2020 년 7 월 20 일
MEFN (McKnight Endowment Fund for Neuroscience)은 2020 년 McKnight Neuroscience Awards를 통해 1 억 2,200 만 명의 보조금을 수여한다고 발표했으며,이 프로젝트는 신경 과학 연구 수행 방식을 근본적으로 바꿀 수있는 능력을 인정했습니다. 각 프로젝트는 향후 2 년 동안 총 $200,000을 받아 뇌 기능을 매핑, 모니터링 및 모델링하는 데 사용되는 혁신적인 기술의 개발을 발전시킬 것입니다. 2020 년 수상자들은 다음과 같습니다.
- Georgia Institute of Technology & Emory University의 Eva Dyer 박사 그는 신경 활동의 큰 데이터 세트를 비교하고 자유롭게 행동하는 동물의 특정 상태와 행동에 해당하는 거시적 및 뉴런 수준 패턴을 찾기 위해 기계 학습 알고리즘을 만들고 있습니다.
- 캘리포니아 대학교 릭키 뮬러 박사 – 버클리, 그는 현재 프로젝터보다 몇 배나 빠른 속도로 신경 속으로 3D 빛을 뇌에 투사 할 수있는 고속 홀로그램 프로젝터를 설계하고 제작하여 수천 개의 광으로 제어 된 뉴런을 높은 정밀도로 조작합니다.
- 캘리포니아 공과 대학의 Kai Zinn 박사 그는 항체 및 신경 세포 표면 수용체와 같은 단백질을 유 전적으로 바코드 방식으로 코딩하는 모듈 식의 비용 효율적인 수단을 개발하여 연구자들은 신경 과학 연구를위한 많은 응용 분야를 가진 도구 인 고 처리량 단일 세포 시퀀싱을 사용하여 단백질 상호 작용을 추적 할 수 있습니다.
(아래의 각 연구 프로젝트에 대해 자세히 알아보십시오.)
신경 과학상 기술 혁신에 대하여
1999 년에 Neuroscience Award의 McKnight 기술 혁신 상이 설립 된 이후, MEFN은이 상 메커니즘을 통해 신경 과학을위한 혁신적인 기술에 $14.5 백만 이상을 기여했습니다. MEFN은 특히 뇌 기능을 조작하고 분석하는 능력을 향상시키기 위해 새롭고 참신한 접근법을 취하는 작업에 관심이 있습니다. McKnight 지원으로 개발 된 기술은 궁극적으로 다른 과학자들에게도 제공되어야합니다.
"또, 우리 지원자들이 새로운 신경 기술을 도입하는 독창성을 보는 것은 스릴이었습니다."라고 상위원회의 회장 인 Markus Meister 박사와 생물 과학 교수 Anne P. 및 Benjamin F. Biaggini 교수는 말했습니다. Caltech에서. “올해, 우리는 많은 흥미로운 개발 중에서 어려운 선택에 직면했으며, 우리의 수상은 뇌에서 빅 데이터를위한 계산 방법, 광선 제어를위한 멋진 광학, 단백질 조사를위한 영리한 분자 전략에 이르기까지 광범위한 범위에 걸쳐 있습니다. 뉴런에서의 표현.”
올해의 선발위원회에는 경쟁이 치열한 89 명의 지원자 중에서 올해의 신경 과학상 기술 혁신을 선택한 Adrienne Fairhall, Timothy Holy, Loren Looger, Mala Murthy, Alice Ting 및 Hongkui Zeng도 포함되었습니다.
