看六开开奖现场 Boyden研究小组的在autopatcher.org

c?在神经细胞中记录脑活动的机器人_养生资讯_养生之道网
养生之道网导读:在德克萨斯州大学奥斯汀分校,科学家开发出了一种类似的自动化膜片系统,这个系统在MATLAB的电脑环境中使用一种略为不同的算法来决定何时抽吸,其在小鼠的膜片......将电极夹在活体动物的脑细胞上去记录它们喋喋不休的絮语是一项考验技巧和耐心的活儿。神经科学家EdwardBoyden认为这个被称为“全细胞膜片钳”的技术是“神经科学界最精妙的艺术”。不过通过使用机器人和可下载的源代码,研究者们正在使这门艺术脱去它神奇的面纱,成为任何实验室都可以尝试的一项流水线式自动化技术。KarelSyoboda是坐落于弗吉利亚州阿什本的霍华德-休斯医学研究所Janelia科研校区的一名神经科学家,他提到,“膜片钳为观察神经通路提供了非常特殊的视角,是一项激动人心却未被充分利用的技术,这也是为什么自动化将是一个非常非常令人兴奋的研究方向”。2015年3月3日那一天,Boyden和他的同事们在(美国)剑桥市的MIT发表了关于组装和操作全细胞膜片钳的详细指南,而全细胞膜片钳这个理念也是他们于2012年第一次提出的。这份指南是Boyden和CraigForest实验室合作的最新成果,CraigForest来自于亚特兰大的乔治亚理工学院,他专门从事机器人自动化方面的研究。大多数神经记录是通过在细胞间隙中插入一个电极来采集神经元之间的电冲动,这种“细胞外的记录”只能探测到外向信号,却无法收集到细胞内那些决定是否发射冲动的神经活动——这也就为全细胞膜片钳提供了用武之地——Syoboda表示,这项精巧的技术“有着非常陡峭的学习曲线,甚至有些人从来没能让它真正工作起来”。全细胞膜片钳技术是将一个非常微小、内含金属电极的玻璃移液器推入脑中,而绝大多数情况下,今天六喝彩开奖结果,这项操作都是“盲人版”,研究者在操作时是看不见神经元细胞的。科学家必须不停地给移液器施加压力以推开脑白质,当电极感到阻力升高时意味着附近正有一个神经元细胞,此时必须立刻在恰好合适的时间点转换为抽吸的模式,用移液器那超级细小的尖端紧紧地封住神经元细胞膜的一小片区域。再加上一个突破性的抽吸,研究者就可以在细胞表面凿一个非常小的洞来记录神经元内的活动了。击打神经元细胞时方向偏移、推入移液器时压力控制失调以及许多其他的变数都会干扰最终的信号记录。Boyden提到“每一步都有一定的失败率,而这在整个过程中将不断累积增大”,报道称熟练的操作人员的操作成功率在20%至60%之间。Boyden和Forest决定将这个棘手的技术自动化。目前,他们制造的机器人的表现还不能超过人类专家,但是它们在小鼠上操作的平均成功率约为33%。这台运行在商业编程平台LabVIEW上的装置只需要研究者摆放动物和移液器的位置,之后会由运算机算法调控移液器内部的压力以及它在脑组织中的前进。乔治亚州亚特兰大市的NeuromaticDevices公司正在供应基于Boyden和Forest的技术开发出来的机器,不过他们并没有向《自然》杂志透露他们的报价或者销售图。在德克萨斯州大学奥斯汀分校,科学家开发出了一种类似的自动化膜片系统,这个系统在MATLAB的电脑环境中使用一种略为不同的算法来决定何时抽吸,其在小鼠的膜片钳细胞实验中成功率约17%。领导这个团队的神经科学家NirajDesai表示他希望能够将更加复杂的算法整合到其中。另一些研究者对记录机器人能否胜过最优秀的人类专家表示质疑。伦敦大学学院神经科学家MichaelHausser认为,“人做决定时涉及很多方面,而这很可能是超过机器所能捕捉的”,不过他也表示这些技术仍能为创新带来很多好处。也有人指出,这些机器人可以在那些漫长而复杂的实验中,为拥有不同技术水平的操作者带来便利,特别是当人的疲劳成为实验制约因素的时候。在华盛顿州西雅图艾伦脑科学研究所,研究者们开发出一套自动化系统,被用于脑内记录技术的另一个变种-更具有挑战性的图像引导式技术。在这个版本中,科学家们不用使用移液器盲目地撞击神经元,而是用双光子显微镜来瞄准靠近脑表面的特定神经元细胞。但是这项操作比盲目的膜片钳技术需要更多的配合,因为科学家必须在不停地聚焦显微镜的同时引导移液器并调剂其内部压力。图像引导膜片技术专家Hausser提到,“理想情况下,拥有三支手会为这项技术带来很多好处。”自动化系统可以构建研究者关注的脑区域的3D图像,全年资料,使得使用者可以电子化地挑选他们想记录的特定神经元细胞。锁定坐标后,仪器可以导航移液器到特定的部位。尽管如今研究者们仍需要手动地将膜片钳连接在脑细胞上,但是艾伦脑科学研究所神经科学家和关节组领导者LuLi表示他们期望能够将这一操作完全自动化。这些自动化系统在神经科学界是否将被广泛地推广仍有待观察。这些不同的团队都将他们的程序代码免费地公开,在以下网站中可以下载:Boyden研究小组的在autopatcher.org,Desai小组的在clm.utexas.edu/robotpatch,Li小组的在GitHub资源库(go.nature.com/sgjpab)。Boyden表示,“我们希望能够帮助尽可能多的人去解答有关神经元运算的问题。