跳到内容
8 最小读

2020年McKnight技术奖

2020年7月20日

麦克奈特神经科学研究基金会(MEFN)宣布通过2020麦克奈特神经科学技术创新奖授予三名$600,000的赠款,以表彰这些项目从根本上改变了神经科学研究方法的能力。在接下来的两年中,每个项目将总共获得$200,000,这将推动这些突破性的技术的发展,这些技术用于绘制,监视和建模大脑功能。 2020年获奖者为:

  • 乔治亚理工大学和埃默里大学的Eva Dyer博士, 他正在创建机器学习算法,以比较大型的神经活动数据集,并找到与行为自由的动物的特定状态和行为相对应的宏观和神经元水平的模式。
  • 加州大学伯克利分校的Rikky Muller博士, 他正在设计和制造一种高速全息投影仪,该投影仪可以以3倍的神经速度将3D光投射到大脑中,比目前的投影仪快许多倍,因此可以高精度地操纵数千个光遗传学控制的神经元。
  • 加州理工学院的Kai Zinn博士, 他正在开发一种模块化的,具有成本效益的方法,对蛋白质(例如抗体和神经细胞表面受体)进行基因条形码编码,以便研究人员可以使用高通量单细胞测序来跟踪蛋白质相互作用,该工具在神经科学研究中具有许多可能的应用。

(了解有关以下每个研究项目的更多信息。)

关于神经科学奖中的技术创新

自1999年成立McKnight神经科学技术创新奖以来,MEFN通过该奖项机制为神经科学创新技术贡献了超过$1450万。 MEFN对采用新方法来提高操纵和分析脑功能的能力的工作特别感兴趣。在McKnight支持下开发的技术最终必须提供给其他科学家。

奖项委员会主席Markus Meister博士以及生物科学教授Anne P.和Benjamin F. Biaggini教授说:“再次看到我们的申请人将智慧带到新的神经技术上,这真是令人激动。”在加州理工学院。 “今年,我们在众多激动人心的进展中面临艰难的抉择,我们的奖项涵盖了广泛的领域,从大脑大数据的计算方法到控制光束的光学光学,再到聪明的蛋白质蛋白质分子策略在神经元中表达。”

今年的甄选委员会还包括Adrienne Fairhall,Timothy Holy,Loren Looger,Mala Murthy,Alice Ting和Zengkui,他们从竞争激烈的89名申请者中选出了今年的神经科学技术创新奖。

神经科学奖2021年技术创新的意向书将于2020年12月7日星期一到期。有关2021年过程的公告将于9月发布。有关奖项的更多信息,请访问 www.mcknight.org/programs/the-mcknight-endowment-fund-for-neuroscience/technology-awards

2020年McKnight神经科学技术创新奖

Eva Dyer博士,佐治亚理工大学和埃默里大学生物医学工程系华莱士·库尔特(Wallace H. Coulter)助理教授

跨时间,空间和行为比较大型神经数据集”

在大脑的大部分区域观察和记录神经数据的能力已导致产生大量数据,从而有可能在数据中找到模式,从而可以解释有多少神经元协同工作以对世界信息进行编码。即使在发现数据集中的低维模式方面有了新的进展,比较多个大型记录仍然是一项挑战,无论是长时间的记录,还是完成相同或相似任务的不同个体之间,还是疾病状态之间的比较。 Dyer博士使用机器学习(ML)解码大脑活动的经验使她找到了一种新颖的解决方案,可以识别多个大型神经数据集中的模式。

Dyer博士的工作涉及创建机器学习算法,以从神经数据集中提取有意义的信息,这些数据被标记以识别动物是否在睡觉,醒着,觅食或参与各种运动或行为。受密码学启发的新数学规则指导算法在单独的数据集中识别相似的模式,以匹配由不同大脑状态生成的神经活动为出发点,以使数据对齐。对齐神经活动可以显示神经模式如何与受试者的行为和状态相关联,以及如何防止噪声破坏,并为更强大的分析技术提供了关键的垫脚石。

