20 luglio 2020
Il McKnight Endowment Fund for Neuroscience (MEFN) ha annunciato i tre destinatari di $600.000 in sovvenzioni attraverso i McKnight Technological Innovations in Neuroscience Awards 2020, riconoscendo questi progetti per la loro capacità di cambiare radicalmente il modo in cui viene condotta la ricerca sulle neuroscienze. Ciascuno dei progetti riceverà un totale di $200.000 nei prossimi due anni, facendo avanzare lo sviluppo di queste tecnologie rivoluzionarie utilizzate per mappare, monitorare e modellare la funzione cerebrale. I vincitori del 2020 sono:
- Eva Dyer, Ph.D., del Georgia Institute of Technology e della Emory University, che sta creando algoritmi di apprendimento automatico per confrontare grandi set di dati di attività neurale e trovare modelli sia a livello macro che neuronale che corrispondono a stati e comportamenti specifici negli animali che si comportano liberamente.
- Rikky Muller, Ph.D., dell'Università della California – Berkeley, che sta progettando e costruendo un proiettore olografico ad alta velocità in grado di proiettare luce 3D nel cervello a velocità neurali, molte volte più veloci degli attuali proiettori, e quindi manipolare migliaia di neuroni controllati optogeneticamente con elevata precisione.
- Kai Zinn, Ph.D., del California Institute of Technology, che sta sviluppando un mezzo modulare ed economico per codificare geneticamente proteine come anticorpi e recettori sulla superficie delle cellule neurali in modo che i ricercatori possano monitorare le interazioni proteiche utilizzando il sequenziamento di singole cellule ad alto rendimento, uno strumento con molte possibili applicazioni per la ricerca neuroscientifica.
(Scopri di più su ciascuno di questi progetti di ricerca di seguito.)
Informazioni sui premi per le innovazioni tecnologiche nelle neuroscienze
Da quando è stato istituito il premio McKnight per le innovazioni tecnologiche nelle neuroscienze nel 1999, il MEFN ha contribuito con oltre $14,5 milioni a tecnologie innovative per le neuroscienze attraverso questo meccanismo di premio. Il MEFN è particolarmente interessato al lavoro che adotta approcci nuovi e innovativi per migliorare la capacità di manipolare e analizzare le funzioni cerebrali. Le tecnologie sviluppate con il supporto di McKnight dovranno infine essere messe a disposizione di altri scienziati.
"Ancora una volta, è stata un'emozione vedere l'ingegnosità che i nostri candidati stanno apportando alle nuove neurotecnologie", ha affermato Markus Meister, Ph.D., presidente del comitato di premiazione e professore di scienze biologiche Anne P. e Benjamin F. Biaggini al Caltech. “Quest’anno abbiamo dovuto affrontare una scelta difficile tra molti sviluppi entusiasmanti e i nostri premi abbracciano un’ampia gamma, dai metodi computazionali per i big data provenienti dal cervello, all’ottica sofisticata per il controllo dei fasci di luce, a un’intelligente strategia molecolare per il rilevamento delle proteine espressione nei neuroni”.
Il comitato di selezione di quest'anno comprendeva anche Adrienne Fairhall, Timothy Holy, Loren Looger, Mala Murthy, Alice Ting e Hongkui Zeng, che hanno scelto i premi per le innovazioni tecnologiche nelle neuroscienze di quest'anno da un pool altamente competitivo di 89 candidati.
