Bỏ qua nội dung
8 đọc tối thiểu

Giải thưởng Công nghệ McKnight 2020

Ngày 20 tháng 7 năm 2020

Quỹ hỗ trợ khoa học thần kinh McKnight (MEFN) đã công bố ba người nhận $600.000 tiền tài trợ thông qua Giải thưởng đổi mới công nghệ McKnight năm 2020 trong Giải thưởng khoa học thần kinh, công nhận những dự án này cho khả năng thay đổi căn bản cách thức nghiên cứu khoa học thần kinh. Mỗi dự án sẽ nhận được tổng cộng $200.000 trong hai năm tới, thúc đẩy sự phát triển của các công nghệ đột phá này được sử dụng để lập bản đồ, giám sát và mô hình hóa chức năng não. Những người được trao giải thưởng năm 2020 là:

  • Eva Dyer, Tiến sĩ, thuộc Viện Công nghệ & Đại học Emory Georgia, người đang tạo ra các thuật toán học máy để so sánh các bộ dữ liệu lớn về hoạt động thần kinh và tìm thấy cả các mẫu mức vĩ mô và tế bào thần kinh tương ứng với các trạng thái và hành vi cụ thể ở động vật có hành vi tự do.
  • Rikky Muller, Tiến sĩ, thuộc Đại học California - Berkeley, người đang thiết kế và chế tạo một máy chiếu ba chiều tốc độ cao có thể chiếu ánh sáng 3D vào não với tốc độ thần kinh, nhanh hơn nhiều lần so với máy chiếu hiện tại và do đó điều khiển hàng ngàn tế bào thần kinh được điều khiển bằng quang học với độ chính xác cao.
  • Kai Zinn, Tiến sĩ, thuộc Viện Công nghệ California, người đang phát triển một loại protein mã hóa di truyền có hiệu quả về mặt chi phí như kháng thể và thụ thể bề mặt tế bào thần kinh để các nhà nghiên cứu có thể theo dõi các tương tác protein bằng cách sử dụng trình tự tế bào đơn thông lượng cao, một công cụ có thể ứng dụng cho nghiên cứu khoa học thần kinh.

(Tìm hiểu thêm về từng dự án nghiên cứu dưới đây.)

Về những đổi mới công nghệ trong giải thưởng khoa học thần kinh

Kể từ khi Giải thưởng sáng tạo công nghệ McKnight về khoa học thần kinh được thành lập năm 1999, MEFN đã đóng góp hơn $14,5 triệu cho các công nghệ đổi mới cho khoa học thần kinh thông qua cơ chế giải thưởng này. MEFN đặc biệt quan tâm đến công việc có những cách tiếp cận mới và mới lạ để thúc đẩy khả năng thao tác và phân tích chức năng não. Các công nghệ được phát triển với sự hỗ trợ của McKnight cuối cùng phải được cung cấp cho các nhà khoa học khác.

Một lần nữa, thật vui mừng khi thấy sự khéo léo mà các ứng viên của chúng tôi đang mang đến cho công nghệ thần kinh mới, ông Markus Meister, tiến sĩ, chủ tịch ủy ban giải thưởng và giáo sư khoa học sinh học Anne P. và Benjamin F. Biaggini nói tại Caltech. Năm nay, chúng tôi phải đối mặt với sự lựa chọn khó khăn trong số nhiều phát triển thú vị và giải thưởng của chúng tôi trải rộng trên phạm vi rộng, từ phương pháp tính toán cho dữ liệu lớn từ não bộ, đến quang học ưa thích để kiểm soát chùm sáng, đến chiến lược phân tử thông minh để khảo sát protein biểu hiện trong tế bào thần kinh.

Ủy ban tuyển chọn năm nay cũng bao gồm Adrienne Fairhall, Timothy Holy, Loren Looger, Mala Murthy, Alice Ting, và Hongkui Zeng, những người đã chọn Giải thưởng sáng tạo công nghệ năm nay trong Giải thưởng khoa học thần kinh của 89 ứng viên.

Thư dự định cho các sáng kiến công nghệ năm 2021 trong Giải thưởng khoa học thần kinh sẽ đến vào thứ Hai, ngày 7 tháng 12 năm 2020. Một thông báo về quá trình 2021 sẽ được đưa ra vào tháng Chín. Để biết thêm thông tin về giải thưởng, vui lòng truy cập www.mcknight.org/programs/the-mcknight-endowment-fund-for-neuroscience/tĩ-awards

2020 Đổi mới công nghệ McKnight trong giải thưởng khoa học thần kinh

Eva Dyer, Tiến sĩ, Trợ lý Giáo sư, Khoa Kỹ thuật Y sinh Wallace H. Coulter, Viện Công nghệ & Đại học Emory Georgia

CúcSo sánh các bộ dữ liệu thần kinh quy mô lớn xuyên thời gian, không gian và hành vi

