Quantifica\u00e7\u00e3o Comportamental Tridimensional Multiescala em Indiv\u00edduos e Grupos Sociais<\/em><\/strong><\/p>\nOs m\u00e9todos atuais de medi\u00e7\u00e3o do movimento de animais que se comportam livremente t\u00eam limita\u00e7\u00f5es: observa\u00e7\u00f5es altamente detalhadas de pequenos movimentos de um animal (um \u00fanico d\u00edgito, por exemplo) requerem amplitudes de movimento restritas. Estudar o comportamento de movimento livre no espa\u00e7o 3D muitas vezes significa limitar a resolu\u00e7\u00e3o, talvez apenas rastrear a posi\u00e7\u00e3o geral ou confiar na descri\u00e7\u00e3o de um observador. O rastreamento autom\u00e1tico de v\u00eddeo em animais normalmente requer um ambiente simples e n\u00e3o natural, e partes do corpo n\u00e3o vis\u00edveis \u00e0s c\u00e2meras n\u00e3o s\u00e3o rastreadas com precis\u00e3o. Previs\u00f5es de Intelig\u00eancia Artificial (IA) de alta resolu\u00e7\u00e3o em grandes espa\u00e7os tridimensionais usando representa\u00e7\u00e3o espacial volum\u00e9trica, uma t\u00e9cnica recentemente desenvolvida para superar esses problemas, requerem enorme poder de computa\u00e7\u00e3o. Adicionar v\u00e1rios animais para observa\u00e7\u00f5es sociais introduz quest\u00f5es adicionais.<\/p>\n
Como resultado, h\u00e1 pouca disponibilidade dos dados mais desejados: rastreamento autom\u00e1tico e de alta resolu\u00e7\u00e3o de animais no espa\u00e7o 3D realizando comportamentos naturais, sozinhos ou em grupos, e quantifica\u00e7\u00e3o desse movimento em formato padronizado. Dr. Dunn est\u00e1 trabalhando em uma nova abordagem que visa aproximar esse ideal. Com base no aprendizado de um algoritmo geom\u00e9trico 3D de aprendizado de m\u00e1quina que sua equipe usou para melhorar significativamente a precis\u00e3o das previs\u00f5es, o Dr. Dunn e sua equipe est\u00e3o agora trabalhando na amostragem adaptativa de imagens recorrentes (ARIS) que combina imagens de m\u00faltiplas c\u00e2meras para construir um modelo que pode medir e prever a posi\u00e7\u00e3o do corpo em muitas escalas, mesmo quando uma parte (como um bra\u00e7o ou p\u00e9) n\u00e3o est\u00e1 diretamente vis\u00edvel.<\/p>\n
O ARIS melhora seletivamente a resolu\u00e7\u00e3o de caracter\u00edsticas corporais em escala precisa e usa modelagem preditiva com base no que sabe sobre o objeto (disposi\u00e7\u00e3o e comprimento dos membros, como eles est\u00e3o conectados, como se movem, etc.) \u2013 aprendido primeiro analisando enormes quantidades de dados de treinamento de ratos que se comportam livremente e depois ajustados usando dados de treinamento em outras esp\u00e9cies \u2013 para focar na por\u00e7\u00e3o do espa\u00e7o onde a parte do corpo provavelmente estar\u00e1. Isso usa muito menos poder computacional do que as ferramentas volum\u00e9tricas 3D anteriores. Em sua pesquisa, o Dr. Dunn implementar\u00e1 o ARIS e registrar\u00e1 dados em m\u00faltiplas escalas, desde a posi\u00e7\u00e3o geral e postura at\u00e9 o movimento de caracter\u00edsticas finas das m\u00e3os, p\u00e9s e rosto. Outras pesquisas explorar\u00e3o sua efic\u00e1cia com a intera\u00e7\u00e3o de v\u00e1rios animais. Esta capacidade de medir o comportamento de uma forma nova e mais precisa tem amplas implica\u00e7\u00f5es para o estudo de dist\u00farbios neurol\u00f3gicos que afetam o movimento, ligando a atividade cerebral ao comportamento e estudando as intera\u00e7\u00f5es sociais.<\/p>\n
