Hulyo 30, 2021
Ang McKnight Endowment Fund para sa Neuroscience (MEFN) ay inihayag ang tatlong mga tatanggap ng $600,000 sa pagpopondo ng bigay sa pamamagitan ng 2021 McKnight Technological Innovations sa Neuroscience Awards, na kinikilala ang mga proyektong ito para sa kanilang kakayahang panimulang baguhin ang paraan ng pagsasagawa ng neuroscience research. Ang bawat isa sa mga proyekto ay makakatanggap ng isang kabuuang $200,000 sa susunod na dalawang taon, isulong ang pagbuo ng mga teknolohiyang groundbreaking na ginamit upang mapa, subaybayan, at gawing modelo ang paggana ng utak. Ang mga ginawaran ng 2021 ay:
- Timothy Dunn, Ph.D., ng Duke University, na nagtatrabaho sa isang system upang makuha ang galaw ng katawan ng mga paksa na gumagamit ng mga pagsukat ng 3D (sa halip na mga pagsukat ng 2D pixel) sa pamamagitan ng pagsasama ng maraming mga video camera at isang bagong algorithm ng pag-aaral ng machine. Pinapayagan ng pamamaraan ang pagsubaybay sa mataas na resolusyon ng mga maliit, discrete na bahagi ng katawan sa malayang pag-uugali ng mga hayop, pinapayagan ang pag-aaral sa naturalistic space, at maaari ring subaybayan ang maraming hayop na nakikipag-ugnay sa lipunan, isang kumbinasyon ng mga tampok na hindi magagamit sa mga kasalukuyang system.
- Jeffrey Kieft, Ph.D., ng University of Colorado School of Medicine, na bumubuo ng isang paraan upang mag-engineer ng RNA upang lumikha ng isang uri ng proteksyon na maaaring mabawasan ang rate kung saan ang mRNA ay nawasak ng mga enzyme. Sa ganitong paraan, mapamamahalaan ng mga mananaliksik ang kasaganaan ng mga tukoy na protina ng mRNA sa mga selyula, kapaki-pakinabang para sa pag-aaral at posibleng maging paggamot sa ilang mga karamdaman.
- Suhasa Kodandaramaiah, Ph.D., ng University of Minnesota Twin Cities, na gumagamit ng mga robotic system upang paganahin ang mas matatag na pagsubaybay sa aktibidad ng utak sa malayang paglipat ng mga hayop. Gamit ang robotics upang ilipat ang hardware kasama ang maraming mga palakol na naka-sync sa hayop, pinapayagan ng pamamaraang ito ang paggamit ng mas malaki, mas malakas, mas mataas na mga sistema ng pagsubaybay sa resolusyon kaysa sa mga miniaturized na bersyon na madalas na ginagamit para sa mga eksperimento sa malayang paglipat ng mga hayop.
Matuto nang higit pa tungkol sa bawat isa sa mga proyekto sa pagsasaliksik sa ibaba.
Tungkol sa Mga Teknolohiya sa Mga Pagkakatuklas sa Neuroscience Awards
Dahil ang McKnight Technological Innovations sa Neuroscience Award ay itinatag noong 1999, ang MEFN ay nag-ambag ng higit sa $15 milyon sa mga makabagong teknolohiya para sa neuroscience sa pamamagitan ng mekanismong ito ng gantimpala. Lalo na interesado ang MEFN sa trabaho na tumatagal ng bago at pamamaraang nobela upang maisulong ang kakayahang manipulahin at pag-aralan ang pagpapaandar ng utak. Ang mga teknolohiyang binuo kasama ang suporta ng McKnight ay dapat na maging magagamit sa ibang mga siyentista.