Khả năng quan sát và ghi lại dữ liệu thần kinh trên các phần lớn của não đã dẫn đến một lượng dữ liệu khổng lồ, giúp tìm ra các mẫu trong dữ liệu có thể giải thích có bao nhiêu tế bào thần kinh phối hợp với nhau để mã hóa thông tin về thế giới. Ngay cả với những tiến bộ mới trong việc tìm kiếm các mẫu chiều thấp trong bộ dữ liệu, vẫn rất khó để so sánh nhiều bản ghi quy mô lớn, cho dù đó là trong thời gian dài, hoặc qua các cá nhân khác nhau giải quyết các nhiệm vụ tương tự hoặc tương tự, hoặc qua các trạng thái bệnh. Kinh nghiệm của Tiến sĩ Dyker sử dụng máy học (ML) để giải mã hoạt động của não đã đưa cô đến một giải pháp mới để xác định các mẫu trong nhiều bộ dữ liệu thần kinh lớn.

Công việc của Tiến sĩ liên quan đến việc tạo ra các thuật toán học máy để trích xuất thông tin có ý nghĩa từ các bộ dữ liệu thần kinh, được dán nhãn để xác định xem con vật đã ngủ, thức, tìm kiếm thức ăn hay tham gia vào các chuyển động hoặc hành vi khác nhau. Các quy tắc toán học lấy cảm hứng từ mật mã mới hướng dẫn các thuật toán xác định các mẫu tương tự trong các tập dữ liệu riêng biệt, trông đặc biệt phù hợp với hoạt động thần kinh được tạo ra bởi các trạng thái não khác nhau làm điểm khởi đầu để đưa dữ liệu vào vị trí. Sắp xếp hoạt động thần kinh có thể cho thấy các mô hình thần kinh có liên quan đến hành vi và trạng thái của chủ thể cũng như ngăn ngừa tham nhũng bằng tiếng ồn và cung cấp một bước đệm quan trọng cho các kỹ thuật phân tích mạnh mẽ hơn.

Mục đích thứ hai của Tiến sĩ Dyer sẽ giúp các nhà nghiên cứu tập trung vào các nơ-ron đơn lẻ để hiểu cách chúng đóng góp vào những thay đổi chung trong hoạt động thần kinh và liệu chúng có thể được sử dụng để dự đoán các trạng thái não cụ thể. Nghiên cứu sẽ tiếp tục tìm hiểu xem sự khác biệt trong hành vi có thể được truy nguyên từ các loại tế bào cụ thể hay không và cách sử dụng sự khác biệt được thấy trên các bộ dữ liệu để mô tả sự khác nhau giữa các loài động vật. Khả năng giải mã và so sánh các bộ dữ liệu thần kinh lớn sẽ chứng minh được giá trị trong nghiên cứu thần kinh bằng cách chỉ ra bệnh thoái hóa thần kinh ảnh hưởng đến quá trình xử lý thông tin của não.

Rikky Muller, Tiến sĩ, Trợ lý Giáo sư Kỹ thuật Điện và Khoa học Máy tính, Đại học California - Berkeley

CúcMột thiết bị ba chiều tốc độ cao để kiểm soát quang học của hàng ngàn tế bào thần kinh

Optogenetic - tế bào thần kinh biến đổi gen là nhạy cảm với ánh sáng để các nhà nghiên cứu có thể kích hoạt hoặc im lặng chúng theo ý muốn - đã cách mạng hóa nghiên cứu khoa học thần kinh. Được kết hợp với các bộ điều biến ánh sáng không gian định hình ánh sáng thành hình ba chiều 3D, các nhà nghiên cứu có thể điều khiển riêng lẻ nhiều tế bào thần kinh phân bố trên một vùng ba chiều của não in vivo. Nhưng cho đến nay, vẫn chưa có một máy chiếu ba chiều nào có thể điều khiển tế bào thần kinh ở tốc độ tìm thấy trong não một cách tự nhiên.

Tiến sĩ Muller đang thiết kế và xây dựng một máy chiếu ba chiều để giải quyết vấn đề này. Thiết bị của cô sẽ truyền phát hình ảnh ánh sáng ba chiều với tốc độ 10.000 khung hình mỗi giây (Hz). Nhiều TV thế hệ hiện tại làm mới 60 khung hình mỗi giây, để so sánh, và các công cụ hình ba chiều có sẵn trên thị trường nhanh nhất có tốc độ 500 Hz. Tốc độ làm mới cao này là cần thiết để tái tạo tín hiệu thần kinh tự nhiên, bao gồm thời gian tiềm năng hành động khoảng 1 / 1.000 giây (tương đương 1.000 Hz khi xem xét tốc độ làm mới.) Ngoài ra, Muller nhắm đến mục tiêu hàng ngàn tế bào thần kinh với độ chính xác chính xác, và giống như tốc độ cao hơn trong TV dẫn đến hình ảnh sắc nét hơn, hình ba chiều 10.000 Hz sẽ mang lại độ chính xác cao hơn.

