2021년 7월 30일
McKnight Endowment Fund for Neuroscience(MEFN)는 신경과학 연구 수행 방식을 근본적으로 바꿀 수 있는 능력을 인정받아 2021 McKnight Technological Innovations in Neuroscience Awards를 통해 $600,000의 보조금을 받은 세 명의 수상자를 발표했습니다. 각 프로젝트에는 향후 2년 동안 총 $200,000가 제공되어 뇌 기능을 매핑, 모니터링 및 모델링하는 데 사용되는 이러한 획기적인 기술의 개발이 진행됩니다. 2021년 수상자는 다음과 같습니다.
- Duke University의 Timothy Dunn 박사, 그는 여러 대의 비디오 카메라와 새로운 기계 학습 알고리즘을 결합하여 3D 측정(2D 픽셀 측정이 아닌)을 사용하여 피사체의 신체 움직임을 캡처하는 시스템을 작업하고 있습니다. 이 방법을 사용하면 자유롭게 행동하는 동물의 작은 개별 신체 부위를 고해상도로 추적할 수 있고 자연주의적 공간에서 연구할 수 있으며 현재 시스템에서는 사용할 수 없는 기능의 조합인 사회적으로 상호 작용하는 여러 동물을 추적할 수도 있습니다.
- 콜로라도 의과대학 제프리 키프트 박사, 누가 mRNA가 효소에 의해 파괴되는 속도를 감소시킬 수 있는 보호 형태를 만들기 위해 RNA를 조작하는 방법을 개발하고 있습니다. 이러한 방식으로 연구자들은 세포에 있는 특정 mRNA 단백질의 풍부함을 관리할 수 있게 되어 특정 장애를 연구하고 치료하는 데 유용할 수 있습니다.
- University of Minnesota Twin Cities의 Suhasa Kodandaramaiah 박사, 자유롭게 움직이는 동물의 뇌 활동을 보다 강력하게 추적할 수 있도록 로봇 시스템을 사용하고 있습니다. 로봇 공학을 사용하여 동물과 동기화하여 여러 축을 따라 하드웨어를 이동하는 이 접근 방식을 사용하면 자유롭게 움직이는 동물 실험에 자주 사용되는 소형 버전보다 더 크고 강력하며 고해상도 모니터링 시스템을 사용할 수 있습니다.
아래에서 이러한 각 연구 프로젝트에 대해 자세히 알아보십시오.
신경 과학상 기술 혁신에 대하여
McKnight의 신경 과학 기술 혁신 상이 1999년에 제정된 이래로 MEFN은 이 상 메커니즘을 통해 신경 과학을 위한 혁신 기술에 $1500만 이상을 기부했습니다. MEFN은 특히 뇌 기능을 조작하고 분석하는 능력을 향상시키기 위해 새롭고 참신한 접근 방식을 취하는 작업에 관심이 있습니다. McKnight의 지원으로 개발된 기술은 궁극적으로 다른 과학자들에게 제공되어야 합니다.
수상 위원회 의장이자 생물학과 교수인 Anne P.와 Benjamin F. Biaggini 교수인 Markus Meister 박사는 “우리 지원자들이 새로운 신경 기술에 독창성을 가져오는 것을 다시 한 번 보게 되어 감격스러웠습니다.”라고 말했습니다. 칼텍에서. “올해 우리는 많은 흥미로운 개발 중 어려운 선택에 직면했습니다. 우리의 수상은 로봇 외골격에서 설치류의 신경 기록 지원, 정확한 유전자 발현의 분자 제어, 동물 행동의 3D 추적 알고리즘에 이르기까지 광범위한 범위에 걸쳐 있습니다. "
올해의 선정 위원회에는 경쟁이 치열한 73명의 지원자 중에서 올해의 신경 과학 분야 기술 혁신을 선택한 Adrienne Fairhall, Timothy Holy, Loren Looger, Mala Murthy, Alice Ting 및 Hongkui Zeng도 포함되었습니다.
