30 luglio 2021
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 2021, 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 2021 sono:
- Timothy Dunn, Ph.D., della Duke University, che sta lavorando a un sistema per catturare il movimento del corpo dei soggetti utilizzando misurazioni 3D (anziché misurazioni pixel 2D) combinando più videocamere e un nuovo algoritmo di apprendimento automatico. Il metodo consente il tracciamento ad alta risoluzione di parti del corpo piccole e discrete in animali che si comportano liberamente, consente lo studio nello spazio naturalistico e può persino tracciare più animali che interagiscono socialmente, una combinazione di caratteristiche non disponibili nei sistemi attuali.
- Jeffrey Kieft, Ph.D., della Scuola di Medicina dell'Università del Colorado, che sta sviluppando un modo per ingegnerizzare l'RNA per creare una forma di protezione in grado di ridurre la velocità con cui l'mRNA viene distrutto dagli enzimi. In questo modo i ricercatori sarebbero in grado di gestire l’abbondanza di proteine mRNA specifiche nelle cellule, utili per studiare ed eventualmente anche curare alcuni disturbi.
- Suhasa Kodandaramaiah, Ph.D., dell'Università del Minnesota Twin Cities, che utilizza sistemi robotici per consentire un monitoraggio più affidabile dell’attività cerebrale negli animali che si muovono liberamente. Utilizzando la robotica per spostare l’hardware lungo più assi in sincronia con l’animale, questo approccio consente l’uso di sistemi di monitoraggio più grandi, più potenti e con una risoluzione più elevata rispetto alle versioni miniaturizzate spesso utilizzate per esperimenti su animali che si muovono liberamente.
Scopri di più su ciascuno di questi progetti di ricerca di seguito.
Informazioni sui premi per le innovazioni tecnologiche nelle neuroscienze
Da quando il McKnight Technological Innovations in Neuroscience Award è stato istituito nel 1999, il MEFN ha contribuito con più di $15 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, da un esoscheletro robotico al supporto della registrazione neurale nei roditori, al controllo molecolare dell’espressione genetica accurata, agli algoritmi per il tracciamento 3D del comportamento animale. "
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 Technological Innovations in Neuroscience Awards di quest'anno da un pool altamente competitivo di 73 candidati.
Le lettere di intenti per i premi per le innovazioni tecnologiche nelle neuroscienze 2022 dovranno essere consegnate lunedì 6 dicembre 2021. Un annuncio sul processo del 2022 verrà pubblicato ad agosto. Clic per ulteriori informazioni sui premi.
Premi McKnight per le innovazioni tecnologiche nelle neuroscienze 2021
Timothy Dunn, Ph.D., Professore assistente, Dipartimento di Ingegneria Biomedica, Duke University
Quantificazione comportamentale tridimensionale multiscala negli individui e nei gruppi sociali
Gli attuali metodi di misurazione del movimento degli animali che si comportano liberamente presentano dei limiti: osservazioni altamente dettagliate di piccoli movimenti di un animale (una singola cifra, ad esempio) richiedono intervalli di movimento ristretti. Studiare il comportamento in movimento libero nello spazio 3D spesso significa limitare la risoluzione, forse solo monitorare la posizione complessiva o fare affidamento sulla descrizione di un osservatore. Il tracciamento video automatico negli animali richiede in genere un ambiente innaturale e semplice e le parti del corpo non visibili alle telecamere non vengono tracciate in modo accurato. Le previsioni dell’intelligenza artificiale (AI) ad alta risoluzione su grandi spazi tridimensionali utilizzando la rappresentazione spaziale volumetrica, una tecnica recentemente sviluppata per superare questi problemi, richiedono un’enorme potenza di calcolo. L'aggiunta di più animali per le osservazioni sociali introduce ulteriori problemi.
Di conseguenza, vi è scarsa disponibilità dei dati più desiderati: tracciamento automatico ad alta risoluzione di animali nello spazio 3D che eseguono comportamenti naturali, da soli o in gruppi, e quantificazione di tale movimento in un formato standardizzato. Il dottor Dunn sta lavorando a un nuovo approccio che mira ad avvicinare quell'ideale. Basandosi su quanto appreso da un algoritmo di apprendimento automatico geometrico 3D utilizzato dal suo team per migliorare notevolmente l'accuratezza delle previsioni, il dottor Dunn e il suo team stanno ora lavorando sul campionamento adattivo ricorrente di immagini (ARIS) che combina immagini provenienti da più fotocamere per costruire un modello che può misurare e prevedere la posizione del corpo su molte scale, anche quando una parte (come un braccio o un piede) non è direttamente visibile.
ARIS migliora selettivamente la risoluzione delle caratteristiche corporee su scala ridotta e utilizza la modellazione predittiva basata su ciò che sa del soggetto (disposizione e lunghezza degli arti, come sono collegati, come si muovono, ecc.) – appreso prima analizzando enormi quantità dei dati di addestramento di ratti che si comportano liberamente e poi perfezionati utilizzando i dati di addestramento di altre specie, per concentrarsi sulla porzione di spazio in cui è probabile che si trovi la parte del corpo. Ciò utilizza una potenza di calcolo molto inferiore rispetto ai precedenti strumenti volumetrici 3D. Nella sua ricerca, il dottor Dunn implementerà ARIS e registrerà i dati su più scale, dalla posizione generale e postura fino al movimento delle caratteristiche fini delle mani, dei piedi e del viso. Ulteriori ricerche esploreranno la sua efficacia con più animali che interagiscono. Questa capacità di misurare il comportamento in un modo nuovo e più preciso ha ampie implicazioni per lo studio dei disturbi neurologici che influenzano il movimento, collegando l’attività cerebrale al comportamento e studiando le interazioni sociali.