Tiến sĩ Muller, một kỹ sư điện tập trung vào công nghệ thần kinh, thường xuyên tư vấn với các nhà thần kinh học khi cô thiết kế, thử nghiệm và chế tạo thiết bị để đảm bảo nó phục vụ nhu cầu của họ. Thiết bị sẽ sử dụng một mảng micromirror, sẽ điêu khắc các mô hình ánh sáng 3D đến các vị trí và độ sâu cụ thể thông qua hoạt động điện của gương thu nhỏ; ánh sáng sau đó được chuyển qua một loạt thấu kính. Dự án trước tiên sẽ thiết kế và chế tạo hai mảng - một mảng nhỏ hơn để kiểm tra và chứng minh khái niệm, và một mảng định dạng lớn hơn, cùng với các trình điều khiển và điều khiển liên quan sẽ được sử dụng để đo lường và hiệu chuẩn. Cuối cùng, nhóm của Tiến sĩ Muller sẽ sản xuất một bộ điều biến ánh sáng không gian đầy đủ tính năng. Hy vọng rằng công cụ này sẽ cung cấp cho các nhà nghiên cứu khả năng chưa từng có để kiểm soát và kiểm tra kết nối thần kinh.

Kai Zinn, Tiến sĩ, Howard và Gwen Laurie Smits Giáo sư Sinh học, Viện Công nghệ California

CúcModular Enzymatic Barcoding

Nhiều thí nghiệm khoa học thần kinh liên quan đến việc phân tích kháng thể và thụ thể liên kết với bề mặt tế bào. Ngoài ra, một sự hiểu biết về phát triển thần kinh và chức năng đòi hỏi kiến thức về in vivo tương tác giữa các protein bề mặt tế bào. Các thí nghiệm thông lượng cao liên quan đến protein thường tốn thời gian và phức tạp vì mỗi protein có các đặc tính sinh hóa khác nhau. Để giúp mở ra những cơ hội mới cho nghiên cứu khoa học thần kinh, Tiến sĩ Zinn và nhóm của ông đang phát triển một cách mô-đun để mã vạch protein protein khác nhau, cung cấp cho các nhà nghiên cứu một bộ công cụ linh hoạt.

Mã vạch ở dạng đơn giản nhất của nó bao gồm việc chèn một dấu hiệu di truyền vào các phân tử và sau đó tìm kiếm các dấu hiệu đó sau thí nghiệm để xác định phân tử nào được định vị cùng nhau. Nó đã được sử dụng với axit nucleic với thành công lớn. Tuy nhiên, protein phức tạp hơn và không có cách nào để mã hóa hàng ngàn protein quan tâm cho các nhà nghiên cứu mà không dùng đến liên kết ngang hóa học, thường làm thay đổi chức năng của protein. Tiến sĩ Zinn đang vượt qua thử thách này bằng việc sử dụng các protein dung hợp có chứa các mô đun liên kết với protein có ái lực cao được gắn vào các enzyme của HU HU-domain, có thể liên kết cộng hóa trị với các oligonucleotide mã vạch. Các mô-đun liên kết cho phép mã vạch được gắn vào kháng thể, protein biotatin hóa và protein có thẻ liên kết hóa trị. Điều này cung cấp quyền truy cập vào hầu hết các protein quan tâm đến các nhà thần kinh học. Dự án cũng liên quan đến việc xây dựng các giàn giáo hạt nano với 60 điểm liên kết có thể được gắn đồng thời vào mã vạch và protein quan tâm. Những giàn giáo này sẽ tăng cường khả năng quan sát của các tương tác - tương tác yếu được tạo ra mạnh hơn khi nhiều protein trên mỗi cấu trúc tương tác.

Dự án của Tiến sĩ Zinn sẽ đòi hỏi phải phát triển các giao thức và quy trình liên quan đến việc tiến hành một số loại thí nghiệm giải trình tự tế bào đơn thông lượng cao sẽ cung cấp thông tin về protein. Chúng bao gồm các thí nghiệm sử dụng kháng thể mã hóa để quan sát sự biểu hiện của các thụ thể bề mặt cụ thể trên tế bào, để quan sát sự thay đổi của các tế bào khi tiếp xúc với một số protein nhất định, để hình dung số lượng lớn các kháng nguyên trong mô não, để sàng lọc các tương tác của số lượng lớn protein và xác định các thụ thể cho các protein mồ côi mồ côi. Nhờ tính mô đun, đơn giản và khả năng cho phép nhiều protein tương tác cùng một lúc, Tiến sĩ Zinn hy vọng hệ thống mã vạch của mình sẽ cho phép và tăng tốc các thí nghiệm khoa học thần kinh này.

Đề tài: Quỹ hỗ trợ thần kinh McKnight cho khoa học thần kinh, Giải thưởng công nghệ

Tháng Bảy 2020

Tiếng Việt
English ˜اَف صَومالي Deutsch Français العربية 简体中文 ພາສາລາວ हिन्दी 한국어 ភាសាខ្មែរ Tagalog Español de Perú Español de México Hmoob አማርኛ Tiếng Việt