2022 신경과학 상의 기술 혁신에 대한 의향서 마감일은 2021년 12월 6일 월요일입니다. 2022 프로세스에 대한 발표는 8월에 나옵니다. 딸깍 하는 소리 수상에 대한 자세한 내용은
2021 McKnight 신경 과학 어워드의 기술 혁신
Timothy Dunn, Ph.D., 조교수, Duke University 의생명공학과
개인 및 사회 그룹의 다중 규모 3차원 행동 정량화
자유롭게 행동하는 동물의 움직임을 측정하는 현재 방법에는 한계가 있습니다. 동물의 작은 움직임(예: 한 자릿수)을 매우 자세하게 관찰하려면 제한된 움직임 범위가 필요합니다. 3D 공간에서 자유롭게 움직이는 동작을 연구한다는 것은 종종 해상도를 제한하거나 전체 위치를 추적하거나 관찰자의 설명에 의존하는 것을 의미합니다. 동물의 자동 비디오 추적은 일반적으로 부자연스럽고 단순한 환경이 필요하며 카메라에 보이지 않는 신체 부위는 정확하게 추적되지 않습니다. 이러한 문제를 극복하기 위해 최근에 개발된 기술인 체적 공간 표현을 사용하여 대형 3차원 공간에 대한 고해상도 인공 지능(AI) 예측에는 막대한 컴퓨팅 성능이 필요합니다. 사회적 관찰을 위해 여러 동물을 추가하면 추가 문제가 발생합니다.
결과적으로 가장 원하는 데이터의 가용성이 낮습니다. 3D 공간에서 단독 또는 그룹으로 자연스러운 행동을 수행하는 동물의 고해상도 자동 추적 및 표준화된 형식으로 해당 동작의 정량화. Dunn 박사는 그 이상을 더 가깝게 만드는 것을 목표로 하는 새로운 접근 방식을 연구하고 있습니다. 그의 팀이 예측의 정확도를 크게 향상시키기 위해 사용한 3D 기하학적 기계 학습 알고리즘의 학습을 바탕으로 Dunn 박사와 그의 팀은 현재 여러 카메라의 이미지를 결합하여 팔이나 발과 같은 부분이 직접적으로 보이지 않는 경우에도 다양한 척도에서 신체 위치를 측정하고 예측할 수 있습니다.
ARIS는 미세한 신체 특징의 해상도를 선택적으로 개선하고 대상에 대해 알고 있는 것(팔다리의 배열 및 길이, 연결 방법, 움직이는 방법 등)을 기반으로 예측 모델링을 사용합니다. 자유롭게 행동하는 쥐의 훈련 데이터를 가져온 다음 다른 종의 훈련 데이터를 사용하여 미세 조정하여 신체 일부가 있을 가능성이 있는 공간 부분에 초점을 맞춥니다. 이것은 이전 3D 체적 도구보다 훨씬 적은 계산 능력을 사용합니다. 그의 연구에서 Dunn 박사는 ARIS를 구현하고 전반적인 위치와 자세에서 손, 발, 얼굴의 미세한 특징의 움직임에 이르기까지 다양한 규모로 데이터를 기록할 것입니다. 추가 연구는 상호 작용하는 여러 동물과의 효과를 조사할 것입니다. 새롭고 보다 정확한 방식으로 행동을 측정하는 이 능력은 움직임에 영향을 미치는 신경 장애 연구, 뇌 활동과 행동 연결, 사회적 상호 작용 연구에 광범위한 의미를 갖습니다.
제프리 키프트 박사, 콜로라도 의과대학 생화학 및 분자유전학과 교수
전사체를 제어하는 새로운 기술
메신저 RNA 또는 mRNA는 세포의 생명과 건강에 중요한 역할을 하는 것으로 인식되고 있습니다. 이 RNA 분자는 단백질을 만드는 주형이며 단백질을 만드는 기계에 지시를 전달하기 위해 세포 내에서 생성된 다음 효소에 의해 파괴됩니다. 유기체가 표현하는 mRNA의 전체를 "전사체"라고 합니다.
mRNA 및 비암호화 RNA(ncRNA)의 결핍은 특정 신경퇴행성 및 신경 발달 장애와 관련이 있습니다. 전사체에 특정 mRNA 또는 ncRNA가 너무 적으면 특정 세포 기능이 저하되거나 비활성화될 수 있습니다. Kieft 박사는 mRNA와 ncRNA의 붕괴를 늦춤으로써 전사체를 관리하는 새로운 방법을 모색하고 있습니다. RNA를 파괴하는 일부 효소가 RNA를 본질적으로 한쪽 끝에서 다른 쪽 끝으로 "씹는"다는 사실을 알고 있는 Kieft 박사는 RNA 분자가 어떻게 구조화되고 스스로 접히는지에 대한 이해를 사용하여 엑소리보뉴클레아제 내성 RNA(xrRNA)의 조작된 조각을 생성했습니다. , 호환 가능한 mRNA 또는 ncRNA에 도입되면 결합 및 접혀 "차단" 구조를 형성합니다. 즉, 효소를 트랙에서 멈추게 하는 돌출부를 삽입하여 RNA의 모양을 변경합니다.
