20 de julho de 2020
O McKnight Endowment Fund for Neuroscience (MEFN) anunciou os três beneficiários de $600.000 em subsídios por meio do McKnight Technological Innovations in Neuroscience Awards 2020, reconhecendo esses projetos por sua capacidade de mudar fundamentalmente a forma como a pesquisa em neurociência é conduzida. Cada um dos projetos receberá um total de $200.000 nos próximos dois anos, avançando no desenvolvimento dessas tecnologias inovadoras usadas para mapear, monitorar e modelar a função cerebral. Os premiados de 2020 são:
- Eva Dyer, Ph.D., do Instituto de Tecnologia da Geórgia e da Universidade Emory, que está criando algoritmos de aprendizado de máquina para comparar grandes conjuntos de dados de atividade neural e encontrar padrões em nível macro e de neurônios que correspondem a estados e comportamentos específicos em animais que se comportam livremente.
- Rikky Muller, Ph.D., da Universidade da Califórnia – Berkeley, que está projetando e construindo um projetor holográfico de alta velocidade que pode projetar luz 3D no cérebro em velocidades neurais, muitas vezes mais rápidas que os projetores atuais, e assim manipular milhares de neurônios controlados optogenicamente com alta precisão.
- Kai Zinn, Ph.D., do Instituto de Tecnologia da Califórnia, que está desenvolvendo um meio modular e econômico de codificar geneticamente proteínas, como anticorpos e receptores de superfície de células neurais, para que os pesquisadores possam rastrear interações de proteínas usando sequenciamento de célula única de alto rendimento, uma ferramenta com muitas aplicações possíveis para pesquisas em neurociência.
(Saiba mais sobre cada um desses projetos de pesquisa abaixo.)
Sobre o Prêmio Inovações Tecnológicas em Neurociências
Desde que o Prêmio McKnight de Inovações Tecnológicas em Neurociências foi criado em 1999, o MEFN contribuiu com mais de $14,5 milhões para tecnologias inovadoras para neurociências por meio deste mecanismo de premiação. O MEFN está especialmente interessado em trabalhos que adotem abordagens novas e inovadoras para aprimorar a capacidade de manipular e analisar a função cerebral. As tecnologias desenvolvidas com o apoio de McKnight devem, em última análise, ser disponibilizadas a outros cientistas.
“Mais uma vez, foi emocionante ver a engenhosidade que nossos candidatos estão trazendo para novas neurotecnologias”, disse Markus Meister, Ph.D., presidente do comitê de premiação e professor de ciências biológicas Anne P. e Benjamin F. Biaggini. na Caltech. “Este ano, enfrentamos uma escolha difícil entre muitos desenvolvimentos interessantes, e nossos prêmios abrangem uma ampla gama, desde métodos computacionais para big data do cérebro, até óptica sofisticada para o controle de feixes de luz, até uma estratégia molecular inteligente para pesquisar proteínas. expressão em neurônios.”
O comitê de seleção deste ano também incluiu Adrienne Fairhall, Timothy Holy, Loren Looger, Mala Murthy, Alice Ting e Hongkui Zeng, que escolheram o Prêmio de Inovações Tecnológicas em Neurociências deste ano entre um grupo altamente competitivo de 89 candidatos.
As cartas de intenção para o Prêmio Inovações Tecnológicas em Neurociências de 2021 serão entregues na segunda-feira, 7 de dezembro de 2020. Um anúncio sobre o processo de 2021 será divulgado em setembro. Para mais informações sobre os prêmios, acesse www.mcknight.org/programs/the-mcknight-endowment-fund-for-neuroscience/technology-awards
Prêmio McKnight de Inovações Tecnológicas em Neurociências 2020
Eva Dyer, Ph.D., professora assistente, Wallace H. Coulter Departamento de Engenharia Biomédica, Georgia Institute of Technology e Emory University
“Comparando conjuntos de dados neurais em grande escala ao longo do tempo, espaço e comportamento”
A capacidade de observar e registrar dados neurais em grandes partes do cérebro resultou em enormes quantidades de dados, tornando possível encontrar padrões nos dados que podem explicar quantos neurônios trabalham juntos para codificar informações sobre o mundo. Mesmo com novos avanços na descoberta de padrões de baixa dimensão em conjuntos de dados, ainda é um desafio comparar múltiplos registos em grande escala, quer sejam durante longos períodos de tempo, ou entre diferentes indivíduos que resolvem tarefas iguais ou semelhantes, ou entre estados de doença. A experiência da Dra. Dyer usando aprendizado de máquina (ML) para decodificar a atividade cerebral a levou a uma nova solução para identificar padrões em vários grandes conjuntos de dados neurais.
O trabalho do Dr. Dyer envolve a criação de algoritmos de aprendizado de máquina para extrair informações significativas de conjuntos de dados neurais, que são rotulados para identificar se o animal estava dormindo, acordado, forrageando ou realizando vários movimentos ou comportamentos. Novas regras matemáticas inspiradas na criptografia orientam os algoritmos para identificar padrões semelhantes em conjuntos de dados separados, procurando especificamente combinar a atividade neural gerada por diferentes estados cerebrais como ponto de partida para alinhar os dados. O alinhamento da atividade neural pode mostrar como os padrões neurais estão relacionados ao comportamento e ao estado do sujeito, bem como prevenir a corrupção por ruído e fornecer um trampolim crítico para técnicas de análise mais poderosas.
