Mientras se registra el comportamiento, los investigadores observan la actividad neural por varias v\u00edas. La electrofisiolog\u00eda tradicional (registro de potenciales de una o pocas neuronas) sigue siendo crucial para establecer correlatos temporales finos de decisi\u00f3n: cu\u00e1ndo una neurona aumenta su tasa de disparo antes de elegir A o B. En animales peque\u00f1os o transparentes, la microscop\u00eda de calcio permite visualizar la actividad de cientos o miles de neuronas en tiempo real usando indicadores fluorescentes sensibles al calcio, revelando patrones de poblaci\u00f3n que preceden y acompa\u00f1an las decisiones. T\u00e9cnicas h\u00edbridas como sondas de alta densidad (Neuropixels) combinan la resoluci\u00f3n temporal de la electrofisiolog\u00eda con el muestreo de poblaciones extensas.<\/p>\n\n\n\n Una segunda l\u00ednea es la manipulaci\u00f3n causal del circuito. Las interrupciones por lesi\u00f3n o por f\u00e1rmacos dieron paso a herramientas mucho m\u00e1s precisas: la optogen\u00e9tica (activar o inhibir neuronas con luz) y la quimiogen\u00e9tica (modular actividad con f\u00e1rmacos sobre receptores dise\u00f1ados) permiten activar, silenciar o modular tipos celulares espec\u00edficos en momentos precisos del proceso decisorio. Si la perturbaci\u00f3n cambia la elecci\u00f3n, velocidad de decisi\u00f3n o la valoraci\u00f3n del est\u00edmulo, eso sugiere una contribuci\u00f3n causal del circuito intervenido.<\/p>\n\n\n\n El an\u00e1lisis computacional liga est\u00edmulo, comportamiento y actividad neural. Modelos como la acumulaci\u00f3n de evidencia (drift-diffusion) describen decisiones como la suma de informaci\u00f3n sensorial hasta que se alcanza un umbral; ajustando par\u00e1metros (tasa de acumulaci\u00f3n, ruido, umbral) los cient\u00edficos explican por qu\u00e9 los animales priorizan rapidez sobre precisi\u00f3n o viceversa. Los modelos de codificaci\u00f3n\/decodificaci\u00f3n y las t\u00e9cnicas de reducci\u00f3n dimensional (PCA, manifold learning) permiten identificar variables latentes en poblaciones neuronales \u2014por ejemplo, una \u00abvariable de valor\u00bb o una \u00abevidencia integrada\u00bb\u2014 que correlacionan con la elecci\u00f3n.<\/p>\n\n\n\n![\"neuroetolog\u00eda\"](\"https:\/\/cobcm.net\/wp-content\/uploads\/sites\/3\/2026\/02\/maky_orel-sheep-2637351_1280-1024x576.jpg\")
<\/figure>\n\n\n\nEscalando los estudios<\/h5>\n\n\n\n