Kieft 박사는 표적 mRNA와 ncRNA의 붕괴를 늦춤으로써 전사체 내에서 이들의 풍부함을 관리할 기회를 보고 있습니다. 엔지니어링된 xrRNA는 특정 표적만 인식하고, 이들과 연결하고, 보호를 생성할 수 있으므로 연구자는 생성되는 양을 변경하지 않고 표적의 비율을 늘릴 수 있습니다. 이 접근법은 mRNA를 부자연스럽게 부스팅하는 것보다 숙주 세포에 덜 파괴적이라는 장점이 있으며 xrRNA가 조작될 수 있는 정밀도는 여러 RNA를 한 번에 표적화할 수 있는 가능성을 제공하고 가능하게는 속도를 정확하게 관리하여 미세 조정을 허용할 수도 있습니다. 부식. Kieft 박사는 RNA를 연구하는 기초 과학에서 탄생한 이 응용 프로그램이 신경과학자들을 위한 잠재적으로 강력한 연구 도구이자 더 먼 미래의 치료법을 위한 기초로 보고 있습니다.
Suhasa Kodandaramaiah, Ph.D., Benjamin Mayhugh 조교수, 미네소타 대학교 기계 공학과 쌍둥이 도시
자유롭게 행동하는 마우스의 로봇 지원 뇌 전체 기록
행동 중 뇌 활동을 연구하는 신경 과학자들은 일반적으로 절충안을 만들어야 합니다. 그들은 대상 동물이 자유롭게 행동할 수 있을 만큼 충분히 가벼우나 해상도가 낮거나 전체 뇌를 모니터링할 수 없는 소형 머리 장착 신경 센서를 사용합니다. 또는 동물이 러닝머신 위에서 움직이도록 하는 동안 고정하거나, 그럼에도 불구하고 대상의 행동을 제한하는 가상 현실 경험을 사용하는 것과 같이 대상 동물에게 너무 무겁고 다른 솔루션이 필요한 보다 강력한 도구를 사용합니다.
Kodandaramaiah 박사는 신경 기록 및 모니터링 하드웨어의 무게를 지탱하는 로봇 두개골 외골격으로 문제를 해결하고 있으며 여전히 대상(이 경우 마우스)이 3도 모두에서 머리를 회전할 수 있도록 합니다. yaw(수평 회전) 축과 경기장 내에서 이동하는 동안 피치 및 롤 축에서 약 50도의 모션입니다. 로봇은 삼각형 구성으로 배열된 3개의 관절 팔을 가지고 있으며, 대상 위에 매달려 있고 머리에 장착되는 지점에서 만난다. 마운트에 있는 센서는 마우스의 움직임을 감지하고 로봇이 가능한 한 적은 저항력으로 움직임을 활성화하도록 지시하여 마우스가 필요한 모든 감각 장비와 신경 과학 실험에 일반적으로 사용되는 경기장 내에서 회전하고 움직일 수 있도록 합니다. 로봇이 지지하는 임플란트의 와이어.
소형화의 필요성을 제거함으로써 연구자들은 사용 가능한 최첨단 하드웨어를 사용할 수 있습니다. 즉, 이론적으로 로봇은 도입 직후 최신 기술을 사용하도록 업그레이드할 수 있습니다. 그 지점에 도달하기 위해 Kodandaramaiah 박사의 팀은 외골격 엔지니어링과 같은 여러 단계를 거칩니다. 필요한 센서와 고밀도 전극 및 눈, 수염 등의 외부 관찰을 위한 카메라로 헤드 스테이지를 엔지니어링합니다. 벤치탑 테스트 수행; 로봇을 마우스가 전달할 수 있는 입력으로 조정합니다. 프로브 도입 방법 결정; 그리고 마지막으로 라이브 녹음을 합니다. 이 기계적 토대를 통해 Kodandaramaiah 박사는 연구자들이 장기간에 걸쳐 자유롭게 행동하는 대상에 대한 상세한 뇌 전체 신경 기록을 만들 수 있는 상태에 더 가까이 다가갈 수 있기를 희망합니다.
