ລາງວັນເຕັກໂນໂລຍີດ້ານເຕັກໂນໂລຢີ McKnight ປີ 2020

ວັນທີ 20 ກໍລະກົດປີ 2020

ກອງທຶນ McKnight Endowment Fund for Neuroscience (MEFN) ໄດ້ປະກາດໃຫ້ຜູ້ຮັບ 3 ຄົນຂອງ $600,000 ໃນການຊ່ວຍເຫຼືອລ້າຜ່ານໂຄງການລາງວັນດ້ານເຕັກໂນໂລຢີດ້ານເຕັກໂນໂລຢີດ້ານເຕັກໂນໂລຢີ (McKnight Technologies Innovations Awards) ໃນປີ 2020, ຮັບຮູ້ບັນດາໂຄງການເຫຼົ່ານີ້ ສຳ ລັບຄວາມສາມາດຂອງພວກເຂົາໃນການປ່ຽນແປງພື້ນຖານວິທີການຄົ້ນຄ້ວາວິທະຍາສາດ. ແຕ່ລະໂຄງການຈະໄດ້ຮັບ ຈຳ ນວນທັງ ໝົດ $200,000 ໃນໄລຍະ 2 ປີຂ້າງ ໜ້າ, ໃຫ້ຄວາມກ້າວ ໜ້າ ໃນການພັດທະນາເຕັກໂນໂລຍີພື້ນຖານເຫຼົ່ານີ້ທີ່ໃຊ້ໃນການສ້າງແຜນທີ່, ຕິດຕາມກວດກາແລະເຮັດວຽກແບບສະ ໝອງ. ຜູ້ທີ່ໄດ້ຮັບລາງວັນປີ 2020 ແມ່ນ:

• Eva Dyer, ປະລິນຍາເອກ, ຈາກສະຖາບັນເຕັກໂນໂລຢີ & Emory University of Georgia, ຜູ້ທີ່ ກຳ ລັງສ້າງລະບົບການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອປຽບທຽບຖານຂໍ້ມູນທີ່ໃຫຍ່ຂອງກິດຈະ ກຳ ທາງ neural ແລະຊອກຫາທັງຮູບແບບລະດັບມະຫາພາກແລະລະດັບ neuron ທີ່ສອດຄ້ອງກັບລັດແລະພຶດຕິ ກຳ ສະເພາະໃນສັດທີ່ມີອິດສະຫຼະ.
• Rikky Muller, ປະລິນຍາເອກ, ຂອງມະຫາວິທະຍາໄລ California - Berkeley, ຜູ້ທີ່ ກຳ ລັງອອກແບບແລະກໍ່ສ້າງໂປເຈັກເຕີ holographic ທີ່ມີຄວາມໄວສູງເຊິ່ງສາມາດເຮັດໃຫ້ແສງສະຫວ່າງ 3D ເຂົ້າໄປໃນສະ ໝອງ ດ້ວຍຄວາມໄວຂອງລະບົບປະສາດ, ຫຼາຍຄັ້ງໄວກ່ວາໂປເຈັກເຕີໃນປະຈຸບັນ, ແລະດັ່ງນັ້ນຈຶ່ງ ໝູນ ໃຊ້ neurons ທີ່ຄວບຄຸມດ້ວຍ optogenetically ຫລາຍພັນຄົນດ້ວຍຄວາມແມ່ນຍໍາສູງ.
• Kai Zinn, ປະລິນຍາເອກ, ຈາກສະຖາບັນເຕັກໂນໂລຢີ California, ຜູ້ທີ່ ກຳ ລັງພັດທະນາໂປແກຼມ barcoding ທີ່ມີປະສິດຕິພາບແລະລາຄາຖືກ, ມີປະສິດຕິພາບໃນການຄົ້ນຄວ້າທາງດ້ານນິວເຄຼຍ.

(ຮຽນຮູ້ເພີ່ມເຕີມກ່ຽວກັບແຕ່ລະໂຄງການຄົ້ນຄ້ວາເຫຼົ່ານີ້ຂ້າງລຸ່ມນີ້.)

