2021 年 7 月 30 日
麦克奈特神经科学捐赠基金 (MEFN) 宣布了通过 2021 年麦克奈特神经科学技术创新奖获得 $600,000 赠款的三位获奖者，表彰这些项目从根本上改变神经科学研究方式的能力。每个项目将在未来两年内获得总计 $200,000 的资金，推动这些用于绘制、监测和模拟大脑功能的开创性技术的发展。 2021 年的获奖者是：
- 杜克大学 Timothy Dunn 博士， 他正在开发一个系统，通过结合多个摄像机和新的机器学习算法，使用 3D 测量（而不是 2D 像素测量）来捕捉对象的身体运动。该方法允许高分辨率跟踪自由行为动物的小而离散的身体部位，允许在自然空间中进行研究，甚至可以跟踪多个动物的社交互动，这是当前系统中不可用的特征组合。
- 科罗拉多大学医学院的 Jeffrey Kieft 博士， 谁正在开发一种方法来改造 RNA，以创造一种保护形式，可以降低 mRNA 被酶破坏的速度。通过这种方式，研究人员将能够管理细胞中特定 mRNA 蛋白的丰度，这对研究甚至可能治疗某些疾病很有用。
- Suhasa Kodandaramaiah，博士，明尼苏达大学双城分校， 谁正在使用机器人系统来更强大地跟踪自由移动动物的大脑活动。使用机器人技术沿多个轴与动物同步移动硬件，与通常用于自由移动动物实验的小型化版本相比，这种方法允许使用更大、更强大、分辨率更高的监控系统。
在下面详细了解每个研究项目。
关于神经科学奖中的技术创新
自 1999 年 McKnight 神经科学技术创新奖设立以来，MEFN 通过该奖项机制为神经科学创新技术贡献了超过 $15 百万。 MEFN 对采用新方法来提高操纵和分析大脑功能的能力的工作特别感兴趣。在 McKnight 的支持下开发的技术最终必须提供给其他科学家。
“再次，看到我们的申请者为新的神经技术带来的独创性令人兴奋，”奖项委员会主席、Anne P. 和 Benjamin F. Biaggini 生物科学教授 Markus Meister 博士说在加州理工学院。 “今年，我们在许多激动人心的发展中面临着艰难的选择，我们的奖项涵盖范围广泛，从机器人外骨骼到支持啮齿动物的神经记录，到准确基因表达的分子控制，再到动物行为的 3D 跟踪算法。 ”
今年的评选委员会还包括 Adrienne Fairhall、Timothy Holy、Loren Looger、Mala Murthy、Alice Ting 和 Hongkui Zeng，他们从竞争激烈的 73 名申请人中选出了今年的神经科学技术创新奖。
2022 年神经科学技术创新奖的意向书将于 2021 年 12 月 6 日星期一截止。有关 2022 年进程的公告将于 8 月发布。 点击 有关奖项的更多信息。
2021 年 McKnight 神经科学技术创新奖
Timothy Dunn，博士，杜克大学生物医学工程系助理教授
个体和社会群体的多尺度三维行为量化
当前测量自由行为动物运动的方法有局限性：对动物的小运动（例如一个数字）进行高度详细的观察需要限制运动范围。研究 3D 空间中的自由移动行为通常意味着限制分辨率，可能仅跟踪整体位置，或依赖观察者的描述。动物中的自动视频跟踪通常需要一个不自然、简单的环境，并且无法准确跟踪摄像机不可见的身体部位。使用体积空间表示对大型 3D 空间进行高分辨率人工智能 (AI) 预测，这是最近为克服这些问题而开发的一种技术，需要大量的计算能力。添加多只动物进行社会观察会带来额外的问题。
因此，最需要的数据的可用性很差：高分辨率、自动跟踪 3D 空间中单独或成组执行自然行为的动物，以及以标准化格式量化该运动。邓恩博士正在研究一种新方法，旨在使这一理想更加接近。 Dunn 博士和他的团队基于 3D 几何机器学习算法的学习成果，该算法用于大大提高预测的准确性，Dunn 博士和他的团队现在正在研究自适应循环图像采样 (ARIS)，该算法将来自多个摄像头的图像结合起来构建一个模型可以在许多尺度上测量和预测身体位置，即使某个部分（例如手臂或脚）不是直接可见的。
