解決大腦疾病的方法主要是通過實驗研究

　　細胞轉染獲得了解活體大腦神經元內部運作機制的途徑可為我們提供大量有用的信息：它的電活動模式，甚至在某個指定時刻基因的開關圖譜。然而達到這一目標卻是一個極其艱苦的任務，它被認為是掌握一門藝術;由于非常難于學習當前世界上只有少數實驗室能夠對其進行實踐操作。

　　然而這一情況將很快會得到改變：來自麻省理工學院和佐治亞理工學院的研究人員開發出一種新方法實現了在活體大腦中自動化尋找和記錄來自神經元的信息。研究人員利用單細胞檢測計算機運算控制單個機器手臂，以相比人類試驗操作人員更高的精確度和速度鑒別和記錄下了活體小鼠大腦中的神經元。相關論文發布在5月6日的《自然方法》(Nature Methods)雜志上。

　　新的自動化程序無需數月的培訓，質粒構建提供了長期以來尋求的關于活細胞活動的信息。利用這一技術，科學家們能夠鑒別出大腦中數千種不同的細胞類型，繪制出它們相互聯系的圖譜，并找出疾病細胞與正常細胞的差異。

　　這一項目是由麻省理工學院生物工程學和大腦與認知科學副教授Ed Boyden與佐治亞理工學院機械工程學院助理教授Craig Forest協作完成。

　　“我們的研究團隊從開始就一直從事跨學科研究，這使得我們能夠將精密機械設計的原理帶到活體大腦研究中，”Forest說。他的研究生Suhasa Kodandaramaiah是文章的主要作者，作為訪問學者已在麻省理工學院開展了兩年的研究工作。

　　這一技術尤其適用于研究諸如精神分裂癥、帕金森氏癥、自閉癥和癲癇等大腦疾病。Boyden說：“在所有這些情況下，對單個細胞的電及回路特征進行分子描述……一直難以實現。如果我們真的能夠描述活體大腦特異細胞中疾病改變分子的機制，就有可能發現更好的藥物靶點。”

　　Kodandaramaiah、Boyden 和 Forest著手于研究讓一種已有30年歷史的技術——全細胞膜片鉗(whole-cell patch clamping)自動化。全細胞膜片鉗技術是通過將一個微小的空心玻璃吸管與神經元細胞膜接觸，然后打開細胞膜上一個小孔來記錄細胞中電活動的方法。通常一個研究生或博士后需要數月的時間才能學習掌握這項技術。

　　Kodandaramaiah花了大約四個月的時間學習手動膜片鉗技術，這讓他認識到這一技術非常難以掌握。“當我相當出色地掌握了這一技術時，我感到雖然它是一種藝術形式，也可將其變為一套定型任務，并通過機器人執行決策。”

　　為此，Kodandaramaiah通過動物實驗，可以微米精確度將一個玻璃吸管置入麻醉小鼠大腦。隨著移動，吸管監測了細胞的電阻抗性——測量電流出吸管的難度。如果周圍沒有細胞，電流動且阻抗低。一旦吸管尖頭接觸到細胞，電流將無法流動，阻抗會升高。