20 de julio de 2020
El McKnight Endowment Fund for Neuroscience (MEFN) anunció a los tres beneficiarios de $600,000 en subvenciones a través de los Premios McKnight Technological Innovations in Neuroscience 2020, reconociendo a estos proyectos por su capacidad de cambiar fundamentalmente la forma en que se lleva a cabo la investigación en neurociencia. Cada uno de los proyectos recibirá un total de $200,000 durante los próximos dos años, avanzando el desarrollo de estas tecnologías innovadoras utilizadas para mapear, monitorear y modelar la función cerebral. Los premiados 2020 son:
- Eva Dyer, Ph.D., del Instituto de Tecnología de Georgia y la Universidad Emory, quién está creando algoritmos de aprendizaje automático para comparar grandes conjuntos de datos de actividad neuronal y encontrar patrones a nivel de macro y neuronas que corresponden a estados y comportamientos específicos en animales de comportamiento libre.
- Rikky Muller, Ph.D., de la Universidad de California - Berkeley, quién está diseñando y construyendo un proyector holográfico de alta velocidad que puede proyectar luz 3D en el cerebro a velocidades neuronales, muchas veces más rápido que los proyectores actuales, y manipular miles de neuronas controladas optogenéticamente con alta precisión.
- Kai Zinn, Ph.D., del Instituto de Tecnología de California, quien está desarrollando un medio modular y rentable de proteínas genéticamente codificadas con códigos de barras, como anticuerpos y receptores de la superficie de las células neurales, para que los investigadores puedan rastrear las interacciones de las proteínas mediante la secuenciación de células individuales de alto rendimiento, una herramienta con muchas aplicaciones posibles para la investigación en neurociencia.
(Obtenga más información sobre cada uno de estos proyectos de investigación a continuación.)
Acerca de los Premios a las innovaciones tecnológicas en neurociencia
Desde que se estableció el Premio McKnight de Innovaciones Tecnológicas en Neurociencia en 1999, el MEFN ha contribuido con más de $14.5 millones a tecnologías innovadoras para la neurociencia a través de este mecanismo de adjudicación. El MEFN está especialmente interesado en el trabajo que adopta enfoques nuevos y novedosos para avanzar en la capacidad de manipular y analizar la función cerebral. Las tecnologías desarrolladas con el soporte de McKnight deben ponerse a disposición de otros científicos.
"Una vez más, ha sido emocionante ver el ingenio que nuestros solicitantes están aportando a las nuevas neurotecnologías", dijo Markus Meister, Ph.D., presidente del comité de premios y profesor de ciencias biológicas Anne P. y Benjamin F. Biaggini. en Caltech “Este año, nos enfrentamos a una difícil elección entre muchos desarrollos interesantes, y nuestros premios abarcan una amplia gama, desde métodos computacionales para grandes datos del cerebro, hasta ópticas sofisticadas para el control de haces de luz, hasta una estrategia molecular inteligente para el estudio de proteínas expresión en neuronas ".
El comité de selección de este año también incluyó a Adrienne Fairhall, Timothy Holy, Loren Looger, Mala Murthy, Alice Ting y Hongkui Zeng, quienes eligieron los Premios de Innovaciones Tecnológicas en Neurociencia de este año de un grupo altamente competitivo de 89 solicitantes.
Las cartas de intención para los Premios a las Innovaciones Tecnológicas en Neurociencia 2021 se recibirán el lunes 7 de diciembre de 2020. En septiembre se publicará un anuncio sobre el proceso 2021. Para obtener más información sobre los premios, visite www.mcknight.org/programs/the-mcknight-endowment-fund-for-neuroscience/technology-awards
Premios McKnight Innovaciones Tecnológicas en Neurociencia 2020
Eva Dyer, Ph.D., Profesora Asistente, Departamento de Ingeniería Biomédica Wallace H. Coulter, Instituto de Tecnología de Georgia y Universidad de Emory
"Comparación de conjuntos de datos neuronales a gran escala a través del tiempo, el espacio y el comportamiento ”
La capacidad de observar y registrar datos neuronales en grandes partes del cerebro ha dado como resultado enormes cantidades de datos, lo que permite encontrar patrones en los datos que pueden explicar cuántas neuronas trabajan juntas para codificar información sobre el mundo. Incluso con los nuevos avances en la búsqueda de patrones de baja dimensión en los conjuntos de datos, sigue siendo difícil comparar múltiples registros a gran escala, ya sea durante largos períodos de tiempo, o en diferentes personas que resuelven las mismas tareas o similares, o en diferentes estados de enfermedad. La experiencia de la Dra. Dyer usando el aprendizaje automático (ML) para decodificar la actividad cerebral la ha llevado a una solución novedosa para identificar patrones en múltiples conjuntos de datos neuronales grandes.
El trabajo del Dr. Dyer implica la creación de algoritmos de aprendizaje automático para extraer información significativa de conjuntos de datos neuronales, que están etiquetados para identificar si el animal estaba dormido, despierto, alimentándose o participando en diversos movimientos o comportamientos. Las nuevas reglas matemáticas inspiradas en la criptografía guían los algoritmos para identificar patrones similares en conjuntos de datos separados, buscando específicamente que coincidan con la actividad neuronal generada por diferentes estados del cerebro como un punto de partida para alinear los datos. Alinear la actividad neuronal puede mostrar cómo los patrones neuronales se relacionan con el comportamiento y el estado del sujeto, así como prevenir la corrupción por el ruido, y proporciona un trampolín crítico para técnicas de análisis más potentes.