ARIS 有选择地提高精细身体特征的分辨率，并根据它对其主题的了解（四肢的排列和长度、它们如何连接、它们如何移动等）使用预测建模——首先通过解析大量数据来学习来自自由行为的大鼠的训练数据，然后使用其他物种的训练数据进行微调——以专注于身体部位可能所在的空间部分。这比以前的 3D 体积工具使用的计算能力要少得多。在他的研究中，Dunn 博士将实施 ARIS 并在多个尺度上记录数据，从整体位置和姿势到手、脚和面部的精细特征的运动。进一步的研究将探索其与多种动物相互作用的有效性。这种以新的、更精确的方式测量行为的能力对影响运动的神经系统疾病的研究、将大脑活动与行为联系起来以及研究社会互动具有广泛的意义。
杰弗里·基夫特，博士， 科罗拉多大学医学院生物化学与分子遗传学系教授
一种控制转录组的新技术
信使 RNA 或 mRNA，被认为是细胞生命和健康的重要参与者。这些 RNA 分子是制造蛋白质的模板，在细胞内产生以将指令传递给蛋白质制造机器，然后被酶破坏。生物体表达的 mRNA 总量称为其“转录组”。
mRNA 和非编码 RNA (ncRNA) 的缺陷与某些神经退行性疾病和神经发育障碍有关。如果转录组中的特定 mRNA 或 ncRNA 太少，某些细胞功能可能会退化或失效。 Kieft 博士正在探索一种通过减缓 mRNA 和 ncRNA 衰变来管理转录组的新方法。知道一些破坏 RNA 的酶本质上是从一端“咀嚼”它，Kieft 博士利用他对 RNA 分子如何构造和折叠的理解来创造一种工程化的抗外切核糖核酸酶 RNA (xrRNA) ，当被引入兼容的 mRNA 或 ncRNA 时，结合并折叠形成一个“封闭”结构，通过插入一个突出物来阻止酶的轨道，从而改变 RNA 的形状。
通过减缓目标 mRNA 和 ncRNA 的衰变，Kieft 博士看到了在转录组内管理它们丰度的机会。工程化的 xrRNA 可以只识别特定的目标，与它们连接并创建保护，因此研究人员可以在不改变创建多少的情况下增加目标的比例。该方法的优势在于对宿主细胞的破坏比非自然增强 mRNA 的破坏性小，并且可以设计 xrRNA 的精确度提供了同时靶向多个 RNA 的潜力，甚至可能允许通过精确管理速率进行微调衰变。 Kieft 博士认为，这一诞生于研究 RNA 的基础科学的应用程序是神经科学家潜在的强大研究工具，甚至可能成为更遥远未来治疗的基础。
Suhasa Kodandaramaiah，博士，Benjamin Mayhugh 明尼苏达大学双城大学机械工程系助理教授
机器人辅助行为自如的小鼠的全脑记录
研究行为期间大脑活动的神经科学家通常必须做出权衡：他们使用微型头戴式神经传感器，这些传感器足够轻，可以让受试动物自由行动，但分辨率较低或无法监测整个大脑。或者他们使用更强大的工具，这些工具对于受试动物来说太重了，需要其他解决方案，比如让动物在跑步机上移动时固定不动，或者甚至使用虚拟现实体验，但仍然限制了受试动物的行为。
Kodandaramaiah 博士正在使用机器人颅骨外骨骼应对挑战，该外骨骼承载着神经记录和监控硬件的重量，同时仍允许受试者（在本例中为鼠标）在所有三个角度旋转头部：整个 360 度旋转偏航（水平旋转）轴，以及在俯仰轴和横滚轴上大约 50 度的运动，同时在竞技场中移动。该机器人具有三个呈三角形排列的关节臂，悬挂在对象上方并在头部的安装点处相遇。安装中的传感器将检测鼠标正在做的运动，并指导机器人以尽可能小的阻力实现运动，允许鼠标在通常用于神经科学实验的场地内转动和移动，并配备所有必要的感官设备和来自机器人支撑的植入物的电线。
消除对小型化的需求，研究人员可以使用任何可用的最先进硬件，这意味着机器人理论上可以在引入后不久升级以使用最新技术。为了达到这一点，Kodandaramaiah 博士的团队将经历几个步骤——设计外骨骼；使用所需的传感器以及高密度电极和摄像头设计头部舞台，用于外部观察眼睛、胡须等；进行台式测试；将机器人调整为鼠标可以提供的输入；确定如何引入探针；最后进行现场录音。有了这种机械基础，Kodandaramaiah 博士希望帮助研究人员更接近一种状态，在这种状态下，他们可以在很长一段时间内对自由行为的受试者进行详细的全脑神经记录。