ກ່ຽວກັບລາງວັນນະວັດຕະ ກຳ ເຕັກໂນໂລຢີໃນລາງວັນ Neuroscience

ນັບຕັ້ງແຕ່ McKnight Technologies Innovations in Neuroscience Award ໄດ້ຮັບການສ້າງຕັ້ງຂື້ນໃນປີ 1999, MEFN ໄດ້ປະກອບສ່ວນຫຼາຍກ່ວາ $14,5 ລ້ານເຂົ້າໃນເຕັກໂນໂລຢີນະວັດຕະ ກຳ ໃໝ່ ສຳ ລັບເຕັກໂນໂລຢີປະສາດໂດຍຜ່ານກົນໄກລາງວັນນີ້. MEFN ມີຄວາມສົນໃຈເປັນພິເສດຕໍ່ວຽກງານທີ່ໃຊ້ວິທີ ໃໝ່ ແລະ ໃໝ່ ເພື່ອກ້າວ ໜ້າ ຄວາມສາມາດໃນການ ໝູນ ໃຊ້ແລະວິເຄາະການເຮັດວຽກຂອງສະ ໝອງ. ເຕັກໂນໂລຢີທີ່ພັດທະນາດ້ວຍການສະ ໜັບ ສະ ໜູນ McKnight ຕ້ອງເປັນທີ່ສຸດໃຫ້ແກ່ນັກວິທະຍາສາດອື່ນໆ.

ທ່ານ Markus Meister, ປະທານຄະນະ ກຳ ມະການລາງວັນແລະທ່ານ Anne P. ແລະທ່ານ Benjamin P Biaggini ອາຈານສອນວິຊາວິທະຍາສາດດ້ານຊີວະວິທະຍາກ່າວວ່າ“ ອີກເທື່ອ ໜຶ່ງ, ມັນມີຄວາມຕື່ນເຕັ້ນຫຼາຍທີ່ໄດ້ເຫັນຄວາມສະຫຼາດໃນຕົວ. ທີ່ Caltech. "ໃນປີນີ້, ພວກເຮົາໄດ້ປະເຊີນກັບການເລືອກທີ່ເຄັ່ງຄັດໃນບັນດາການພັດທະນາທີ່ ໜ້າ ຕື່ນເຕັ້ນຫຼາຍ, ແລະລາງວັນຂອງພວກເຮົາແມ່ນກວ້າງຂວາງ, ຈາກວິທີການຄອມພິວເຕີ້ ສຳ ລັບຂໍ້ມູນໃຫຍ່ຈາກສະ ໝອງ, ການເບິ່ງເຫັນດ້ວຍຄວາມຮັກ ການສະແດງອອກໃນ neurons. "

ຄະນະ ກຳ ມະການຄັດເລືອກໃນປີນີ້ຍັງປະກອບມີ Adrienne Fairhall, Timothy Holy, Loren Looger, Mala Murthy, Alice Ting, ແລະ Hongkui Zeng, ຜູ້ທີ່ໄດ້ເລືອກເອົາເຕັກໂນໂລຢີນະວັດຕະ ກຳ ໃນປີນີ້ກ່ຽວກັບລາງວັນ Neuroscience ຈາກສະ ໜາມ ແຂ່ງຂັນສູງຂອງຜູ້ສະ ໝັກ 89 ຄົນ.

ຈົດ ໝາຍ ຄວາມຕັ້ງໃຈ ສຳ ລັບລາງວັນນະວັດຕະ ກຳ ເຕັກໂນໂລຢີປີ 2021 ໃນລາງວັນກ່ຽວກັບຄວາມຕ້ອງການທາງດ້ານເຕັກໂນໂລຢີແມ່ນຮອດວັນຈັນ, ວັນທີ 7 ທັນວາ 2020. ການປະກາດກ່ຽວກັບຂະບວນການ 2021 ຈະອອກໃນເດືອນກັນຍາ. ສຳ ລັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບລາງວັນ, ກະລຸນາເຂົ້າເບິ່ງ www.mcknight.org/programs/the-mcknight-endowment-fund-for-neuroscience/technology-awards

