Locutor:
Bienvenidos al Instituto Salk Donde comienzan las curas podcast, donde los científicos hablan sobre descubrimientos revolucionarios con sus anfitriones, Allie Akmal y Brittany Fair.

Allie Akmal:
Tanya Sharpee es profesora en el Laboratorio de Neurobiología Computacional de Salk. Utiliza métodos matemáticos, estadísticos y físicos para trazar los principios mediante los cuales los miles de millones de neuronas del cerebro intercambian información y energía. Su trabajo puede volverse bastante teórico, pero lo que lo hace tan intrigante es que se trata de la forma muy concreta en que percibimos nuestro entorno a través de la vista, el oído y el olfato. Dra. Tanya Sharpee, bienvenida a Donde comienzan las curas.

Tanya Sharpe:
Gracias por tenerme aquí.

Allie Akmal:
Creo que una de las primeras conversaciones que tuvimos, te estaba preguntando sobre ese gran debate en Internet sobre si el vestido era azul u dorado, o tal vez era azul y amarillo. No recuerdo los dos colores que la gente vio y vieron. de manera tan diferente y se sentían tan fuertemente al respecto. ¿Puedes hablar sobre eso y qué había detrás de esas diferencias en la percepción?

Tanya Sharpe:
Sí, entonces el problema es que es sorprendente que las diferencias entre la percepción fueran casi en blanco y negro. Entonces, lo que era negro o azul para una persona, era amarillo o blanco para otra. Entonces, ¿cómo podemos estar mirando la misma imagen y percibir un aspecto muy diferente de ella? Y resulta que nuestra percepción está influenciada por nuestra creencia sobre la estructura de la luz, por ejemplo, a nuestro alrededor. Y podemos estar completamente seguros de que esa es la respuesta. Dos personas pueden leer el mismo artículo y formar opiniones completamente diferentes o interpretar esa evidencia de maneras completamente diferentes en función de lo que creen que es cierto o no.

Allie Akmal:
Y en el caso del vestido, cuando hablas de creencias, estas no son creencias conscientes que tiene la gente, sino cálculos que hace su cerebro sobre cómo se ilumina el objeto o de dónde proviene la luz. Ese tipo de cosas.

Tanya Sharpe:
Así es. Eso se basa básicamente en nuestra experiencia con el mundo. Entonces, en el caso del vestido, la explicación fue que si la persona pasa más tiempo adentro o más tiempo al aire libre, tiene diferentes condiciones de iluminación y eso influye en su percepción.

Allie Akmal:
Entonces, si la fotografía se toma afuera, su cerebro hará ciertas suposiciones sobre lo que hará la iluminación y, por lo tanto, cuál será el color del vestido.

Tanya Sharpe:
Eso es correcto.

Allie Akmal:
Bueno. Bueno, eso es absolutamente fascinante.
¿Cómo describiría el campo en el que se encuentra o cuál es su profesión? ¿Eres biólogo? ¿Eres físico? ¿Cómo te describes a ti mismo?

Tanya Sharpe:
Ya sabes, dicen que si le preguntas a un físico, te dirá que todo es física. Si le preguntas a un informático, te dirá que todo es informática. Si le preguntas a un químico y te dirá, bueno, todo es realmente química y todos estos puntos de vista son correctos. Sabes, mi formación fue en física. Así que podría decir que soy un físico que estudia sistemas biológicos. Y esa, probablemente sería la mejor respuesta.

Allie Akmal:
Tu trabajo, si entiendo bien, busca cuantificar la actividad de unas células cerebrales llamadas neuronas para entender mejor cómo funcionan nuestros sentidos, es decir, cómo vemos y oímos las cosas y cómo olemos los olores.

Tanya Sharpe:
Sí. Cómo funciona el cerebro y cuáles son los algoritmos que utiliza. Hay muchas personas en todo el mundo que están trabajando para comprender ese código. Y creo que eso es emocionante.

Allie Akmal:
Bueno, algunas de las aplicaciones de su trabajo son en visión, por ejemplo, para autos sin conductor...

Tanya Sharpe:
Sí, visión artificial, pero también para interfaz cerebro-máquina. Esa es otra área candente de investigación. Entonces, si entendemos más sobre el código neuronal, entonces podemos hacer mejores dispositivos. Así que tuvimos un artículo, en realidad, fue hace casi dos años y medio. Ya sabes, la visión es uno de los misterios del procesamiento sensorial. A pesar de que sabemos más sobre la vista que quizás otros sentidos, pero es el caso que cuanto más sabemos, más nos damos cuenta de que no sabemos, y estábamos tratando de averiguar cómo se unen las diferentes partes de la escena visual, para producir nuestra percepción coherente. Por supuesto que no fue una solución completa al problema, pero, ya sabes, progresamos aclarando cómo se perciben los diferentes tipos de bordes, bordes que se definen por diferencias en la textura, como entre, por ejemplo, puede tener un animal peludo sentado en la rama de un árbol y pueden tener un color similar, pero aún así la textura será diferente y nuestros ojos podrían detectar ese borde. Se llaman aristas de segundo orden.