\nJeffrey Kieft, Ph.D., <\/strong>Professor, Departamento de Bioqu\u00edmica e Gen\u00e9tica Molecular, Faculdade de Medicina da Universidade do Colorado<\/strong><\/p>\nUma nova tecnologia para controlar o transcriptoma<\/em><\/strong><\/p>\nO RNA mensageiro, ou mRNA, \u00e9 reconhecido como um ator vital na vida e na sa\u00fade das c\u00e9lulas. Essas mol\u00e9culas de RNA s\u00e3o os modelos para a produ\u00e7\u00e3o de prote\u00ednas e s\u00e3o criadas dentro das c\u00e9lulas para transportar instru\u00e7\u00f5es para o mecanismo de produ\u00e7\u00e3o de prote\u00ednas e, em seguida, s\u00e3o destru\u00eddas por enzimas. A totalidade do mRNA que um organismo expressa \u00e9 chamada de \u201ctranscriptoma\u201d.<\/p>\n
Defici\u00eancias em mRNA e RNA n\u00e3o codificante (ncRNA) est\u00e3o ligadas a certos dist\u00farbios neurodegenerativos e do neurodesenvolvimento. Se houver muito pouco mRNA ou ncRNA espec\u00edfico no transcriptoma, certas fun\u00e7\u00f5es celulares podem ser degradadas ou desativadas. Dr. Kieft est\u00e1 explorando uma nova maneira de gerenciar o transcriptoma, retardando a decad\u00eancia do mRNA e do ncRNA. Sabendo que algumas enzimas que destroem os RNAs essencialmente os \u201cmastigam\u201d de uma extremidade \u00e0 outra, o Dr. Kieft usou sua compreens\u00e3o de como as mol\u00e9culas de RNA s\u00e3o estruturadas e se dobram sobre si mesmas para criar um peda\u00e7o projetado de RNA resistente \u00e0 exoribonuclease (xrRNA) que , quando introduzido em mRNA ou ncRNA compat\u00edvel, combina-se e dobra-se para formar uma estrutura de \u201cbloqueio\u201d, literalmente mudando a forma do RNA ao inserir uma sali\u00eancia que interrompe o caminho das enzimas.<\/p>\n
Ao retardar a decad\u00eancia do mRNA e ncRNA alvo, o Dr. Kieft v\u00ea a oportunidade de gerenciar sua abund\u00e2ncia dentro do transcriptoma. Os xrRNAs projetados poderiam reconhecer apenas alvos espec\u00edficos, vincular-se a eles e criar a prote\u00e7\u00e3o, para que os pesquisadores possam aumentar a propor\u00e7\u00e3o do alvo sem alterar a quantidade criada. A abordagem tem a vantagem de ser menos perturbadora para a c\u00e9lula hospedeira do que aumentar o mRNA de forma n\u00e3o natural, e a precis\u00e3o com a qual o xrRNA pode ser projetado oferece o potencial de atingir v\u00e1rios RNAs ao mesmo tempo e possivelmente at\u00e9 permitir o ajuste fino gerenciando com precis\u00e3o a taxa de decair. Kieft v\u00ea esta aplica\u00e7\u00e3o, nascida da ci\u00eancia b\u00e1sica que estuda o RNA, como uma ferramenta de pesquisa potencialmente poderosa para neurocientistas, e talvez at\u00e9 mesmo a base para terapias em um futuro mais distante.<\/p>\n
\nSuhasa Kodandaramaiah, Ph.D., Benjamin Mayhugh Professor Assistente, Departamento de Engenharia Mec\u00e2nica, Universidade de Minnesota Twin Cities <\/strong><\/p>\nGrava\u00e7\u00f5es cerebrais assistidas por rob\u00f4 em ratos com comportamento livre <\/em><\/strong><\/p>\nOs neurocientistas que estudam a atividade cerebral durante os comportamentos geralmente t\u00eam que fazer uma troca: eles usam sensores neurais miniaturizados montados na cabe\u00e7a que s\u00e3o leves o suficiente para permitir que um animal se comporte livremente, mas t\u00eam resolu\u00e7\u00e3o mais baixa ou n\u00e3o conseguem monitorar todo o c\u00e9rebro. Ou utilizam ferramentas mais poderosas, que s\u00e3o demasiado pesadas para os animais sujeitos e requerem outras solu\u00e7\u00f5es, como a imobiliza\u00e7\u00e3o enquanto permitem que os animais se movam numa passadeira, ou mesmo a utiliza\u00e7\u00e3o de experi\u00eancias de realidade virtual que, no entanto, limitam o comportamento de um sujeito.<\/p>\n