2020 McKnight Technologies Innovations in Neuroscience Awards

Eva Dyer, ປະລິນຍາເອກ, ຜູ້ຊ່ວຍອາຈານ, Wallace H. Coulter ພະແນກວິສະວະ ກຳ ຊີວະວິທະຍາ, ສະຖາບັນເຕັກໂນໂລຢີແລະມະຫາວິທະຍາໄລ Georgia ແຫ່ງ Emory

"ການປຽບທຽບຖານຂໍ້ມູນດ້ານ Neural ທີ່ມີຂະ ໜາດ ໃຫຍ່ຕະຫຼອດເວລາ, ອາວະກາດ, ແລະພຶດຕິ ກຳ”

ຄວາມສາມາດໃນການສັງເກດແລະບັນທຶກຂໍ້ມູນກ່ຽວກັບເສັ້ນປະສາດໃນສ່ວນໃຫຍ່ຂອງສະ ໝອງ ໄດ້ສົ່ງຜົນໃຫ້ມີຂໍ້ມູນເປັນ ຈຳ ນວນຫຼວງຫຼາຍ, ເຮັດໃຫ້ມັນສາມາດຊອກຫາຮູບແບບຕ່າງໆໃນຂໍ້ມູນທີ່ສາມາດອະທິບາຍວ່າ ຈຳ ນວນ neurons ເຮັດວຽກຮ່ວມກັນເພື່ອເຂົ້າລະຫັດຂໍ້ມູນກ່ຽວກັບໂລກ. ເຖິງແມ່ນວ່າມີຄວາມກ້າວ ໜ້າ ໃໝ່ໆ ໃນການຊອກຫາຮູບແບບທີ່ມີມິຕິຕ່ ຳ ໃນຊຸດຂໍ້ມູນ, ມັນຍັງເປັນສິ່ງທ້າທາຍທີ່ຈະປຽບທຽບການບັນທຶກສຽງທີ່ມີຂະ ໜາດ ໃຫຍ່ຫຼາຍ, ບໍ່ວ່າຈະເປັນໄລຍະເວລາດົນນານ, ຫຼືໃນແຕ່ລະບຸກຄົນທີ່ແຕກຕ່າງກັນໃນການແກ້ໄຂວຽກງານດຽວກັນຫຼືຄ້າຍຄືກັນ, ຫຼືທົ່ວປະເທດພະຍາດ. ປະສົບການຂອງດຣ. Dyer ໂດຍໃຊ້ການຮຽນຮູ້ເຄື່ອງຈັກ (ML) ເພື່ອຕັດສິນການເຄື່ອນໄຫວຂອງສະ ໝອງ ໄດ້ເຮັດໃຫ້ນາງມີວິທີແກ້ໄຂນະວະນິຍາຍເພື່ອ ກຳ ນົດຮູບແບບຕ່າງໆໃນຫຼາຍໆຊຸດຂໍ້ມູນທາງ neural.

ຜົນງານຂອງທ່ານດຣ Dyer ກ່ຽວຂ້ອງກັບການສ້າງລະບົບການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອສະກັດເອົາຂໍ້ມູນທີ່ມີຄວາມ ໝາຍ ຈາກຂໍ້ມູນທາງ neural ເຊິ່ງມີປ້າຍຊື່ເພື່ອລະບຸວ່າສັດນອນຫຼັບ, ຕື່ນ, ຟືນ, ຫຼືມີສ່ວນຮ່ວມໃນການກະຕຸ້ນຫລືການປະພຶດຕ່າງໆ. ກົດລະບຽບຄະນິດສາດທີ່ມີແຮງບັນດານໃຈໃນການຂຽນ ໃໝ່ ຂອງ cryptography ນຳ ພາບັນດາສູດການຄິດໄລ່ຕ່າງໆເພື່ອ ກຳ ນົດຮູບແບບທີ່ຄ້າຍຄືກັນໃນຊຸດຂໍ້ມູນຕ່າງກັນ, ເບິ່ງໂດຍສະເພາະເພື່ອໃຫ້ກົງກັບກິດຈະ ກຳ ທາງ neural ທີ່ຜະລິດໂດຍລັດສະ ໝອງ ທີ່ແຕກຕ່າງກັນເປັນຈຸດເລີ່ມຕົ້ນ ສຳ ລັບການ ນຳ ເອົາຂໍ້ມູນເຂົ້າໃນຄວາມສອດຄ່ອງ ການຈັດລຽງກິດຈະ ກຳ ທາງ neural ສາມາດສະແດງໃຫ້ເຫັນວ່າຮູບແບບທາງ neural ກ່ຽວຂ້ອງກັບພຶດຕິ ກຳ ແລະສະພາບຂອງຫົວຂໍ້ພ້ອມທັງປ້ອງກັນການສໍ້ລາດບັງຫຼວງໂດຍສຽງດັງແລະສະ ໜອງ ແນວທາງທີ່ ສຳ ຄັນ ສຳ ລັບເຕັກນິກການວິເຄາະທີ່ມີປະສິດຕິພາບຫຼາຍຂຶ້ນ.