O segundo objetivo do Dr. Dyer ajudará os pesquisadores a se concentrarem novamente em neurônios individuais para entender como eles contribuem para as mudanças gerais na atividade neural e se podem ser usados para prever estados cerebrais específicos. A pesquisa irá explorar ainda mais se as diferenças nos comportamentos podem ser rastreadas até tipos de células específicos e como as diferenças observadas nos conjuntos de dados podem ser usadas para caracterizar a variação entre animais individuais. A capacidade de decodificar e comparar grandes conjuntos de dados neurais será inestimável na pesquisa neurológica, indicando como as doenças neurodegenerativas afetam o processamento de informações pelo cérebro.
Rikky Muller, Ph.D., Professor Assistente de Engenharia Elétrica e Ciências da Computação, Universidade da Califórnia – Berkeley
“Um dispositivo holográfico de alta velocidade para controle optogenético de milhares de neurônios”
A optogenética – que modifica geneticamente os neurônios para serem sensíveis à luz, para que os pesquisadores possam ativá-los ou silenciá-los à vontade – revolucionou a pesquisa em neurociência. Emparelhados com moduladores de luz espacial que moldam a luz em hologramas 3D, os pesquisadores podem controlar individualmente muitos neurônios distribuídos por uma região tridimensional do cérebro. na Vivo. Mas até agora, não existia um projetor holográfico capaz de controlar os neurônios nas velocidades encontradas naturalmente no cérebro.
Dr. Muller está projetando e construindo um projetor holográfico para resolver esse problema. Seu dispositivo transmitirá imagens de luz holográfica a taxas de 10.000 quadros por segundo (Hz). Muitas TVs da geração atual atualizam 60 quadros por segundo, para comparação, e as ferramentas holográficas mais rápidas disponíveis no mercado chegam a 500 Hz. Essa alta taxa de atualização é necessária para replicar a sinalização neural natural, que envolve tempos de potencial de ação de cerca de 1/1.000 de segundo (equivalente a 1.000 Hz quando se considera as taxas de atualização). Além disso, Muller pretende atingir milhares de neurônios com extrema precisão, e assim como taxas mais altas em TVs resultam em imagens mais nítidas, um holograma de 10.000 Hz oferecerá maior precisão.
Muller, uma engenheira elétrica com foco em neurotecnologia, consulta regularmente neurocientistas enquanto projeta, testa e constrói o dispositivo para garantir que ele atenda às suas necessidades. O dispositivo usará um conjunto de microespelhos, que esculpirá padrões 3D de luz em locais e profundidades específicas por meio da atuação elétrica de espelhos em miniatura; a luz é então retransmitida através de uma série de lentes. O projeto irá primeiro projetar e fabricar dois arrays – um array menor para testes e prova de conceito, e um array de formato maior, junto com os drivers e controles associados que serão usados para medição e calibração. Finalmente, a equipe do Dr. Muller produzirá um modulador de luz espacial completo. Espera-se que esta ferramenta dê aos pesquisadores uma capacidade sem precedentes de controlar e testar a conectividade neural.
Kai Zinn, Ph.D., Howard e Gwen Laurie Smits Professor de Biologia, Instituto de Tecnologia da Califórnia
“Código de barras enzimático modular”
Muitos experimentos de neurociência envolvem a análise da ligação de anticorpos e receptores às superfícies celulares. Além disso, uma compreensão do desenvolvimento e da função neural requer conhecimento sobre na Vivo interações entre proteínas da superfície celular. Experimentos de alto rendimento envolvendo proteínas geralmente são demorados e complexos, uma vez que cada proteína possui propriedades bioquímicas diferentes. Para ajudar a abrir novas oportunidades para a pesquisa em neurociência, o Dr. Zinn e sua equipe estão desenvolvendo uma forma modular de “codificar barras” diferentes proteínas, fornecendo aos pesquisadores um kit de ferramentas flexível.
O código de barras em sua forma mais simples envolve a inserção de um marcador genético nas moléculas e a busca desses marcadores após o experimento para determinar quais moléculas estão localizadas juntas. Tem sido usado com ácidos nucléicos com grande sucesso. As proteínas são mais complexas, porém, e não havia como codificar as milhares de proteínas de interesse dos pesquisadores sem recorrer à reticulação química, que muitas vezes altera a função das proteínas. Zinn está superando esse desafio com o uso de proteínas de fusão contendo módulos de ligação a proteínas de alta afinidade ligados a enzimas do “domínio HUH”, que podem se acoplar covalentemente a oligonucleotídeos de código de barras. Os módulos de ligação permitem que os códigos de barras sejam anexados a anticorpos, proteínas biotiniladas e proteínas com etiquetas de ligação covalente. Isso fornece acesso à maioria das proteínas de interesse dos neurocientistas. O projeto também envolve a construção de andaimes de nanopartículas com 60 pontos de ligação que podem ser anexados simultaneamente a códigos de barras e a proteínas de interesse. Estas estruturas irão melhorar a observabilidade das interações – as interações fracas tornam-se mais fortes quando múltiplas proteínas em cada estrutura interagem.
O projeto do Dr. Zinn envolverá o desenvolvimento de protocolos e processos envolvidos na condução de vários tipos de experimentos de sequenciamento unicelular de alto rendimento que fornecerão informações sobre proteínas. Estes incluem experimentos usando anticorpos com código de barras para observar a expressão de receptores de superfície específicos em uma célula, para observar mudanças nas células quando expostas a certas proteínas, para visualizar um grande número de antígenos no tecido cerebral, para rastrear interações de um grande número de proteínas e para identificar receptores para proteínas “órfãs”. Graças à sua modularidade, simplicidade e capacidade de permitir que múltiplas proteínas interajam ao mesmo tempo, o Dr. Zinn espera que seu sistema de código de barras possibilite e acelere esses e muitos outros tipos de experimentos em neurociência.
