Print Friendly, PDF & Email

Una fetta di pizza appiccicosa. Un mucchio di patatine fritte croccanti. Gelato che gocciola da un cono in una calda giornata estiva. Quando si guardi una di questi alimenti, una parte specializzata della corteccia visiva si illumina, secondo un nuovo studio dei neuroscienziati del MIT.

Questa popolazione di neuroni sensibili al cibo, scoperta di recente, si trova nel flusso visivo ventrale, insieme a popolazioni che rispondono specificamente a volti, corpi, luoghi e parole. La scoperta inaspettata potrebbe riflettere il significato speciale del cibo nella cultura umana, affermano i ricercatori.

“Il cibo è fondamentale per le interazioni sociali umane e le pratiche culturali. Non è solo sostentamento”, afferma Nancy Kanwisher, professore di neuroscienze cognitive di Walter A. Rosenblith e membro del McGovern Institute for Brain Research and Center for Brains, Minds, and Machines del MIT. “Il cibo è fondamentale per tanti elementi della nostra identità culturale, pratica religiosa, interazioni sociali e molte altre cose che fanno gli esseri umani”.

I risultati, basati su un’analisi di un ampio database pubblico di risposte del cervello umano a un set di 10.000 immagini, sollevano molte altre domande su come e perché si sviluppa questa popolazione neurale. In studi futuri, i ricercatori sperano di esplorare in che modo le risposte delle persone a determinati alimenti potrebbero differire a seconda delle loro preferenze e antipatie o della loro familiarità con determinati tipi di cibo.

Il postdoc del MIT Meenakshi Khosla è l’autore principale del documento, insieme al ricercatore del MIT N. Apurva Ratan Murty. Lo studio appare sulla rivista “Current Biology”

Più di 20 anni fa, mentre studiava il flusso visivo ventrale, la parte del cervello che riconosce gli oggetti, Kanwisher scoprì regioni corticali che rispondono selettivamente ai volti. Più tardi, lei e altri scienziati hanno scoperto altre regioni che rispondono in modo selettivo a luoghi, corpi o parole. La maggior parte di queste aree è stata scoperta quando i ricercatori hanno deciso di cercarle. Tuttavia, quell’approccio basato su ipotesi può limitare ciò che si finisce per trovare, dice Kanwisher.

“Potrebbero esserci altre cose che potremmo non pensare di cercare”, dice. “E anche quando troviamo qualcosa, come facciamo a sapere che in realtà fa parte della struttura dominante di base di quel percorso, e non qualcosa che abbiamo trovato solo perché lo stavamo cercando?”

Per cercare di scoprire la struttura fondamentale del flusso visivo ventrale, Kanwisher e Khosla hanno deciso di analizzare un ampio set di dati pubblicamente disponibile di risposte di risonanza magnetica funzionale dell’intero cervello da otto soggetti umani mentre osservavano migliaia di immagini.

“Volevamo vedere quando applichiamo una strategia basata sui dati e priva di ipotesi, quali tipi di selettività si verificano e se sono coerenti con quanto scoperto in precedenza. Un secondo obiettivo era vedere se potevamo scoprire nuove selettività che non erano state ipotizzate prima o che sono rimaste nascoste a causa della minore risoluzione spaziale dei dati fMRI”, afferma Khosla.

Per fare ciò, i ricercatori hanno applicato un metodo matematico che consente loro di scoprire popolazioni neurali che non possono essere identificate dai tradizionali dati fMRI. Un’immagine fMRI è composta da molti voxel, unità tridimensionali che rappresentano un cubo di tessuto cerebrale. Ogni voxel contiene centinaia di migliaia di neuroni e se alcuni di questi neuroni appartengono a popolazioni più piccole che rispondono a un tipo di input visivo, le loro risposte potrebbero essere soffocate da altre popolazioni all’interno dello stesso voxel.

Il nuovo metodo analitico, che il laboratorio di Kanwisher ha precedentemente utilizzato sui dati fMRI dalla corteccia uditiva, può stuzzicare le risposte delle popolazioni neurali all’interno di ciascun voxel dei dati fMRI.

