equipo revisó todos los fragmentos automáticos con más de cien conexiones sinápticas y vinculó a neuronas revisadas el 94% de los sitios presinápticos y el 42% de los postsinápticos en las regiones neuropilares. Cuando se exige que ambos extremos de una conexión pertenezcan a neuronas trazadas, la completitud global es del 40,1%. Quedan millones de fragmentos huérfanos, en su inmensa mayoría diminutos, y algunos perfiles no pudieron reconstruirse por artefactos de la muestra. El mapa puede estar acabado según un criterio declarado y seguir conservando incertidumbre local.

Esta precisión importa al interpretar la comparación entre sexos. Al cotejar el cerebro macho con connectomas hembra previos, los autores encontraron 7.205 tipos isomorfos, 114 dimórficos, 262 específicos del macho y 69 específicos de la hembra. Los elementos distintos se concentran en centros cerebrales superiores, mientras que la periferia sensorial y motora es mayoritariamente similar. Además, las diferencias se propagan: una fracción pequeña de tipos distintos puede modificar conexiones en una región mucho mayor de la red.

Es un hallazgo anatómico potente, no una estimación poblacional. El ejemplar macho es uno y las comparaciones emplean otros individuos y otros conjuntos de datos. El análisis intenta separar variación técnica, diferencias entre individuos y dimorfismo mediante emparejamiento, estadística y revisión experta, pero no puede convertir esas muestras en una distribución de toda la especie. Las rutas que sugiere deben probarse en animales.

Los artículos acompañantes enseñan para qué sirve ya esa transición. Uno sigue la información desde los fotorreceptores y concluye que más de la mitad de los tipos neuronales del cerebro central recibe señal visual propagada; sus predicciones concuerdan con datos fisiológicos disponibles y ofrecen blancos para medir los miles de tipos aún no caracterizados. Otro reconstruye circuitos del gusto hasta salidas de alimentación, búsqueda, regulación endocrina y conducta social. El connectoma cambia la pregunta experimental de «¿por dónde empiezo?» a «¿cuál de estas rutas debo perturbar?».

Ahí está también su límite. Un diagrama de cableado no contiene por sí solo la fuerza dinámica de cada sinapsis, el estado interno del animal, la modulación química, el aprendizaje ni la actividad que acompaña a una decisión. Tampoco es un cerebro digital ejecutable. Permite generar hipótesis estructurales con una cobertura antes imposible; la causalidad sigue necesitando registro, intervención y conducta.

Mi lectura es que este proyecto describe mejor el futuro inmediato de la IA científica que la idea de un agente aislado «haciendo descubrimientos». La capacidad nueva emerge de una cadena: instrumentación especializada, modelos que reducen un espacio de búsqueda inmenso, expertos que corrigen y tipifican, un archivo consultable y laboratorios que ponen a prueba las rutas resultantes. La automatización más valiosa no elimina cada cuello de botella; convierte uno imposible —seguir manualmente todos los píxeles— en otro abordable —decidir qué errores y circuitos merecen atención humana—.

La cifra de 44 años-persona no desmiente el papel de la IA. Explica por qué fue necesaria y, a la vez, por qué «automatizado» sería una descripción incompleta. El indicador importante para el próximo connectoma no será sólo cuántas neuronas segmenta un modelo, sino qué completitud obtiene, cuánto trabajo experto desplaza de corrección rutinaria a interpretación y cuántas predicciones sobreviven al experimento. Este mapa ya hace posible formular preguntas a escala de un sistema nervioso entero. Aún no responde por nosotros.

Fuentes

• Berg et al., Sexual dimorphism in the complete connectome of the Drosophila male central nervous system, Cell, 3 de septiembre de 2026.
• HHMI Janelia, Male CNS Connectome: datos, herramientas y documentación, consultado el 8 de septiembre de 2026.
• Google Research, A connectomics milestone: Mapping the complete male fruit fly brain, 3 de septiembre de 2026.
• Nern et al., The organization of visual pathways in the Drosophila brain, Cell, 3 de septiembre de 2026.