ຈຸດປະສົງທີສອງຂອງທ່ານດຣ Dyer ຈະຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າສຸມໃສ່ລະບົບປະສາດ ໃໝ່ ເພື່ອເຂົ້າໃຈວິທີທີ່ພວກເຂົາປະກອບສ່ວນເຂົ້າໃນການປ່ຽນແປງໂດຍລວມຂອງກິດຈະ ກຳ ທາງປະສາດ, ແລະວ່າມັນສາມາດຖືກ ນຳ ໃຊ້ເພື່ອຄາດຄະເນສະເພາະຂອງສະ ໝອງ. ການຄົ້ນຄ້ວາຈະສືບຕໍ່ຄົ້ນຫາຕື່ມອີກວ່າຄວາມແຕກຕ່າງຂອງພຶດຕິ ກຳ ສາມາດຕິດຕາມກັບປະເພດຈຸລັງສະເພາະໄດ້ແນວໃດ, ແລະວິທີທີ່ຄວາມແຕກຕ່າງທີ່ເຫັນໃນທົ່ວຊຸດຂໍ້ມູນສາມາດຖືກ ນຳ ໃຊ້ເພື່ອສະແດງຄວາມແຕກຕ່າງຂອງສັດແຕ່ລະຕົວ. ຄວາມສາມາດໃນການຖອດລະຫັດແລະການປຽບທຽບຂໍ້ມູນທາງເສັ້ນປະສາດຂະ ໜາດ ໃຫຍ່ຈະພິສູດໃຫ້ເຫັນວ່າບໍ່ມີຄຸນຄ່າໃນການຄົ້ນຄວ້າທາງ neurological ໂດຍຊີ້ໃຫ້ເຫັນວ່າໂຣກ neurodegenerative ມີຜົນກະທົບແນວໃດຕໍ່ການປຸງແຕ່ງຂໍ້ມູນຂອງສະ ໝອງ.

Rikky Muller, ປະລິນຍາເອກ, ຜູ້ຊ່ວຍສາດສະດາຈານດ້ານວິສະວະ ກຳ ໄຟຟ້າແລະວິທະຍາສາດຄອມພິວເຕີ, ມະຫາວິທະຍາໄລ California - Berkeley

"ອຸປະກອນ Holographic ຄວາມໄວສູງ ສຳ ລັບການຄວບຄຸມ Optogenetic ຂອງ Neurons ຫລາຍພັນຄົນ”

Optogenetics - ການປັບປ່ຽນລະບົບ neurons ເພື່ອໃຫ້ມີຄວາມລະອຽດອ່ອນເພື່ອໃຫ້ນັກຄົ້ນຄວ້າສາມາດກະຕຸ້ນຫຼືເຮັດໃຫ້ພວກມັນງຽບໄປຕາມຄວາມຕ້ອງການ - ໄດ້ປະຕິວັດການຄົ້ນຄ້ວາກ່ຽວກັບລະບົບປະສາດ. ປະສົມປະສານກັບໂມເລກຸນແສງສະຫວ່າງທາງກວ້າງຂອງພື້ນທີ່ເຮັດໃຫ້ມີແສງສະຫວ່າງເປັນ holograms 3D, ນັກຄົ້ນຄວ້າສ່ວນບຸກຄົນສາມາດຄວບຄຸມລະບົບ neurons ທີ່ແຈກຢາຍໄດ້ທົ່ວພື້ນທີ່ສາມມິຕິຂອງສະ ໝອງ in vivo. ແຕ່ຈົນເຖິງປະຈຸບັນນີ້, ຍັງບໍ່ທັນມີໂປເຈັກເຕີຮໍໂມນທີ່ສາມາດຄວບຄຸມລະບົບປະສາດໄດ້ຕາມຄວາມໄວທີ່ພົບໃນສະ ໝອງ ໂດຍ ທຳ ມະຊາດ.