"Muli, naging labis ang aking kagalakan na makita ang talino ng kaalamang dinadala ng aming mga aplikante sa mga bagong neurotechnology," sabi ni Markus Meister, Ph.D., tagapangulo ng komite ng mga parangal at ng Anne P. at Benjamin F. Biaggini propesor ng mga agham biological. sa Caltech. "Sa taong ito, naharap namin ang isang matigas na pagpipilian sa maraming mga kapanapanabik na pag-unlad, at ang aming mga parangal ay sumasaklaw sa isang malawak na saklaw, mula sa isang robotic exoskeleton upang suportahan ang neural recording sa mga rodent, hanggang sa kontrol ng molekular ng tumpak na ekspresyon ng gen, sa mga algorithm para sa pagsubaybay sa 3D ng pag-uugali ng hayop. "
Kasama rin sa komite ng pagpili ngayong taon sina Adrienne Fairhall, Timothy Holy, Loren Looger, Mala Murthy, Alice Ting, at Hongkui Zeng, na pumili ng Technological Innovations ngayong taon sa Neuroscience Awards mula sa isang napakaraming kompetisyon ng 73 na mga aplikante.
Ang mga liham ng hangarin para sa 2022 Technological Innovations sa Neuroscience Awards ay dapat bayaran Lunes, Disyembre 6, 2021. Ang isang anunsyo tungkol sa proseso ng 2022 ay lalabas sa Agosto. Mag-click para sa karagdagang impormasyon tungkol sa mga parangal.
2021 McKnight Technological Innovations sa Neuroscience Awards
Timothy Dunn, Ph.D., Assistant Professor, Kagawaran ng Biomedical Engineering, Duke University
Multi-scale na Tatlong Dimensional na Pag-uugali ng Quantification sa Mga Indibidwal at Mga Pangkat ng Panlipunan
Ang mga kasalukuyang pamamaraan ng pagsukat sa paggalaw ng malayang pag-uugali ng mga hayop ay may mga limitasyon: Ang detalyadong mga pagmamasid sa maliliit na paggalaw ng isang hayop (isang solong digit, halimbawa) ay nangangailangan ng mga pinaghihigpitang saklaw ng paggalaw. Ang pag-aaral ng malayang paglipat ng pag-uugali sa puwang ng 3D ay madalas na nangangahulugang nililimitahan ang resolusyon, marahil ay sinusubaybayan lamang ang pangkalahatang posisyon, o umaasa sa paglalarawan ng isang tagamasid. Ang awtomatikong pagsubaybay sa video sa mga hayop ay karaniwang nangangailangan ng isang hindi likas, simpleng kapaligiran, at mga bahagi ng katawan na hindi nakikita ng mga camera ay hindi tumpak na sinusubaybayan. Ang mga hula ng mataas na resolusyon ng Artipisyal na Intelihensiya (AI) sa malalaking mga sukat na tatlong-dimensional na gumagamit ng volumetric spatial na representasyon, isang pamamaraan na binuo kamakailan upang mapagtagumpayan ang mga isyung ito, nangangailangan ng napakalaking lakas sa computing. Ang pagdaragdag ng maraming hayop para sa mga obserbasyong panlipunan ay nagpapakilala ng karagdagang mga isyu.
Bilang isang resulta, may mahinang kakayahang magamit ang pinaka-nais na data: Mataas na resolusyon, awtomatikong pagsubaybay ng mga hayop sa 3D space na gumaganap ng natural na pag-uugali, nag-iisa o sa mga pangkat, at pagsukat sa paggalaw na iyon sa isang istandardisadong format. Gumagawa si Dr. Dunn ng isang bagong diskarte na naglalayong mailapit ang ideal na iyon. Ang pagbuo ng mga natututo mula sa isang 3D geometric machine-learning algorithm na ginamit ng kanyang koponan upang lubos na mapabuti ang kawastuhan ng mga hula, nagtatrabaho ngayon si Dr. Dunn at ang kanyang koponan sa adaptive recurrent image sampling (ARIS) na pinagsasama ang mga imahe mula sa maraming mga camera upang makabuo ng isang modelo na maaaring sukatin at mahulaan ang posisyon ng katawan sa maraming kaliskis, kahit na ang isang bahagi (tulad ng isang braso o paa) ay hindi direktang nakikita.
