神經元如何溝通
神經元是大腦中的細胞,它們用電信號來溝通。為了理解神經元如何產生像記憶這樣的大腦功能,神經科學家需要追蹤它們的電壓變化,這些變化有時非常微妙,發生在毫秒的時間內。麻省理工學院 (MIT) 的研究人員在《自然通訊》上發表了一篇新論文,描述了一種新型影像感測器,能大幅提升這項能力。
新型影像感測器的發明
這項發明由麻省理工學院的馬特·威爾遜 (Matt Wilson) 實驗室的博士後研究員張杰 (Jie Zhang) 主導,這是一種新型的“CMOS”(互補金屬氧化物半導體)技術,這種技術通常用於科學影像。在傳統的CMOS技術中,所有像素同時開啟和關閉,這樣的配置會有一個固有的折衷:快速取樣意味著捕捉到的光線較少。而新型晶片使每個像素的時間可以單獨控制,這樣相鄰的像素可以互相補充,捕捉到所有可用的光線,而不犧牲速度。
實驗結果
在研究中,張和威爾遜的團隊展示了“逐像素”可編程性如何改善神經電壓“尖峰”的可視化,這些尖峰是神經元用來互相溝通的信號,甚至還能捕捉到那些在尖峰事件之間不斷發生的微小電壓波動。
重要性
威爾遜教授表示:“以單尖峰解析度進行測量對我們的研究方法非常重要。”他的實驗室研究大腦如何在清醒探索和睡眠中編碼和完善空間記憶。“考慮到大腦內的編碼過程,單尖峰及其時間對於理解大腦如何處理信息非常重要。”
電極的創新
幾十年來,威爾遜一直在推動使用電極即時捕捉神經電信號的創新,但像許多研究人員一樣,他也希望能有視覺化的電活動讀數,因為這樣可以突出大範圍的組織,並顯示出在任何時刻哪些神經元是電活躍的。能夠識別哪些神經元活躍,可以幫助研究人員了解哪些類型的神經元參與記憶過程,提供有關大腦電路如何工作的關鍵線索。
基因編碼電壓指示器
近年來,包括共同資深作者艾德·博伊登 (Ed Boyden) 在內的神經科學家,發明了“基因編碼電壓指示器”(GEVIs),使細胞在電壓變化時發光。但張和威爾遜在研究中發現,傳統的CMOS影像感測器錯過了很多重要的變化。如果它們運行得太快,就無法收集到足夠的光;如果運行得太慢,就會錯過快速變化。
改進影像感測器
威爾遜表示,影像感測器的解析度非常高,許多像素實際上是在觀察整個神經元的同一位置。張認識到有多餘的解析度,於是他運用自己的感測器設計專業知識,發明了一種影像感測器晶片,使相鄰的像素可以各自擁有自己的時間控制。快速的像素可以捕捉快速變化,較慢的像素則可以收集更多光線,這樣就不會錯過任何動作或光子。張還巧妙地設計了所需的控制電子設備,幾乎不佔用像素上光敏元件的空間,這確保了感測器在低光條件下的高敏感度。
實驗結果的比較
在研究中,研究人員展示了這種晶片如何改善在培養皿中小鼠海馬體神經元的電壓活動影像。他們將這種感測器與行業標準的科學CMOS影像感測器晶片進行了比較。
快速動態的影像
在第一組實驗中,團隊試圖影像神經電壓的快速動態。在傳統的CMOS晶片上,每個像素的曝光時間為1.25毫秒。而在逐像素感測器上,相鄰的四個像素的開啟時間為5毫秒,但它們的啟動時間是錯開的,每個像素的開啟和關閉時間比下一個晚1.25毫秒。研究顯示,因為每個像素開啟的時間更長,收集到的光線更多,但因為每個像素每1.25毫秒捕捉到新的視角,這相當於擁有快速的時間解析度。最終,逐像素晶片的信噪比提高了一倍。
捕捉神經尖峰活動
此外,逐像素晶片還檢測到了傳統感測器錯過的神經尖峰活動。當研究人員將每種感測器的性能與傳統的貼片夾電極的電讀數進行比較時,他們發現錯開的逐像素測量結果與貼片夾的結果更為吻合。
捕捉慢速變化
在第二組實驗中,團隊試圖證明逐像素晶片能夠捕捉快速動態和較慢的“亞閾值”電壓變化。為此,他們變化了逐像素晶片中相鄰像素的曝光時間,範圍從15.4毫秒到僅1.9毫秒。這樣,快速的像素能夠捕捉每個快速變化(雖然是微弱的),而較慢的像素則能夠在時間上整合足夠的光線,以追蹤即使是微妙的慢速波動。研究報告指出,通過整合每個像素的數據,晶片確實能夠捕捉到快速尖峰和較慢的亞閾值變化。
未來的目標
威爾遜表示,對於在培養皿中小神經元的實驗只是概念驗證。他的實驗室最終目標是對動物中不同類型神經元的活動進行全腦、實時的測量,即使它們自由移動並學習如何導航迷宮。發展基因編碼電壓指示器和像逐像素晶片這樣的影像感測器,能成功利用它們所顯示的內容,對於實現這一目標至關重要。
研究的進展
張補充道:“我們已經在開發下一代晶片,這些晶片具有更低的噪音、更高的像素數量、多個千赫的時間解析度,以及適合在自由行動動物中成像的小型外形。”
研究團隊
除了張、威爾遜和博伊登,論文的其他作者還包括喬納森·紐曼 (Jonathan Newman)、王澤冠 (Zeguan Wang)、錢勇 (Yong Qian)、佩德羅·費利西亞諾-拉莫斯 (Pedro Feliciano-Ramos)、郭偉 (Wei Guo)、本田貴人 (Takato Honda)、陳哲 (Zhe Sage Chen)、凌昶揚 (Changyang Linghu)、拉爾夫·艾蒂安·卡明斯 (Ralph-Etienne Cummings) 和埃里克·福斯姆 (Eric Fossum)。這項研究得到了皮考爾研究所 (The Picower Institute)、JPB基金會 (The JPB Foundation)、阿拉納基金會 (The Alana Foundation)、路易斯·B·塔爾海默基金 (The Louis B. Thalheimer Fund for Translational Research)、美國國立衛生研究院 (National Institutes of Health)、HHMI、李莎·楊 (Lisa Yang) 和約翰·多爾 (John Doerr) 的支持。
本文由 AI 台灣 運用 AI 技術編撰,內容僅供參考,請自行核實相關資訊。
歡迎加入我們的 AI TAIWAN 台灣人工智慧中心 FB 社團,
隨時掌握最新 AI 動態與實用資訊!