ທ່ານດຣ Muller ກຳ ລັງອອກແບບແລະກໍ່ສ້າງໂປເຈັກເຕີຮໍໂມນເພື່ອແກ້ໄຂບັນຫານີ້. ອຸປະກອນຂອງນາງຈະຖ່າຍພາບແສງສະຫວ່າງຂອງ holographic ໃນອັດຕາ 10,000 ເຟຣມຕໍ່ວິນາທີ (Hz). ໂທລະພາບລຸ້ນ ໃໝ່ ຫລາຍລຸ້ນຈະໂຫຼດ 60 ເຟຣມຕໍ່ວິນາທີ, ເພື່ອປຽບທຽບ, ແລະເຄື່ອງມື holographic ທີ່ຂາຍໄດ້ໄວທີ່ສຸດແມ່ນ 500 Hz. ອັດຕາການໂຫຼດຫນ້າຈໍຄືນສູງນີ້ແມ່ນມີຄວາມ ຈຳ ເປັນເພື່ອ ຈຳ ລອງສັນຍານນິວເຄຼຍຕາມ ທຳ ມະຊາດ, ເຊິ່ງກ່ຽວຂ້ອງກັບການກະ ທຳ ໃນເວລາປະມານ 1 / 1,000 ທີວິນາທີ (ທຽບເທົ່າກັບ 1,000 Hz ເມື່ອຄິດໄລ່ອັດຕາການປັບປຸງ ໃໝ່) ແລະເຊັ່ນດຽວກັບອັດຕາທີ່ສູງກວ່າໃນໂທລະພາບສົ່ງຜົນໃຫ້ພາບຄົມຊັດ, 10,000 Hz hologram ຈະໃຫ້ຄວາມແມ່ນຍໍາສູງຂື້ນ.

ທ່ານດຣ Muller, ວິສະວະກອນໄຟຟ້າທີ່ສຸມໃສ່ລະບົບ neurotechnology, ປຶກສາຫາລືກັບນັກວິທະຍາສາດກ່ຽວກັບລະບົບປະສາດເປັນປະ ຈຳ ໃນເວລາທີ່ນາງອອກແບບ, ທົດສອບແລະສ້າງອຸປະກອນດັ່ງກ່າວເພື່ອຮັບປະກັນວ່າມັນຮັບໃຊ້ຄວາມຕ້ອງການຂອງພວກເຂົາ. ອຸປະກອນດັ່ງກ່າວຈະ ນຳ ໃຊ້ micromirror array ເຊິ່ງຈະສ່ອງແສງຮູບແບບ 3D ຂອງແສງໄປສູ່ສະຖານທີ່ສະເພາະແລະຄວາມເລິກໂດຍຜ່ານການກະແສໄຟຟ້າຂອງກະຈົກຂະ ໜາດ ນ້ອຍ; ແສງສະຫວ່າງຈະຖືກຖ່າຍທອດຜ່ານເລນ. ໂຄງການດັ່ງກ່າວຈະອອກແບບແລະປະດິດສ້າງສອງອາຄານ - ເປັນຂບວນນ້ອຍກວ່າ ສຳ ລັບການທົດສອບແລະຫຼັກຖານຂອງແນວຄິດ, ແລະຮູບແບບຂະ ໜາດ ໃຫຍ່ກວ່າ, ພ້ອມດ້ວຍຕົວຂັບແລະການຄວບຄຸມທີ່ກ່ຽວຂ້ອງເຊິ່ງຈະຖືກ ນຳ ໃຊ້ໃນການວັດແທກແລະການສອບທຽບ. ສຸດທ້າຍ, ທີມງານຂອງ Dr. Muller ຈະຜະລິດເຄື່ອງປັບແສງສະຫວ່າງທີ່ມີຮູບຊົງທາງກວ້າງຂອງພື້ນ. ຫວັງວ່າເຄື່ອງມືນີ້ຈະຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າມີຄວາມສາມາດທີ່ບໍ່ເຄີຍມີມາກ່ອນໃນການຄວບຄຸມແລະທົດສອບການເຊື່ອມຕໍ່ທາງ neural.