Pinili ng ARIS na mapagbuti ang resolusyon ng mga magagandang tampok sa katawan, at gumagamit ng mahuhulaan na pagmomodelo batay sa nalalaman tungkol sa paksa nito (pag-aayos at haba ng mga limbs, kung paano sila kumonekta, kung paano sila kumilos, atbp.) - Natutunan muna sa pamamagitan ng pag-parse ng napakaraming halaga ng data ng pagsasanay mula sa malayang pag-uugali ng mga daga at pagkatapos ay finetuned gamit ang data ng pagsasanay sa iba pang mga species - upang tumutok sa bahagi ng puwang kung saan ang bahagi ng katawan ay maaaring. Gumagamit ito ng mas kaunting lakas sa computational kaysa sa mga nakaraang tool ng 3D volumetric. Sa kanyang pagsasaliksik, ipapatupad ni Dr. Dunn ang ARIS at itatala ang data sa maraming kaliskis, mula sa pangkalahatang posisyon at pustura hanggang sa paggalaw ng mga magagandang tampok ng mga kamay, paa, at mukha. Ang karagdagang pananaliksik ay tuklasin ang pagiging epektibo nito sa maraming mga hayop na nakikipag-ugnay. Ang kakayahang sukatin ang pag-uugali sa bago, mas tumpak na paraan ay may malawak na implikasyon para sa pag-aaral ng mga karamdaman sa neurological na nakakaapekto sa paggalaw, pag-uugnay sa aktibidad ng utak sa pag-uugali, at pag-aaral ng mga pakikipag-ugnay sa lipunan.
Jeffrey Kieft, Ph.D., Propesor, Kagawaran ng Biochemistry at Molecular Genetics, University of Colorado School of Medicine
Isang Bagong Teknolohiya upang Makontrol ang Transcriptome
Ang Messenger RNA, o mRNA, ay kinikilala bilang isang mahalagang manlalaro sa buhay at kalusugan ng mga cells. Ang mga RNA Molekyul na ito ay ang mga template upang gumawa ng protina, at nilikha sa loob ng mga cell upang magdala ng mga tagubilin sa makinarya na gumagawa ng protina, pagkatapos ay nawasak ng mga enzyme. Ang kabuuan ng mRNA na isinasaad ng isang organismo ay tinatawag na "transcriptome."
Ang mga kakulangan sa mRNA at non-coding RNA (ncRNA) ay naka-link sa ilang mga karamdaman na neurodegenerative at neurodevelopmental. Kung mayroong masyadong maliit ng isang tukoy na mRNA o ncRNA sa transcriptome, ang ilang mga cellular function ay maaaring mapasama o hindi paganahin. Si Dr. Kieft ay nagsisiyasat ng isang nobela na paraan upang pamahalaan ang transcriptome sa pamamagitan ng pagbagal ng pagkabulok ng mRNA at ncRNA. Alam na ang ilang mga enzyme na sumisira sa mga RNA ay mahalagang "ngumunguya" mula sa isang dulo hanggang sa kabilang panig, ginamit ni Dr. Kieft ang kanyang pag-unawa sa kung paano ang mga RNA molekula ay nakabalangkas at tiklop sa kanilang sarili upang lumikha ng isang ininhinyero na piraso ng exoribonuclease-lumalaban RNA (xrRNA) na , kapag ipinakilala sa katugmang mRNA o ncRNA, pinagsasama at natitiklop upang bumuo ng isang "nakaharang" na istraktura, literal na binabago ang hugis ng RNA sa pamamagitan ng pagpasok ng isang protrusion na humihinto sa mga enzyme sa kanilang mga track.
Sa pamamagitan ng pagbagal ng pagkabulok ng target na mRNA at ncRNA, nakikita ni Dr. Kieft ang pagkakataon na pamahalaan ang kanilang kasaganaan sa loob ng transcriptome. Ang mga ininhinyero na xrRNA ay maaaring makilala ang mga tukoy na target lamang, mag-link sa kanila, at lumikha ng proteksyon, upang mapataas ng mga mananaliksik ang proporsyon ng target nang hindi binabago kung magkano ang nilikha. Ang diskarte ay may kalamangan ng pagiging hindi gaanong nakakagambala sa host cell kaysa sa hindi natural na pagpapalakas ng mRNA, at ang katumpakan kung saan maaaring ma-engineered ang xrRNA ay nag-aalok ng potensyal na mag-target ng maraming RNA nang sabay-sabay, at posibleng payagan pa rin ang pagsasaayos sa pamamagitan ng tiyak na pamamahala ng rate ng pagkabulok Nakita ni Dr. Kieft ang application na ito, na isinilang sa pangunahing agham na nag-aaral ng RNA, bilang isang potensyal na makapangyarihang tool sa pagsasaliksik para sa mga neuroscientist, at marahil kahit na ang pundasyon para sa mga therapies sa mas malayong hinaharap.