2021 년 12 월 7 일 월요일, 신경 과학상에서 2021 년 기술 혁신에 대한 의향서가 발송 될 예정입니다. 2021 년 과정에 대한 발표는 9 월에 나옵니다. 수상에 대한 자세한 내용은 다음을 방문하십시오. www.mcknight.org/programs/the-mcknight-endowment-fund-for-neuroscience/technology-awards
2020 McKnight 신경 과학 기술 혁신
에바 다이어 (Eva Dyer) 박사, 조지아 공과 대학 (Georgia Institute of Technology & Emory University)의 생명 공학과 Wallace H. Coulter 부교수
"시간, 공간 및 동작에 따른 대규모 신경 데이터 세트 비교”
뇌의 많은 부분에 걸쳐 신경 데이터를 관찰하고 기록하는 능력은 엄청난 양의 데이터를 가져 왔으며, 세계에서 정보를 인코딩하기 위해 얼마나 많은 뉴런이 함께 작동하는지 설명 할 수있는 데이터에서 패턴을 찾을 수있었습니다. 데이터 세트에서 저 차원 패턴을 찾는 새로운 발전에도 불구하고, 장기간에 걸쳐 또는 동일하거나 유사한 작업을 해결하는 다른 개인 또는 질병 상태에 관계없이 여러 대규모 기록을 비교하는 것은 여전히 어려운 일입니다. 뇌 활동을 해독하기 위해 기계 학습 (ML)을 사용한 Dyer 박사의 경험으로 인해 그녀는 여러 개의 큰 신경 데이터 세트에서 패턴을 식별 할 수있는 새로운 솔루션이되었습니다.
다이어 박사의 연구에는 신경 학습 데이터 세트에서 의미있는 정보를 추출하기위한 머신 러닝 알고리즘을 만드는 것이 포함되는데,이 데이터는 동물이 잠들었거나 깨어 있는지, 먹이를 주 었는지 또는 다양한 동작이나 행동에 관여 하는지를 식별하기 위해 표시되어 있습니다. 새로운 암호화에서 영감을 얻은 수학적 규칙은 별도의 데이터 세트에서 유사한 패턴을 식별하도록 알고리즘을 안내하며, 구체적으로 데이터를 정렬시키기위한 출발점으로 다른 뇌 상태에 의해 생성 된 신경 활동을 일치시킵니다. 신경 활동을 정렬하면 신경 패턴이 피험자의 행동 및 상태와 어떻게 관련되어 있는지, 소음으로 인한 손상을 방지 할 수 있으며,보다 강력한 분석 기술에 중요한 디딤돌이됩니다.
Dyer 박사의 두 번째 목표는 연구자들이 단일 뉴런에 초점을 맞추어 신경 활동의 전반적인 변화에 기여하는 방법과 특정 뇌 상태를 예측하는 데 사용할 수 있는지 이해하는 데 도움이 될 것입니다. 이 연구는 행동의 차이가 특정 세포 유형으로 역 추적 될 수 있는지, 그리고 데이터 세트에서 보이는 차이가 어떻게 개별 동물의 변화를 특징 짓는 데 사용될 수 있는지를 탐구 할 것입니다. 큰 신경 데이터 세트를 해독하고 비교하는 능력은 신경 퇴행성 질환이 뇌의 정보 처리에 어떻게 영향을 미치는지를 표시함으로써 신경 학적 연구에서 귀중한 것으로 입증 될 것입니다.
Rikky Muller 박사, 캘리포니아 대학교 전기 공학 및 컴퓨터 과학 조교수 – 버클리
"수천 개의 뉴런의 광유 전적 제어를위한 고속 홀로그램 장치”
뉴런이 빛에 민감하도록 유전자를 변형시켜 연구자들이 마음대로 활성화하거나 침묵시킬 수있는 Optogenetics는 신경 과학 연구에 혁명을 가져 왔습니다. 3D 홀로그램으로 빛을 형성하는 공간 광 변조기와 함께 연구원들은 뇌의 3 차원 영역에 분포 된 많은 뉴런을 개별적으로 제어 할 수 있습니다 생체 내. 그러나 지금까지는 뇌에서 자연적으로 발견되는 속도로 뉴런을 제어 할 수있는 홀로그램 프로젝터가 없었습니다.
뮬러 박사는이 문제를 해결하기 위해 홀로그램 프로젝터를 설계 및 제작하고 있습니다. 그녀의 장치는 홀로그램 조명 이미지를 초당 10,000 프레임 (Hz)의 속도로 스트리밍합니다. 많은 현재 세대 TV는 초당 60 프레임을 상쾌하게하며, 가장 빠른 상용 홀로그램 도구는 500Hz에서 최고입니다. 이 높은 재생률은 자연 신경 신호를 복제하는 데 필요합니다. 여기에는 약 1 / 1,000 초의 활동 전위 시간 (새로 고침 빈도를 고려할 때 1,000Hz에 해당)이 포함됩니다. 또한 Muller는 정확한 정확도로 수천 개의 뉴런을 목표로합니다. TV 속도가 높을수록 이미지가 더 선명 해 지듯이 10,000Hz 홀로그램이 더 정밀 해집니다.