Kai Zinn, ປະລິນຍາເອກ, Howard ແລະ Gwen Laurie Smits ອາຈານຂອງຊີວະສາດ, ສະຖາບັນເຕັກໂນໂລຢີ California

"Barcoding Enzymatic ໂມດູນ”

ການທົດລອງທາງ neuroscience ຫຼາຍຢ່າງກ່ຽວຂ້ອງກັບການວິເຄາະຂອງພູມຕ້ານທານແລະການເຊື່ອມຕົວເຂົ້າກັບ ໜ້າ ດິນ. ພ້ອມກັນນັ້ນ, ຄວາມເຂົ້າໃຈກ່ຽວກັບການພັດທະນາແລະ ໜ້າ ທີ່ທາງ neural ຮຽກຮ້ອງໃຫ້ມີຄວາມຮູ້ກ່ຽວກັບ in vivo ການຕິດຕໍ່ພົວພັນລະຫວ່າງໂປຣຕີນພື້ນຜິວຂອງເຊນ. ການທົດລອງທີ່ມີປະສິດຕິພາບສູງທີ່ກ່ຽວຂ້ອງກັບທາດໂປຼຕີນແມ່ນປົກກະຕິເວລາແລະສັບສົນເພາະວ່າທຸກໆທາດໂປຼຕີນມີຄຸນສົມບັດທາງຊີວະເຄມີທີ່ແຕກຕ່າງກັນ. ເພື່ອຊ່ວຍເປີດໂອກາດ ໃໝ່ ສຳ ລັບການຄົ້ນຄ້ວາທາງດ້ານປະສາດ, ທ່ານດຣ Zinn ແລະທີມງານລາວ ກຳ ລັງພັດທະນາຮູບແບບທີ່ມີທາດໂປຼຕີນທີ່ແຕກຕ່າງກັນເພື່ອ“ ລະຫັດບາໂຄດ”, ໃຫ້ນັກຄົ້ນຄວ້າມີຊຸດເຄື່ອງມືທີ່ມີຄວາມຍືດຫຍຸ່ນ.