Le lettere di intenti per i premi per le innovazioni tecnologiche in neuroscienze 2021 dovranno essere consegnate lunedì 7 dicembre 2020. Un annuncio sul processo 2021 verrà pubblicato a settembre. Per ulteriori informazioni sui premi, visitare www.mcknight.org/programs/the-mcknight-endowment-fund-for-neuroscience/technology-awards
Premi McKnight per le innovazioni tecnologiche nelle neuroscienze 2020
Eva Dyer, Ph.D., Professore assistente, Dipartimento di ingegneria biomedica di Wallace H. Coulter, Georgia Institute of Technology e Emory University
“Confronto di set di dati neurali su larga scala nel tempo, nello spazio e nel comportamento”
La capacità di osservare e registrare dati neurali su ampie parti del cervello ha prodotto enormi quantità di dati, rendendo possibile trovare modelli nei dati che possono spiegare quanti neuroni lavorano insieme per codificare informazioni sul mondo. Anche con i nuovi progressi nella ricerca di modelli a bassa dimensionalità nei set di dati, è ancora difficile confrontare più registrazioni su larga scala, sia su lunghi periodi di tempo, sia tra individui diversi che risolvono compiti uguali o simili, o tra stati patologici. L'esperienza della Dott.ssa Dyer nell'utilizzo dell'apprendimento automatico (ML) per decodificare l'attività cerebrale l'ha portata a una nuova soluzione per identificare modelli in più set di dati neurali di grandi dimensioni.
Il lavoro del dottor Dyer prevede la creazione di algoritmi di apprendimento automatico per estrarre informazioni significative da set di dati neurali, che sono etichettati per identificare se l'animale era addormentato, sveglio, in cerca di cibo o impegnato in vari movimenti o comportamenti. Nuove regole matematiche ispirate alla crittografia guidano gli algoritmi a identificare modelli simili in set di dati separati, cercando specificamente di abbinare l’attività neurale generata da diversi stati cerebrali come punto di partenza per allineare i dati. L'allineamento dell'attività neurale può mostrare come i modelli neurali sono correlati al comportamento e allo stato del soggetto, nonché prevenire la corruzione dovuta al rumore e fornisce un trampolino di lancio fondamentale per tecniche di analisi più potenti.
Il secondo obiettivo del dottor Dyer aiuterà i ricercatori a concentrarsi nuovamente sui singoli neuroni per capire come contribuiscono ai cambiamenti complessivi nell'attività neurale e se possono essere utilizzati per prevedere stati cerebrali specifici. La ricerca esplorerà ulteriormente se le differenze nei comportamenti possono essere ricondotte a specifici tipi di cellule e come le differenze osservate tra i set di dati possono essere utilizzate per caratterizzare la variazione tra i singoli animali. La capacità di decodificare e confrontare grandi set di dati neurali si rivelerà preziosa nella ricerca neurologica, indicando come la malattia neurodegenerativa influenza l'elaborazione delle informazioni da parte del cervello.
Rikky Muller, Ph.D., Professore assistente di ingegneria elettrica e informatica, Università della California – Berkeley
“Un dispositivo olografico ad alta velocità per il controllo optogenetico di migliaia di neuroni”
L’optogenetica – la modifica genetica dei neuroni affinché siano sensibili alla luce in modo che i ricercatori possano attivarli o silenziarli a piacimento – ha rivoluzionato la ricerca neuroscientifica. Abbinato a modulatori spaziali della luce che modellano la luce in ologrammi 3D, i ricercatori possono controllare individualmente molti neuroni distribuiti in una regione tridimensionale del cervello in vivo. Ma fino ad ora non esisteva un proiettore olografico in grado di controllare i neuroni alla velocità che si trova naturalmente nel cervello.
Il dottor Muller sta progettando e costruendo un proiettore olografico per risolvere questo problema. Il suo dispositivo trasmetterà immagini di luce olografica a una velocità di 10.000 fotogrammi al secondo (Hz). Molti televisori della generazione attuale aggiornano 60 fotogrammi al secondo, per fare un confronto, e gli strumenti olografici più veloci disponibili in commercio raggiungono il massimo a 500 Hz. Questa elevata frequenza di aggiornamento è necessaria per replicare la segnalazione neurale naturale, che implica tempi potenziali di azione di circa 1/1.000 di secondo (equivalenti a 1.000 Hz se si considerano le frequenze di aggiornamento). Inoltre, Muller mira a colpire migliaia di neuroni con precisione millimetrica, e proprio come velocità più elevate nei televisori si traducono in immagini più nitide, un ologramma da 10.000 Hz offrirà una maggiore precisione.