Utilizzando questo approccio, i ricercatori hanno trovato quattro popolazioni che corrispondevano a gruppi precedentemente identificati che rispondono a volti, luoghi, corpi e parole. “Questo ci dice che questo metodo funziona e ci dice che le cose che abbiamo trovato prima non sono solo proprietà oscure di quel percorso, ma proprietà principali e dominanti”, dice Kanwisher.

È interessante notare che è emersa anche una quinta popolazione, e questa sembrava essere selettiva per le immagini del cibo.

“All’inizio siamo rimasti piuttosto perplessi perché il cibo non è una categoria visivamente omogenea”, afferma Khosla. “Cose come mele, mais e pasta sembrano tutte così diverse l’una dall’altra, eppure abbiamo trovato un’unica popolazione che risponde in modo simile a tutti questi diversi prodotti alimentari”.

La popolazione alimentare specifica, che i ricercatori chiamano la componente alimentare ventrale, sembra essere distribuita su due gruppi di neuroni, situati su entrambi i lati dell’FFA. Il fatto che le popolazioni specifiche del cibo siano distribuite tra altre popolazioni specifiche della categoria può aiutare a spiegare perché non sono state viste prima, affermano i ricercatori.

“Pensiamo che la selettività alimentare fosse stata più difficile da caratterizzare prima perché le popolazioni selettive per il cibo si mescolano con altre popolazioni vicine che hanno risposte distinte ad altri attributi di stimolo. La bassa risoluzione spaziale della fMRI ci impedisce di vedere questa selettività perché le risposte di diverse popolazioni neurali si mescolano in un voxel”, afferma Khosla.

“La tecnica utilizzata dai ricercatori per identificare le cellule o le aree sensibili alla categoria è impressionante e ha recuperato i sistemi noti sensibili alla categoria, rendendo i risultati della categoria alimentare più impressionanti”, afferma Paul Rozin, professore di psicologia all’Università della Pennsylvania. che non è stato coinvolto nello studio. “Non riesco a immaginare un modo in cui il cervello identifichi in modo affidabile la diversità degli alimenti in base alle caratteristiche sensoriali. Ciò rende tutto ciò ancora più affascinante e probabilmente ci indicherà qualcosa di veramente nuovo.

I ricercatori hanno anche utilizzato i dati per addestrare un modello computazionale del VFC, basato su modelli precedenti che Murty aveva sviluppato per le aree di riconoscimento del viso e del luogo del cervello. Ciò ha consentito ai ricercatori di eseguire ulteriori esperimenti e prevedere le risposte del VFC. In un esperimento, hanno fornito al modello immagini abbinate di prodotti alimentari e non alimentari che sembravano molto simili, ad esempio una banana e una falce di luna gialla.

“Quegli stimoli abbinati hanno proprietà visive molto simili, ma l’attributo principale in cui differiscono è commestibile rispetto a non commestibile”, afferma Khosla. “Potremmo alimentare quegli stimoli arbitrari attraverso il modello predittivo e vedere se risponderebbe ancora più al cibo che al non, senza dover raccogliere i dati fMRI”.

Potrebbero anche utilizzare il modello computazionale per analizzare set di dati molto più grandi, costituiti da milioni di immagini. Tali simulazioni hanno contribuito a confermare che il VFC è altamente selettivo per le immagini di cibo.

Dalla loro analisi dei dati fMRI umani, i ricercatori hanno scoperto che in alcuni soggetti il ​​VFC rispondeva leggermente di più agli alimenti trasformati come la pizza rispetto agli alimenti non trasformati come le mele. In futuro sperano di esplorare come fattori come la familiarità e la simpatia o antipatia per un particolare alimento potrebbero influenzare le risposte degli individui a quel cibo.

Sperano anche di studiare quando e come questa regione si specializza durante la prima infanzia e con quali altre parti del cervello comunica. Un’altra domanda è se questa popolazione selettiva per il cibo sarà vista in altri animali come le scimmie, che non attribuiscono al cibo il significato culturale che gli umani fanno.