Dyer博士的第二个目标将帮助研究人员重新关注单个神经元,以了解它们如何对神经活动的整体变化做出贡献,以及它们是否可用于预测特定的大脑状态。该研究将进一步探索行为差异是否可以追溯到特定的细胞类型,以及如何将在数据集中看到的差异用于表征各个动物的差异。通过指示神经退行性疾病如何影响大脑对信息的处理,解码和比较大型神经数据集的能力将在神经学研究中被证明是无价的。

Rikky Muller博士,加利福尼亚大学伯克利分校电气工程与计算机科学助理教授

高速全息设备,用于成千上万的神经元的光遗传学控制。”

光遗传学-通过基因修饰神经元使其对光敏感,以便研究人员可以随意激活或沉默它们-彻底改变了神经科学研究。结合将光整形为3D全息图的空间光调制器,研究人员可以分别控制分布在大脑三维区域的许多神经元。 体内。但是直到现在,还没有一种全息投影仪能够自然地在大脑中发现速度来控制神经元。

Muller博士正在设计和制造全息投影仪,以解决此问题。她的设备将以每秒10,000帧(Hz)的速率流传输全息光图像。为了进行比较,许多当前一代的电视每秒刷新60帧,最快的商用全息工具的最高频率为500 Hz。这种高刷新率是复制自然神经信号所必需的,它涉及大约1 / 1,000秒的动作电位时间(考虑刷新率时相当于1,000 Hz。)此外,Muller旨在精确定位目标数千个神经元,就像电视中更高的速率会产生更清晰的图像一样,10,000 Hz全息图将提供更高的精度。

专注于神经技术的电气工程师Muller博士在设计,测试和制造该设备以确保其满足其需求时,定期与神经科学家进行咨询。该设备将使用微镜阵列,该微镜阵列将通过微型镜的电驱动将光的3D模式雕刻到特定的位置和深度。然后,光线通过一系列透镜中继。该项目将首先设计和制造两个阵列–用于测试和概念验证的较小阵列,以及用于测量和校准的相关驱动程序和控件的较大格式阵列。最后,穆勒博士的团队将生产出功能全面的空间光调制器。希望该工具将为研究人员提供前所未有的控制和测试神经连接能力。

Kai Zinn博士,Howard和Gwen Laurie Smits,加州理工学院生物学教授

模块化酶条形码”

许多神经科学实验涉及抗体和受体与细胞表面结合的分析。此外,对神经发育和功能的了解还需要 体内 细胞表面蛋白之间的相互作用。涉及蛋白质的高通量实验通常是耗时且复杂的,因为每种蛋白质都有不同的生化特性。为了帮助为神经科学研究开辟新的机遇,Zinn博士及其团队正在开发一种模块化方法,以“条形码”不同的蛋白质,为研究人员提供灵活的工具包。

最简单形式的条形码编码包括将遗传标记插入分子中,然后在实验后找出那些标记以确定哪些分子定位在一起。它已成功用于核酸。然而,蛋白质更为复杂,并且没有办法在不诉诸化学交联的情况下对研究人员感兴趣的数千种蛋白质进行条形码编码,而化学交联通常会改变蛋白质的功能。 Zinn博士通过使用融合蛋白解决了这一挑战,该融合蛋白包含与“ HUH-domain”酶连接的高亲和力蛋白结合模块,该模块可以共价偶联至条形码寡核苷酸。结合模块允许条形码与抗体,生物素化蛋白和具有共价结合标签的蛋白结合。这为神经科学家提供了大多数感兴趣的蛋白质的途径。该项目还涉及构建具有60个结合点的纳米支架,这些支架可以同时连接到条形码和目标蛋白质上。这些支架将增强相互作用的可观察性–当每个结构上的多种蛋白质相互作用时,弱相互作用会变得更强。

Zinn博士的项目将需要开发涉及进行几种类型的高通量单细胞测序实验的协议和过程,这些实验将提供有关蛋白质的信息。这些实验包括使用条形码抗体观察细胞上特定表面受体的表达,观察暴露于某些蛋白质时细胞的变化,观察脑组织中大量抗原,筛选大量蛋白质的相互作用以及识别“孤儿”蛋白的受体。由于其模块化,简单性以及允许多种蛋白质立即相互作用的能力,Zinn博士希望他的条形码系统能够实现并加速这些以及许多其他类型的神经科学实验。

话题: McKnight神经科学捐赠基金, 技术奖

七月2020

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