La dottoressa Muller, un ingegnere elettrico che si concentra sulla neurotecnologia, consulta regolarmente i neuroscienziati mentre progetta, testa e costruisce il dispositivo per garantire che soddisfi le loro esigenze. Il dispositivo utilizzerà una serie di microspecchi, che scolpirà modelli 3D di luce in posizioni e profondità specifiche attraverso l'attuazione elettrica di specchi in miniatura; la luce viene quindi trasmessa attraverso una serie di lenti. Il progetto progetterà e realizzerà innanzitutto due array: un array più piccolo per test e prove di concetto e un array di formato più grande, insieme ai driver e ai controlli associati che verranno utilizzati per la misurazione e la calibrazione. Infine, il team del dottor Muller produrrà un modulatore di luce spaziale completo di tutte le funzionalità. Si spera che questo strumento offra ai ricercatori una capacità senza precedenti di controllare e testare la connettività neurale.
Kai Zinn, Ph.D., Howard e Gwen Laurie Smits Professore di Biologia, California Institute of Technology
“Codici a barre enzimatici modulari”
Molti esperimenti di neuroscienza coinvolgono l’analisi del legame degli anticorpi e dei recettori alle superfici cellulari. Inoltre, la comprensione dello sviluppo e della funzione neurale richiede la conoscenza di in vivo Interazioni tra proteine della superficie cellulare. Gli esperimenti ad alto rendimento che coinvolgono le proteine sono generalmente lunghi e complessi poiché ogni proteina ha proprietà biochimiche diverse. Per contribuire ad aprire nuove opportunità per la ricerca nel campo delle neuroscienze, il dottor Zinn e il suo team stanno sviluppando un modo modulare per “codificare con barre” diverse proteine, fornendo ai ricercatori un kit di strumenti flessibile.
Il codice a barre nella sua forma più semplice prevede l'inserimento di un marcatore genetico nelle molecole e la ricerca di tali marcatori dopo l'esperimento per determinare quali molecole sono localizzate insieme. È stato utilizzato con acidi nucleici con grande successo. Le proteine, tuttavia, sono più complesse e non c'era modo di codificare le migliaia di proteine di interesse per i ricercatori senza ricorrere alla reticolazione chimica, che spesso altera la funzione delle proteine. Il dottor Zinn sta superando questa sfida con l'uso di proteine di fusione contenenti moduli di legame proteico ad alta affinità attaccati agli enzimi del "dominio HUH", che possono accoppiarsi covalentemente agli oligonucleotidi con codice a barre. I moduli di legame consentono di collegare i codici a barre ad anticorpi, proteine biotinilate e proteine con tag di legame covalente. Ciò fornisce l'accesso alla maggior parte delle proteine di interesse per i neuroscienziati. Il progetto prevede anche la costruzione di scaffold di nanoparticelle con 60 punti di legame che possono essere attaccati simultaneamente ai codici a barre e alle proteine di interesse. Questi scaffold miglioreranno l’osservabilità delle interazioni: le interazioni deboli diventano più forti quando interagiscono più proteine su ciascuna struttura.
Il progetto del dottor Zinn comporterà lo sviluppo di protocolli e processi coinvolti nella conduzione di diversi tipi di esperimenti di sequenziamento di singole cellule ad alto rendimento che forniranno informazioni sulle proteine. Questi includono esperimenti che utilizzano anticorpi con codice a barre per osservare l'espressione di specifici recettori di superficie su una cellula, per osservare i cambiamenti nelle cellule quando esposte a determinate proteine, per visualizzare un gran numero di antigeni nel tessuto cerebrale, per schermare le interazioni di un gran numero di proteine e per identificare i recettori per le proteine “orfane”. Grazie alla sua modularità, semplicità e alla capacità di consentire a più proteine di interagire contemporaneamente, il dottor Zinn prevede che il suo sistema di codici a barre consentirà e accelererà questi e molti altri tipi di esperimenti neuroscientifici.