Kodandaramaiah est\u00e1 enfrentando o desafio com um exoesqueleto craniano rob\u00f3tico que carrega o peso do hardware de grava\u00e7\u00e3o e monitoramento neural, ao mesmo tempo que permite que o sujeito (neste caso, um mouse) gire sua cabe\u00e7a em todos os tr\u00eas graus: um giro completo de 360 graus no eixo de guinada (rota\u00e7\u00e3o horizontal) e cerca de 50 graus de movimento nos eixos de inclina\u00e7\u00e3o e rota\u00e7\u00e3o, enquanto se move em uma arena. O rob\u00f4 possui tr\u00eas bra\u00e7os articulados dispostos em configura\u00e7\u00e3o triangular, suspensos sobre o sujeito e reunidos no ponto de montagem na cabe\u00e7a. Sensores na montagem detectar\u00e3o qual movimento o mouse est\u00e1 fazendo e direcionar\u00e3o o rob\u00f4 para permitir o movimento com o m\u00ednimo de for\u00e7a resistiva poss\u00edvel, permitindo que o mouse gire e se mova dentro de uma arena normalmente usada para experimentos de neuroci\u00eancia com todo o equipamento sensorial necess\u00e1rio e fios dos implantes suportados pelo rob\u00f4.<\/p>\n
Eliminar a necessidade de miniaturiza\u00e7\u00e3o permite que os pesquisadores usem qualquer hardware de \u00faltima gera\u00e7\u00e3o dispon\u00edvel, o que significa que um rob\u00f4 pode, teoricamente, ser atualizado para usar a tecnologia mais recente logo ap\u00f3s sua introdu\u00e7\u00e3o. Para chegar a esse ponto, a equipe do Dr. Kodandaramaiah passar\u00e1 por v\u00e1rias etapas \u2013 engenharia do exoesqueleto; projetar o head-stage com seus sensores necess\u00e1rios, al\u00e9m de eletrodos e c\u00e2meras de alta densidade para observa\u00e7\u00e3o externa de olhos, bigodes e muito mais; realiza\u00e7\u00e3o de testes de bancada; ajustar o rob\u00f4 \u00e0s entradas que um mouse pode fornecer; determinar como introduzir sondas; e finalmente fazendo grava\u00e7\u00f5es ao vivo. Com essa base mec\u00e2nica, o Dr. Kodandaramaiah espera ajudar os pesquisadores a se aproximarem do estado em que possam fazer registros neurais detalhados em todo o c\u00e9rebro de indiv\u00edduos que se comportam livremente em longos per\u00edodos de tempo.<\/p>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><\/div>\n<\/div>","protected":false},"excerpt":{"rendered":"30 de julho de 2021 O McKnight Endowment Fund for Neuroscience (MEFN) anunciou os tr\u00eas benefici\u00e1rios de $600.000 em subs\u00eddios por meio do Pr\u00eamio McKnight de Inova\u00e7\u00f5es Tecnol\u00f3gicas em Neuroci\u00eancias de 2021, reconhecendo esses projetos por sua capacidade de mudar fundamentalmente a forma como a pesquisa em neuroci\u00eancia \u00e9 conduzida. Cada um dos projetos receber\u00e1 um total de $200,000 ao longo do\u2026","protected":false},"author":17,"featured_media":42676,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[2],"tags":[],"class_list":{"0":"post-47180","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-announcement","8":"post_topic-technology-awards","9":"post_topic-the-mcknight-endowment-fund-for-neuroscience"},"acf":[],"yoast_head":"\n
2021 McKnight Technology Awards - McKnight Foundation<\/title>\n\n\n\n\n\n\n\n\n\n\t\n\t\n\t\n\n\n\n\n\n\t\n\t\n\t\n