Barcoding ໃນຮູບແບບທີ່ລຽບງ່າຍທີ່ສຸດແມ່ນການລວມເອົາເຄື່ອງ ໝາຍ ພັນທຸ ກຳ ເຂົ້າໄປໃນໂມເລກຸນແລະຫຼັງຈາກນັ້ນຊອກຫາເຄື່ອງ ໝາຍ ເຫຼົ່ານັ້ນຫຼັງຈາກທົດລອງເພື່ອ ກຳ ນົດວ່າໂມເລກຸນໃດ ໜຶ່ງ ຢູ່ໃນທ້ອງຖິ່ນຮ່ວມກັນ. ມັນໄດ້ຖືກນໍາໃຊ້ກັບອາຊິດນິວເຄຼຍດ້ວຍຜົນສໍາເລັດທີ່ດີ. ທາດໂປຼຕີນແມ່ນມີຄວາມສັບສົນຫຼາຍ, ເຖິງຢ່າງໃດກໍ່ຕາມ, ແລະບໍ່ມີວິທີໃດທີ່ຈະຫ້າມລະຫັດໂປຣຕີນພັນໆພັນໆຂອງບັນດານັກຄົ້ນຄວ້າໂດຍບໍ່ຕ້ອງອີງໃສ່ການເຊື່ອມຕໍ່ທາງເຄມີ, ເຊິ່ງມັກຈະປ່ຽນແປງການ ທຳ ງານຂອງໂປຣຕີນ. ທ່ານດຣ Zinn ກຳ ລັງເອົາຊະນະຄວາມທ້າທາຍນີ້ດ້ວຍການໃຊ້ໂປຣຕີນປະສົມທີ່ມີໂມດູນທາດໂປຼຕີນທີ່ມີຄວາມຜູກພັນສູງຕິດກັບ enzymes“ HUH-domain”, ເຊິ່ງສາມາດຮັກສາຕົວເອງກັບ barcode oligonucleotides. ໂມດູນທີ່ຜູກມັດຊ່ວຍໃຫ້ barcodes ຕິດກັບພູມຕ້ານທານ, ທາດໂປຣຕີນ biotinylated, ແລະໂປຣຕີນທີ່ມີປ້າຍຜູກພັນ covalent. ນີ້ສະຫນອງການເຂົ້າເຖິງສ່ວນໃຫຍ່ຂອງທາດໂປຼຕີນທີ່ມີຄວາມສົນໃຈກັບນັກວິທະຍາສາດກ່ຽວກັບລະບົບປະສາດ. ໂຄງການດັ່ງກ່າວຍັງກ່ຽວຂ້ອງກັບການກໍ່ສ້າງສະແຕມ nanoparticle ທີ່ມີ 60 ຈຸດຜູກມັດທີ່ສາມາດຕິດກັນກັບລະຫັດບາໂຄດແລະທາດໂປຼຕີນທີ່ມີຄວາມສົນໃຈ. scaffolds ເຫຼົ່ານີ້ຈະຊ່ວຍເພີ່ມຄວາມສາມາດໃນການສັງເກດການຂອງການໂຕ້ຕອບ - ການໂຕ້ຕອບທີ່ອ່ອນແອຈະເຮັດໃຫ້ເຂັ້ມແຂງຂື້ນເມື່ອມີໂປຕີນຫຼາຍໃນແຕ່ລະໂຄງສ້າງພົວພັນກັນ.

ໂຄງການຂອງທ່ານດຣ Zinn ຈະຕ້ອງພັດທະນາໂປໂຕຄອນແລະຂະບວນການຕ່າງໆທີ່ກ່ຽວຂ້ອງກັບການ ດຳ ເນີນການທົດລອງ ລຳ ດັບຊັ້ນດຽວທີ່ມີຄວາມແຮງສູງຫຼາຍປະເພດເຊິ່ງຈະສະ ໜອງ ຂໍ້ມູນກ່ຽວກັບໂປຣຕີນ. ເຫຼົ່ານີ້ລວມມີການທົດລອງ ນຳ ໃຊ້ພູມຕ້ານທານບາໂຄດເພື່ອສັງເກດການສະແດງອອກຂອງຕົວຮັບສະເພາະຂອງພື້ນຜິວໃນຫ້ອງ, ເພື່ອສັງເກດການປ່ຽນແປງຂອງຈຸລັງເມື່ອ ສຳ ຜັດກັບທາດໂປຣຕີນບາງຊະນິດ, ສາມາດເບິ່ງເຫັນຕົວຕ້ານອະນຸມູນອິດສະຫຼະໃນຈຸລັງຂອງສະ ໝອງ, ກວດເບິ່ງການໂຕ້ຕອບຂອງໂປຣຕີນ ຈຳ ນວນຫຼວງຫຼາຍ, ແລະ ລະບຸຕົວຮັບສານ ສຳ ລັບໂປຣຕີນ“ ເດັກ ກຳ ພ້າ”. ຂໍຂອບໃຈກັບຄວາມຄ່ອງແຄ້ວ, ຄວາມລຽບງ່າຍແລະຄວາມສາມາດໃນການອະນຸຍາດໃຫ້ໂປຣຕີນຫຼາຍປະຕິ ສຳ ພັນໃນເວລາດຽວກັນ, ທ່ານດຣ Zinn ຄາດຫວັງວ່າລະບົບ barcoding ຂອງລາວຈະສາມາດຊ່ວຍເລັ່ງແລະເລັ່ງການທົດລອງເຫຼົ່ານີ້ແລະຫຼາຍໆຊະນິດ.