Y son más difíciles de detectar. Y vimos que las áreas visuales secundarias tienen neuronas que se especializan en eso.

Allie Akmal:
en la comprensión de las diferencias en la textura...

Tanya Sharpe:
O detectando bordes que están definidos por cambios y cambios en la textura.

Allie Akmal:
Entonces, ¿tomas datos de neuronas reales y luego usas métodos estadísticos y algoritmos para organizarlos y de ahí tomar las reglas de cómo pueden estar operando?

Tanya Sharpe:
Ambos. Así que trabajamos en códigos idealizados y es una teoría pura y luego vemos cómo se pueden implementar en el cerebro. Y observamos los datos y vemos cuáles son las propiedades de los modelos que podrían describir mejor las respuestas neuronales, y luego tratamos de hacer coincidir las dos líneas de investigación.

Allie Akmal:
¿Algo así como ver dónde encajan?

Tanya Sharpe:
Sí, quiero decir, es como en un libro de texto, ya sabes, te dan un problema. Y luego, al final hay una solución. Así que estás tratando de resolverlo sin mirar la solución, pero luego, en ocasiones, para problemas difíciles, es posible que quieras mirar la solución al menos, ya sabes, ¿cuál es el número? ¿Obtienes el número correcto? Así es como yo lo veo. Hacemos soluciones teóricas ideales. Y luego miramos en el cerebro para ver qué está pasando y comparamos nuestras soluciones con el tipo de respuestas que proporciona la naturaleza. Entonces, la razón por la que usamos herramientas de la física estadística o la teoría de la información o la estadística en general es que estamos buscando un código ideal que pueda usarse para transformar la información sin pérdida. Y eso puede proporcionarnos una guía para comprender el cerebro, si comprendemos la solución ideal que podrían implementar los circuitos neuronales.

Allie Akmal:
Además de estudiar la visión, Sharpee también estudia el sentido del olfato conocido como olfato.

Tanya Sharpe:
Entonces, uno puede ver el olfato como un sistema de comunicación entre plantas y animales o entre animales y entre sí. Pero es interesante cómo podemos usar las estadísticas de señales en el mundo natural para aprender pistas sobre la organización del sistema nervioso.

Allie Akmal:
Y una de las razones por las que emprendió este estudio fue porque, si no recuerdo mal, dijo que realmente no se puede decir mucho a partir de la estructura de una molécula de olor, a qué va a oler. Así que hay que verlo de otra manera, ¿es correcto?

Tanya Sharpe:
Sí. Entonces pensamos que métodos como los que usamos, o de manera similar se llaman incrustaciones o mapeos de moléculas, asignándoles coordenadas, entonces las coordenadas pueden ser un mejor predictor de cómo pueden oler las cosas que la estructura química en sí.

Allie Akmal:
Entonces, lo que hizo el laboratorio fue usar estadísticas, para mapear combinaciones de olores que se encuentran juntos en la naturaleza. Y las ubicaciones de las coordenadas en el mapa podrían decirles cosas sobre esos olores. Si, por ejemplo, la gente encontraría olores particulares, agradables o desagradables.

Tanya Sharpe:
Entonces, por ejemplo, si olemos comida y necesitamos saber si está en mal estado o no, y necesitamos saber si hay bacterias peligrosas presentes allí. Entonces, por experiencia, aprenderemos que ciertas bacterias producen ciertos tipos de moléculas y detectamos esas moléculas y tal vez no deberíamos comer este alimento. Así que eso es ciertamente intuición detrás de la medida de co-ocurrencia. Entonces, las bacterias pueden producir cualquier cantidad de firmas, pero si detecto una o dos de ellas, es una advertencia suficiente para que no coma lo que han encontrado y agradable para mí en el pasado. Pero algunos productos tienen solo unas pocas moléculas que los identifican y otros pueden tener hasta 30 moléculas que contribuyen a nuestra percepción. Entonces resulta que una de las mezclas más complicadas es Cognacs. Así que tienen unas 30 moléculas diferentes que influyen en nuestra percepción.

Allie Akmal:
A ver, has hecho, desde que trabajo contigo, la visión y el olfato. ¿Y también estás trabajando en la audición?

Tanya Sharpe:
Sí. trabajamos en la audición. Tenemos una colaboración continua con grupos en Francia e Israel para estudiar la audición. Así que ese es un proyecto en curso.

Allie Akmal:
Cambio de marchas. ¿Creciste en este país?

Tanya Sharpe:
No, crecí en Ucrania. Vine aquí para la escuela de posgrado.

Allie Akmal:
Así que creciste en una familia de científicos. ¿Puedes contarnos un poco sobre eso?