신경 기술에 중점을 둔 전기 엔지니어 인 뮬러 박사는 정기적으로 신경 과학자와 상담하여 자신의 필요에 맞는 장치를 설계, 테스트 및 구축합니다. 이 장치는 소형 거울의 전기 작동을 통해 특정 위치와 깊이로 3D 패턴의 빛을 조각하는 마이크로 미러 어레이를 사용합니다. 그런 다음 빛은 일련의 렌즈를 통해 전달됩니다. 이 프로젝트는 먼저 테스트 및 개념 증명 용 소형 어레이와 측정 및 교정에 사용될 관련 드라이버 및 컨트롤과 함께 대형 어레이 인 두 개의 어레이를 설계하고 제작합니다. Muller 박사 팀은 모든 기능을 갖춘 공간 광 변조기를 생산할 것입니다. 이 도구는 연구원들이 신경 연결을 제어하고 테스트 할 수있는 전례없는 능력을 제공 할 것으로 기대됩니다.
Kai Zinn 박사, Howard and Gwen Laurie, 캘리포니아 공과 대학 생물학 교수
"모듈 형 효소 바코드”
많은 신경 과학 실험은 세포 표면에 대한 항체 및 수용체 결합의 분석을 포함합니다. 또한 신경 발달과 기능을 이해하려면 다음에 대한 지식이 필요합니다. 생체 내 세포 표면 단백질 간의 상호 작용. 단백질과 관련된 고 처리량 실험은 일반적으로 시간이 많이 걸리고 복잡합니다. 모든 단백질의 생화학 특성이 다르기 때문입니다. Zinn 박사와 그의 팀은 신경 과학 연구를위한 새로운 기회를 제공하기 위해 다양한 단백질을 "바코드"하는 모듈 방식을 개발하여 연구원들에게 유연한 툴킷을 제공하고 있습니다.
가장 간단한 형태의 바코드는 유전자 마커를 분자에 삽입 한 다음 실험 후 해당 마커를 찾아서 어떤 분자가 함께 위치하는지 결정합니다. 그것은 큰 성공으로 핵산과 함께 사용되었습니다. 그러나 단백질은 더 복잡하지만 화학적 가교에 의지하지 않고 연구자들이 관심있는 수천 개의 단백질을 바 코드 할 수있는 방법이 없었으며, 이는 종종 단백질 기능을 변화시킵니다. Zinn 박사는 "HUH- 도메인"효소에 부착 된 고친 화성 단백질 결합 모듈을 함유하는 융합 단백질을 사용하여 이러한 과제를 극복하고 있으며, 이는 자신을 바코드 올리고 뉴클레오티드에 공유 결합시킬 수있다. 결합 모듈은 바코드가 항체, 비 오티 닐화 된 단백질 및 공유 결합 태그를 갖는 단백질에 부착 될 수있게한다. 이것은 신경 과학자에게 관심있는 단백질의 대부분에 대한 접근을 제공합니다. 이 프로젝트는 또한 바코드와 관심있는 단백질에 동시에 부착 될 수있는 60 개의 결합 점을 갖는 나노 입자 스캐 폴드를 구축하는 것을 포함합니다. 이 스캐 폴드는 상호 작용의 관측 성을 향상시킬 것입니다. 각 구조의 여러 단백질이 상호 작용할 때 약한 상호 작용이 더 강력 해집니다.
Zinn 박사의 프로젝트는 단백질에 대한 정보를 제공 할 여러 유형의 고 처리량 단일 세포 시퀀싱 실험을 수행하는 데 관련된 프로토콜 및 프로세스 개발을 수반합니다. 여기에는 바코드가있는 항체를 사용하여 세포에서 특정 표면 수용체의 발현을 관찰하고, 특정 단백질에 노출되었을 때 세포의 변화를 관찰하고, 뇌 조직에서 많은 수의 항원을 시각화하고, 많은 수의 단백질의 상호 작용을 차단하고, "고아"단백질에 대한 수용체를 식별한다. Zinn 박사는 모듈성, 단순성 및 여러 단백질이 한 번에 상호 작용할 수있는 능력 덕분에 바코드 시스템이 이러한 신경 과학 실험을 가능하게하고 가속화 할 것으로 기대합니다.