Suhasa Kodandaramaiah, Ph.D., Benjamin Mayhugh Assistant Professor, Department of Mechanical Engineering, University of Minnesota Twin Cities
Tinulungan ng Robot ang Mga Pagrekord sa Brain-Wide sa Malayang Pag-uugali ng mga Daga
Ang mga Neuros siyentista na nag-aaral ng aktibidad ng utak sa panahon ng pag-uugali ay karaniwang kailangang gumawa ng trade-off: Gumagamit sila ng miniaturized head-mount neural sensor na sapat na magaan upang payagan ang isang paksa na hayop na malayang kumilos, ngunit mas mababa ang resolusyon o hindi masubaybayan ang buong utak. O gumagamit sila ng mas malalakas na tool, na napakabigat para sa mga hayop na paksa at nangangailangan ng iba pang mga solusyon, tulad ng immobilization habang hinahayaan ang mga hayop na lumipat sa isang treadmill, o kahit na gumagamit ng mga virtual reality na karanasan na gayunpaman nililimitahan ang pag-uugali ng isang paksa.
Tinutugunan ni Dr. Kodandaramaiah ang hamon sa isang robotic cranial exoskeleton na nagdadala ng bigat ng neural recording at monitoring hardware habang pinapayagan pa rin ang paksa (sa kasong ito ng isang mouse) na paikutin ang ulo nito sa lahat ng tatlong degree: isang buong 360 degree turn sa yaw (pahalang na pag-ikot) axis, at halos 50 degree na paggalaw sa pitch at roll axes, habang gumagalaw sa isang arena. Ang robot ay may tatlong magkasanib na bisig na nakaayos sa isang tatsulok na pagsasaayos, na nasuspinde sa paksa at pagpupulong sa punto ng pag-mount sa ulo. Ang mga sensor sa bundok ay makakakita ng paggalaw na ginagawa ng mouse at idirekta ang robot upang paganahin ang paggalaw nang may maliit na puwersang resistive hangga't maaari, na pinapayagan ang mouse na lumiko at lumipat sa loob ng isang arena na karaniwang ginagamit para sa mga eksperimento sa neuroscience sa lahat ng kinakailangang kagamitan sa pandama at mga wire mula sa mga implant na suportado ng robot.
Ang pagkuha ng pangangailangan para sa miniaturization ay nagbibigay-daan sa mga mananaliksik na gumamit ng anumang state-of-the art hardware na magagamit, nangangahulugang ang isang robot ay maaaring mai-teoritikal na teoretikal upang magamit ang pinakabagong teknolohiya kaagad pagkatapos ng pagpapakilala nito. Upang makarating sa puntong iyon, ang koponan ni Dr. Kodandaramaiah ay dadaan sa maraming mga hakbang - pag-engineering ng exoskeleton; pag-engineering ng head-stage kasama ang mga kinakailangang sensor kasama ang high-density electrodes at camera para sa panlabas na pagmamasid sa mga mata, balbas at marami pa; pagsasagawa ng pagsubok sa benchtop; ang pag-tune ng robot sa mga input na maihahatid ng isang mouse; pagtukoy kung paano ipakilala ang mga probe; at sa wakas ay gumagawa ng live na pag-record. Sa pamamagitan ng mekanikal na ito ng pagsasailalim, inaasahan ni Dr. Kodandaramaiah na matulungan ang mga mananaliksik na mas malapit sa estado kung saan maaari silang gumawa ng detalyadong mga pag-record ng neural sa buong utak ng malayang pag-uugali ng mga paksa sa mahabang panahon.