Jeffrey Kieft, Ph.D., Professore, Dipartimento di Biochimica e Genetica Molecolare, Scuola di Medicina dell'Università del Colorado
Una nuova tecnologia per controllare il trascrittoma
L’RNA messaggero, o mRNA, è riconosciuto come un attore vitale nella vita e nella salute delle cellule. Queste molecole di RNA sono i modelli per produrre proteine e vengono create all'interno delle cellule per trasportare istruzioni al meccanismo di produzione delle proteine, quindi vengono distrutte dagli enzimi. La totalità dell’mRNA espresso da un organismo è chiamata “trascrittoma”.
Le carenze di mRNA e RNA non codificante (ncRNA) sono collegate ad alcuni disturbi neurodegenerativi e dello sviluppo neurologico. Se nel trascrittoma è presente una quantità insufficiente di mRNA o ncRNA specifico, alcune funzioni cellulari possono essere degradate o disabilitate. Il dottor Kieft sta esplorando un nuovo modo per gestire il trascrittoma rallentando il decadimento dell'mRNA e dell'ncRNA. Sapendo che alcuni enzimi che distruggono l'RNA essenzialmente lo "masticano" da un'estremità all'altra, il Dr. Kieft ha utilizzato la sua comprensione di come le molecole di RNA sono strutturate e si ripiegano su se stesse per creare un pezzo ingegnerizzato di RNA resistente all'esoribonucleasi (xrRNA) che , quando introdotto nell'mRNA o nell'ncRNA compatibile, si combina e si piega per formare una struttura "bloccante", cambiando letteralmente la forma dell'RNA inserendo una sporgenza che ferma gli enzimi nel loro percorso.
Rallentando il decadimento dell'mRNA e dell'ncRNA bersaglio, il Dr. Kieft vede l'opportunità di gestirne l'abbondanza all'interno del trascrittoma. Gli xrRNA ingegnerizzati potrebbero riconoscere solo obiettivi specifici, collegarsi ad essi e creare la protezione, in modo che i ricercatori possano aumentare la proporzione del bersaglio senza modificare la quantità creata. L'approccio ha il vantaggio di essere meno distruttivo per la cellula ospite rispetto al potenziamento innaturale dell'mRNA, e la precisione con cui l'xrRNA può essere ingegnerizzato offre il potenziale per colpire più RNA contemporaneamente e forse anche consentire la messa a punto gestendo con precisione la velocità di decadimento. Il dottor Kieft vede questa applicazione, nata dalla scienza di base che studia l’RNA, come uno strumento di ricerca potenzialmente potente per i neuroscienziati e forse anche la base per terapie in un futuro più lontano.
Suhasa Kodandaramaiah, Ph.D., Professore assistente Benjamin Mayhugh, Dipartimento di ingegneria meccanica, Città gemelle dell'Università del Minnesota
Registrazioni a livello cerebrale assistite da robot in topi che si comportano liberamente
I neuroscienziati che studiano l'attività cerebrale durante i comportamenti di solito devono fare un compromesso: usano sensori neurali miniaturizzati montati sulla testa che sono abbastanza leggeri da consentire all'animale soggetto di comportarsi liberamente, ma hanno una risoluzione inferiore o non possono monitorare l'intero cervello. Oppure utilizzano strumenti più potenti, che sono decisamente troppo pesanti per gli animali soggetti e richiedono altre soluzioni, come l'immobilizzazione lasciando che gli animali si muovano su un tapis roulant, o anche l'utilizzo di esperienze di realtà virtuale che tuttavia limitano il comportamento di un soggetto.
Il Dr. Kodandaramaiah sta affrontando la sfida con un esoscheletro cranico robotico che trasporta il peso dell'hardware di registrazione e monitoraggio neurale pur consentendo al soggetto (in questo caso un topo) di ruotare la testa in tutti e tre i gradi: una rotazione completa di 360 gradi nel asse di imbardata (rotazione orizzontale) e circa 50 gradi di movimento negli assi di beccheggio e rollio, mentre ci si sposta in un'arena. Il robot è dotato di tre bracci snodabili disposti in configurazione triangolare, sospesi sul soggetto e che si incontrano nel punto di montaggio sulla testa. I sensori nel supporto rileveranno il movimento che sta facendo il mouse e dirigeranno il robot per consentire il movimento con la minor forza resistiva possibile, consentendo al mouse di girarsi e muoversi all'interno di un'arena tipicamente utilizzata per esperimenti di neuroscienza con tutta l'attrezzatura sensoriale necessaria e fili provenienti dagli impianti supportati dal robot.
L’eliminazione della necessità di miniaturizzazione consente ai ricercatori di utilizzare qualsiasi hardware all’avanguardia disponibile, il che significa che un robot può teoricamente essere aggiornato per utilizzare la tecnologia più recente subito dopo la sua introduzione. Per arrivare a quel punto, il team del dottor Kodandaramaiah dovrà affrontare diversi passaggi: progettare l'esoscheletro; progettare il palco della testa con i sensori necessari oltre ad elettrodi ad alta densità e telecamere per l'osservazione esterna di occhi, baffi e altro; esecuzione di test da banco; sintonizzare il robot sugli input che un mouse può fornire; determinare come introdurre le sonde; e infine effettuare la registrazione dal vivo. Con questo supporto meccanico, il dottor Kodandaramaiah spera di aiutare i ricercatori ad avvicinarsi allo stato in cui possono effettuare registrazioni neurali dettagliate a livello cerebrale di soggetti che si comportano liberamente su lunghi periodi di tempo.