Tanya Sharpe:
Supongo que tuve la suerte de ver ejemplos de científicos exitosos frente a mis ojos; cómo trabajaban. Mi abuelo era matemático. Ya sabes, a pesar de que tenía más de setenta años, decía, siempre decía, tengo que ir a aprender a convertirme en un mejor matemático. Así que se despertaba a las cinco de la mañana y trabajaba antes de que todos se despertaran. Él trabajaría. Y yo trataría de despertarme lo más temprano posible, tal vez a las seis, pero no tan temprano, él se despertaría y trabajaríamos juntos en la mesa sobre nuestros problemas. Trabajaría en sus problemas. Trabajaría en mis problemas.

Allie Akmal:
¿Y esto fue cuando estabas en la escuela primaria o más?

Tanya Sharpe:
Sí, o incluso más joven.

Allie Akmal:
Oh Dios mío.

Tanya Sharpe:
Entonces me daba estos grandes problemas de multiplicación de números de 10 dígitos y todos en la familia decían: "Oh, no, ¿cómo puedes pedirle a un niño que multiplique números tan grandes?" Y él decía: “Está bien. Puede mirar, hay una tabla de multiplicar justo al lado de ella. Y si conoces el algoritmo, puedes multiplicar cualquier número”. Me gusta eso. Lo admiraba mucho. Y luego, ya sabes, tomarías un descanso, ya sabes, cortarías algunas verduras para la sopa, luego continuarías con tus matemáticas y así sucesivamente.

Allie Akmal:
Entonces, y así tuviste este abuelo matemático, pero también tuviste algunos físicos en la familia.

Tanya Sharpe:
Sí. Mis padres son físicos y mi padre es experimentalista. Y él es la razón por la que soy un teórico. Observé, ya sabes, su experimento, muy complicado. Se ocupaba de los metales. Luego había que calentarlos a altas temperaturas. Ya sabes, había un horno por aquí y el agua de refrigeración por allá y todo está funcionando y constantemente arregla su plataforma. Y dije, bueno, de ninguna manera puedo hacer eso. ¿Quién me va a arreglar el equipo? Así que mejor me convierto en un teórico.

Allie Akmal:
¿Y estaba decepcionado?

Tanya Sharpe:
No lo sé, pero tenemos este debate entre experimentalistas y teóricos...

Allie Akmal:
¿Una rivalidad amistosa tal vez?

Tanya Sharpe:
No estoy muy seguro. Ya sabes, es un poco desdeñoso: “Estos teóricos, solo están inventando un número. Los experimentadores tienen que pensar realmente para hacerle la pregunta a la naturaleza y el teórico puede llegar a algún tipo de teoría. quién sabe si eso está bien o mal”. Y sabes, trato de defenderme diciendo que es la teoría la que determina qué es experimental-observable. Esta es una de las citas de Einstein, porque sin la teoría, sabrás qué experimento hacer. Sabes, cuando predijo que la luz se desviaría en esta cantidad, si no tienes una teoría de que la luz se desvía, nunca harás el experimento. Es una saga interminable.

Allie Akmal:
¿Tienes algún consejo que le darías específicamente a las niñas que están interesadas en una carrera en ciencias?

Tanya Sharpe:
Bueno, quiero decir que creo que existe la noción de que las mujeres no son buenas en matemáticas o al menos tienen miedo de la física teórica. Así que creo que es factible que una mujer se especialice en física y matemáticas. No excluiría la posibilidad de que las formas en que pensamos sobre el problema sean diferentes entre hombres y mujeres. Ya sabes, una persona puede ser más rápida, pero la otra persona puede ver diferentes conexiones. Así que esto es lo que se enfatiza, por ejemplo, en este libro llamado Una mente maravillosa. Así que esta era una persona con esquizofrenia o algún trastorno mental, y podía ver conexiones entre observaciones no relacionadas que otras personas pasarían por alto. Así que creo que el mensaje de ese libro y de otras experiencias de que tenemos diferentes puntos de vista puede ser útil. Creo que el arte es encontrar una combinación o un área donde las fortalezas y los enfoques particulares de uno sean útiles, pero uno no debe excluir las matemáticas y la teoría. Existen desafíos únicos para las mujeres en matemáticas y física y, en general, en ciencias, pero eso no significa que las mujeres deban perseguirlos.

Allie Akmal:
Bueno, Dra. Sharpee, muchas gracias por acompañarnos.

Tanya Sharpe:
Muchas gracias.

Locutor:
Únase a nosotros la próxima vez para obtener más ciencia Salk de vanguardia. En Salk, científicos de renombre mundial trabajan juntos para explorar grandes ideas audaces, desde el cáncer hasta el envejecimiento y el cambio climático. Donde comienzan las curas es una producción de la Oficina de Comunicaciones del Instituto Salk. Para obtener más información sobre la investigación discutida hoy, visite el podcast Salk dot EDU slash.