2018年7月16日
McKnight基金会通过2018年McKnight神经科学技术创新奖宣布了三个获得60万美元赠款的人，认识到这些项目有可能扩展神经科学领域的现有技术。每个公认的项目将在未来两年内获得总计20万美元的资金，推动开发用于绘制，监测和模拟大脑功能的突破性技术。 2018年的获奖者是：
- 麻省理工学院的Michale S. Fee博士， 用于在专门的微型显微镜上工作以观察鸣禽的神经活动，以及支持它的新数据处理技术，在学习时提供前所未有的大脑视图。
- 西北大学Marco Gallio博士， 其项目涉及创建新方法，重新连接果蝇活体大脑中的突触连接，并通过探索学习和先天行为之间的联系来验证它们。
- 埃默里大学的Sam Sober博士和佐治亚理工学院的Muhannad Bakir博士， 正在开发一种新型的柔性电极阵列，其具有机载数据处理功能，可记录自由行为的鸟类和哺乳动物肌肉纤维中的大量尖峰，从而获得大脑信号如何控制行为的新见解。
（了解有关以下每个研究项目的更多信息。）
关于McKnight技术奖
自1999年技术奖成立以来，McKnight神经科学基金会已为神经科学的创新技术贡献了超过1300万美元。捐赠基金特别感兴趣的是采取新的和新颖的方法来提高操纵和分析大脑功能的能力。使用McKnight支持开发的技术最终必须提供给其他科学家。
“再次，在开发新的神经技术时看到工作中的聪明才智令人兴奋，”奖项委员会主席，加州理工学院的Anne P.和Benjamin F. Biaggini生物科学教授Markus Meister博士说。 。 “今年的奖项赞助了一系列激动人心的项目：从小型化的便携式显微镜到可以跟踪移动动物肌肉信号的柔性电极，再到能够重新连接大脑的分子工具箱。脑科学的创新活得很好。“
今年的评选委员会还包括Adrienne Fairhall，Timothy Holy，Loren Looger，Liqun Luo，Mala Murthy和Alice Ting，他们从97名申请者中挑选了极具竞争力的2018年McKnight神经科学创新奖。
2019年神经科学技术创新奖的意向书将于2018年12月3日星期一到期。有关奖项的更多信息，请访问 www.mcknight.org/programs/the-mcknight-endowment-fund-for-neuroscience/technology-awards
2018年MCKNIGHT在神经科学奖中获得技术创新
Michale S. Fee，博士，Glen V.和Phyllis F. Dorflinger麻省理工学院脑与认知科学系计算与系统神经科学教授;和研究员，麦戈文脑研究所
“在自由行为的小动物中成像和分析神经状态空间轨迹的新技术”
研究动物大脑中的神经活动是研究人员长期面临的挑战。目前的方法是不完美的：显微镜的当前尺寸要求动物的活动受到限制，并且这些显微镜提供了有限的神经元视野。通过在显微镜小型化方面取得突破，费博士和他的实验室正在开发所需的工具，以便在动物可以自由行动时观察动物大脑中发生的情况。
头戴式显微镜允许Dr. Fee在学习唱歌时观察幼鸟大脑的变化。当他们倾听，重复和学习时，费博士记录了作为这个复杂学习过程的一部分而发展的神经回路。这些电路与在电机序列的复杂学习期间形成的人体电路相关，例如学习骑自行车，并且在包括帕金森病在内的某些条件下被破坏。鉴于他的目标是记录自然学习过程，能够在自然行为中记录神经活动至关重要。
除了小型化之外，新显微镜还能够记录比自由行为动物使用的其他技术更多的神经元，并将配合新的数据分析，使研究人员能够实时观察和调整他们的实验，加快研究进程。它将为研究小动物各种大脑行为的研究人员提供即时和广泛的应用。
Marco Gallio，博士，西北大学神经生物学系助理教授
“重新连接活脑中的连接”
这项研究旨在通过允许科学家有选择地修剪突触连接并鼓励神经元之间的新连接来扩展我们对大脑如何工作的理解。大脑的这种重新布线将使研究人员能够更准确地理解哪些连接在特定的神经系统影响子集中发挥作用。
脑回路中的每个神经元连接到多个目标。每个目标可以具有唯一的功能，因此以完全不同的方式处理相同的传入信息。例如，果蝇大脑中的一些特定神经元携带有关外部环境的信息，该信息用于快速摆脱迫在眉睫的威胁（先天行为），但也通过学习产生持久的联想。
所提出的技术将允许研究人员通过选择性地去除学习中心的突触，同时保持所有其他连接完整，来确定对每个过程至关重要的连接。该项目旨在利用基因工程生产设计蛋白质，这些蛋白质可介导活体动物完整大脑中遗传定义的突触伴侣之间的排斥或吸引/粘附。除了证明这种大脑重新布线是可能的，该研究将产生具有独特遗传学的新果蝇品系，可立即与其他研究人员共享。通过设计，这些工具可以很容易地修改，用于任何动物模型或应用于大脑的不同部分，从而实现全新的神经学研究，对我们理解人类大脑的工作方式具有深远的意义。
Sam Sober，博士，埃默里大学生物系副教授;和Muhannad Bakir，博士，电气和计算机工程学院教授，佐治亚理工学院互连和包装中心副主任
“灵活的电极阵列，用于在自由行为的老鼠和鸣禽中大量记录肌肉纤维的尖峰”
我们对大脑在熟练行为中如何协调肌肉活动的理解受到用于记录此类活动的技术的限制 - 通常，插入肌肉的导线只能检测神经系统用于控制肌肉的许多个体信号的总和活动。博士。 Sober和Bakir正在开发本质上是“高清晰度”传感器阵列（许多小型传感器的集合），通过允许研究人员检测和记录来自单个肌肉纤维的非常精确的电信号，解决了许多这些问题。
所提出的传感器具有许多探测器，其从肌肉记录而不会损坏它。 （先前的方法依赖于可能在插入时损伤肌肉的线，尤其是用于精细运动技能的小肌肉。）阵列由柔性材料制成，适合肌肉的形状并随动物移动而改变形状。此外，由于阵列比现有设备收集指数级数据，因此它们具有内置电路，用于在将信号传输到研究人员的计算机之前收集和打包数据。
阵列的原型版本已经揭示了新的见解：以前，人们认为神经系统通过仅调节发送到肌肉的电刺激的总数来控制肌肉活动。但精确检测显示，多峰值时间模式的毫秒级变化会改变肌肉控制行为的方式。新阵列将设计用于小鼠和鸣禽，并将帮助我们了解许多不同技术行为的神经控制，并可能提供影响运动控制的神经系统疾病的新见解。
