一种称为集成神经光子学的新方法可以使研究人员跟踪组成特定大脑回路的所有神经元的活动。
一种称为集成神经光子学的新方法可以使研究人员跟踪组成特定大脑回路的所有神经元的活动。
为了加深对大脑的了解，神经科学家必须能够详细绘制负责执行诸如处理感官信息或形成新记忆等任务的神经回路。现在，加州理工学院的研究人员描述了一种新方法，该方法可以实时观察特定大脑回路中数千到数百万个神经元的活动。这组作者说，这种新方法在2020年10月14日发表在神经病杂志上的一篇Perspective文章中进行了讨论，其潜力远大于任何当前方法。
这项被称为“集成神经光子学”的新技术使用了可植入大脑内部任何深度的微小光学芯片阵列，并结合了荧光分子报告分子和光遗传学致动器，以光学方式监测神经元并控制其活动。阵列发出微光束，以刺激周围的转基因神经元，同时记录这些细胞的活性，揭示其功能。该论文的首席研究员，加州理工学院物理学，应用物理学和生物工程学教授弗兰克·J·罗谢克说，尽管目前这项工作目前仅在动物模型中完成，但有一天可能有助于揭开人脑内部的电路。
Roukes说：“深入录音-这是关键。”我们将很快无法记录大脑的所有活动。但是，我们可以专注于特定大脑区域内某些重要的计算结构吗？那就是我们的动力。
近年来，神经科学家已开始使用光遗传学来研究模型动物（包括啮齿动物）中越来越多的神经元。在光遗传学中，神经元经过遗传工程改造，可以在受到特定波长的光激发时表达特定的蛋白质标记，例如绿色荧光蛋白（GFP）。GFP的存在会导致细胞在荧光灯下发出绿色光，从而提供神经活动的视觉指示。通过将传感器分子与这些标记物融合在一起，研究人员可以设计神经元，这些神经元通过调节这种荧光来表达其局部活动的信号。光遗传学解决了神经科学研究中固有的一些问题，这些问题依靠植入的电极来测量神经元的电活动，由于大脑中所有的电活动，平均而言，它们只能可靠地测量单个神经元。由于大脑不使用光进行通信，因此光遗传学使得跟踪大量这些神经元信号变得更加容易。
当前的光学技术只能在大脑表面附近成像神经元活动，但是集成的神经光子学可以解锁深埋在大脑中的电路。
但是，加州理工学院高级研究科学家，论文的主要作者劳伦特·莫罗克斯（Laurent Moreaux）说，但是当前的大脑光遗传学研究受到明显的物理限制。大脑组织会散射光，这意味着从大脑外部射入的光只能在其中传播很短的距离。因此，只能用光学方法检查距离大脑表面不到两毫米的区域。这就是为什么研究最好的大脑电路通常是简单的传递感觉信息的电路，例如鼠标的感觉皮层，它们位于表面附近。简而言之，目前，光遗传学方法不能轻易提供对位于大脑深处的电路的洞察力，包括那些涉及高级认知或学习过程的电路。
鲁克斯和他的同事说，集成的神经光子学解决了这个问题。在这项技术中，完整成像系统的微尺度元素被植入位于大脑深处的复杂神经回路附近，位于海马（参与记忆形成），纹状体（控制认知）和其他基本结构等区域以前所未有的分辨率。考虑一下功能磁共振成像（fMRI）的类似技术，这是当前用于对整个大脑成像的扫描技术。在fMRI扫描中，每个体素或三维像素的体积通常约为一立方毫米，并包含大约100,000个神经元。因此，每个体素代表这100,000个细胞中全部的平均活性。
Roukes说，集成神经光子学的总体目标是实时记录100,000个集合中每个神经元的行为。
Roukes的长期目标是传播集成神经光子学的先进仪器，以实现多机构合作，从而利用这一新技术开拓先进的神经科学研究。他说，以前，这种神经技术的发展主要依靠单个实验室或研究人员领导的研究。从2011年开始，鲁克斯与其他五位科学家和白宫科学技术政策办公室合作，共同启动了最终成为美国奥巴马计划（通过推进创新神经技术进行大脑研究）的计划。他们的愿景是将神经科学领域的大型伙伴关系带入神经科学研究，以硬件开发项目为例，例如国际望远镜合作和LIGO-Virgo合作以寻找引力波。Roukes说，现在，集成式神经光子学为此类仪器构建团队合作打开了大门
他说：“许多（对于像我们这样的方法）构建基块已经存在了十年或更长时间。”“但是直到最近，才有了将它们全部组合起来以实现这些强大的神经科学新工具的愿景，意愿和资金。”
描述该研究的论文标题为“集成神经光子学：进行深度和实时的大脑回路活动的密集体积询问。”加州理工学院的其他合著者包括Wesley D. Sacher，前Kavli纳米科学研究所奖博士后研究员，以及前加州理工学院的博士后学者Nicole J. Kubat。这项工作由来自其他14个机构的合作者参与，由美国国家卫生研究院脑计划倡议拨款，国防高级研究计划局，美国国家科学基金会和卡夫利基金会资助。
参考：“集成的神经光子学：Laurent C. Moreaux，Dimitri Yatsenko，Wesley D. Sacher，Jaebin Choi，Changhyuk Lee，Nicole J. Kubat，R。James Cotton，Edward S. Boyden撰写的《面向密集的大脑回路活动的体积查询-深度和实时》。 ，Michael Z. Lin，Lin Tian，Andreas S. Tolias，Joyce KS潘恩，肯尼思·谢泼德和迈克尔·鲁克斯，2020年10月14日，神经元。
10.1016 / j.neuron.2020.09.043
20201014-111855866