El segundo objetivo del Dr. Dyer ayudará a los investigadores a reenfocarse en neuronas individuales para comprender cómo contribuyen a los cambios generales en la actividad neuronal y si pueden usarse para predecir estados cerebrales específicos. La investigación explorará más a fondo si las diferencias en los comportamientos se pueden rastrear a tipos de células específicas y cómo las diferencias observadas en los conjuntos de datos se pueden usar para caracterizar la variación entre animales individuales. La capacidad de decodificar y comparar grandes conjuntos de datos neuronales será invaluable en la investigación neurológica al indicar cómo la enfermedad neurodegenerativa afecta el procesamiento de la información del cerebro.
Rikky Muller, Ph.D., Profesor Asistente de Ingeniería Eléctrica y Ciencias de la Computación, Universidad de California - Berkeley
"Un dispositivo holográfico de alta velocidad para el control optogenético de miles de neuronas "
La optogenética, que modifica genéticamente las neuronas para que sean sensibles a la luz para que los investigadores puedan activarlas o silenciarlas a voluntad, ha revolucionado la investigación en neurociencia. Junto con los moduladores de luz espacial que transforman la luz en hologramas 3D, los investigadores pueden controlar individualmente muchas neuronas distribuidas en una región tridimensional del cerebro. en vivo. Pero hasta ahora, no ha habido un proyector holográfico capaz de controlar las neuronas a las velocidades que se encuentran en el cerebro de forma natural.
El Dr. Muller está diseñando y construyendo un proyector holográfico para resolver este problema. Su dispositivo transmitirá imágenes de luz holográficas a velocidades de 10,000 fotogramas por segundo (Hz). Muchos televisores de la generación actual actualizan 60 cuadros por segundo, en comparación, y las herramientas holográficas más rápidas disponibles comercialmente alcanzan los 500 Hz. Esta alta frecuencia de actualización es necesaria para replicar la señalización neural natural, lo que implica tiempos de acción potenciales de aproximadamente 1/1000 de segundo (equivalente a 1,000 Hz cuando se consideran las frecuencias de actualización). Además, Muller apunta a miles de neuronas con precisión milimétrica, y al igual que las tasas más altas en televisores producen imágenes más nítidas, un holograma de 10,000 Hz ofrecerá mayor precisión.
La Dra. Muller, una ingeniera eléctrica que se enfoca en neurotecnología, consulta regularmente con neurocientíficos mientras diseña, prueba y construye el dispositivo para garantizar que satisfaga sus necesidades. El dispositivo usará una matriz de micromirror, que esculpirá patrones de luz en 3D en ubicaciones y profundidades específicas a través de la actuación eléctrica de espejos en miniatura; La luz se transmite a través de una serie de lentes. El proyecto primero diseñará y fabricará dos matrices: una matriz más pequeña para pruebas y prueba de concepto, y una matriz de formato más grande, junto con los controladores y controles asociados que se utilizarán para la medición y la calibración. Finalmente, el equipo del Dr. Muller producirá un modulador de luz espacial con todas las funciones. Se espera que esta herramienta brinde a los investigadores una capacidad sin precedentes para controlar y probar la conectividad neuronal.
Kai Zinn, Ph.D., Howard y Gwen Laurie Smits Profesor de Biología, Instituto de Tecnología de California
"Códigos de barras enzimáticos modulares "
Muchos experimentos de neurociencia implican el análisis de la unión de anticuerpos y receptores a las superficies celulares. Además, una comprensión del desarrollo y la función neuronales requiere conocimiento sobre en vivo interacciones entre proteínas de la superficie celular. Los experimentos de alto rendimiento que involucran proteínas generalmente requieren mucho tiempo y son complejos, ya que cada proteína tiene diferentes propiedades bioquímicas. Para ayudar a abrir nuevas oportunidades para la investigación en neurociencia, el Dr. Zinn y su equipo están desarrollando una forma modular para "codificar con código de barras" diferentes proteínas, proporcionando a los investigadores un juego de herramientas flexible.
El código de barras en su forma más simple implica insertar un marcador genético en las moléculas y luego buscar esos marcadores después del experimento para determinar qué moléculas se localizan juntas. Se ha utilizado con ácidos nucleicos con gran éxito. Sin embargo, las proteínas son más complejas y no había forma de codificar las miles de proteínas de interés para los investigadores sin recurrir a la reticulación química, que a menudo altera la función de las proteínas. El Dr. Zinn está superando este desafío con el uso de proteínas de fusión que contienen módulos de unión a proteínas de alta afinidad unidos a enzimas de "dominio HUH", que pueden acoplarse covalentemente a oligonucleótidos de código de barras. Los módulos de unión permiten que los códigos de barras se unan a anticuerpos, proteínas biotiniladas y proteínas con etiquetas de unión covalentes. Esto proporciona acceso a la mayoría de las proteínas de interés para los neurocientíficos. El proyecto también implica la construcción de andamios de nanopartículas con 60 puntos de unión que se pueden unir simultáneamente a los códigos de barras y a las proteínas de interés. Estos andamios mejorarán la observabilidad de las interacciones: las interacciones débiles se hacen más fuertes cuando interactúan múltiples proteínas en cada estructura.
El proyecto del Dr. Zinn implicará el desarrollo de protocolos y procesos involucrados en la realización de varios tipos de experimentos de secuenciación de células individuales de alto rendimiento que proporcionarán información sobre proteínas. Estos incluyen experimentos con anticuerpos con código de barras para observar la expresión de receptores de superficie específicos en una célula, observar cambios en las células cuando se exponen a ciertas proteínas, visualizar grandes cantidades de antígenos en el tejido cerebral, detectar interacciones de grandes cantidades de proteínas y identificar receptores para proteínas "huérfanas". Gracias a su modularidad, simplicidad y la capacidad de permitir que múltiples proteínas interactúen a la vez, el Dr. Zinn espera que su sistema de código de barras permita y acelere estos y muchos otros tipos de experimentos de neurociencia.
