神经元以电的方式交流，因此为了理解它们如何产生记忆等大脑功能，神经科学家必须在毫秒的时间尺度上追踪它们的电压是如何变化的——有时很微妙。在《自然通讯》的一篇新论文中，麻省理工学院的研究人员描述了一种新型的图像传感器，它能够大大提高这种能力。
这项发明是由Sherman Fairchild教授Matt Wilson的Picower学习与记忆研究所实验室的博士后学者张杰领导的，是对科学成像中使用的标准“CMOS”技术的一种新尝试。在这种标准方法中，所有像素同时打开和关闭，这是一种固有的权衡配置，快速采样意味着捕获更少的光。新的芯片可以单独控制每个像素的时间。这种排列提供了“两全其美”的效果，相邻的像素基本上可以相互补充，在不牺牲速度的情况下捕获所有可用的光。
在研究中描述的实验中，Zhang和Wilson的团队展示了“像素”可编程性如何使他们能够改善神经电压“尖峰”的可视化，这是神经元用来相互交流的信号，甚至是在这些尖峰事件之间不断发生的更微妙的瞬时电压波动。
资深作者威尔逊是麻省理工学院生物和大脑与认知科学系(BCS)的教授，他的实验室研究大脑在清醒和睡眠期间如何编码和完善空间记忆。他说:“单峰分辨率测量是我们研究方法的重要组成部分。”“思考大脑中的编码过程，单个尖峰和这些尖峰的时间对于理解大脑如何处理信息非常重要。”
几十年来，威尔逊一直在推动利用电极实时获取神经电信号的创新，但像许多研究人员一样，他也在寻求电活动的视觉读数，因为它们可以突出显示大面积的组织，并仍然显示出在任何给定时刻，哪些神经元是电活动的。能够识别哪些神经元是活跃的，可以使研究人员了解哪些类型的神经元参与记忆过程，为了解大脑回路如何工作提供重要线索。
近年来，包括资深作者Ed Boyden、BCS、麦戈文脑研究所和Picower研究所附属机构神经技术教授Y. Eva Tan在内的神经科学家们通过发明“基因编码电压指示器”(GEVIs)来满足这种需求，这种指示器可以使细胞在电压实时变化时发光。但是当Zhang和Wilson试图在他们的研究中使用gevi时，他们发现传统的CMOS图像传感器缺少了很多动作。如果它们运行得太快，就不能收集到足够的光。如果他们动作太慢，他们就会错过快速的变化。
但图像传感器具有如此精细的分辨率，以至于许多像素在整个神经元的尺度上实际上都在看同一个地方，威尔逊说。认识到有多余的分辨率，张运用他在传感器设计方面的专业知识发明了一种图像传感器芯片，可以使相邻的像素每个都有自己的时间。更快的可以捕捉到快速的变化。工作速度较慢的电池可以收集更多的光线。任何作用或光子都不会被遗漏。张还巧妙地设计了所需的控制电子元件，使它们几乎不占用像素上光敏元件的可用空间。张说，这确保了传感器在弱光条件下的高灵敏度。
在这项研究中，研究人员展示了两种方法，其中芯片改善了培养皿中培养的小鼠海马神经元的电压活动成像。他们将传感器与工业标准的科学CMOS图像传感器芯片进行了正面测试。
在第一组实验中，研究小组试图对神经电压的快速动态进行成像。在传统的CMOS芯片上，每个像素的曝光时间为1.25毫秒。在逐像素传感器上，相邻的4个像素组中的每个像素保持5毫秒，但它们的启动时间是错开的，因此每个像素的开启和关闭时间比下一个晚1.25秒。在这项研究中，研究小组表明，每个像素，因为它打开的时间更长，聚集了更多的光，但因为每个像素每1.25毫秒捕捉一个新的视图，这相当于有一个快速的时间分辨率。结果是像素芯片的信噪比翻了一番。张说，与传统的CMOS芯片相比，这可以在采样率的一小部分下实现高时间分辨率。
此外，像素芯片检测到传统传感器无法检测到的神经尖峰活动。当研究人员将每种传感器的性能与传统膜片钳电极的电读数进行比较时，他们发现交错的像素测量与膜片钳的测量结果更匹配。
在第二组实验中，研究小组试图证明，像素芯片既可以捕捉到快速的动态，也可以捕捉到更慢、更微妙的“亚阈值”电压差异。为了做到这一点，他们改变了像素芯片中相邻像素的曝光时间，从15.4毫秒到1.9毫秒不等。通过这种方式，快速像素对每一个快速变化(尽管微弱)进行采样，而较慢的像素随着时间的推移集成了足够的光线，以跟踪甚至细微的较慢波动。研究人员报告说，通过整合来自每个像素的数据，芯片确实能够捕获快速尖峰和较慢的亚阈值变化。
威尔逊说，在培养皿中对小簇神经元进行的实验只是一个概念验证。他的实验室的最终目标是在动物自由移动和学习如何走迷宫时，对它们不同类型神经元的活动进行全脑实时测量。gevi和像像素芯片这样的图像传感器的发展，能够成功地利用它们所显示的东西，对于实现这一目标至关重要。
为了实现这一目标，张补充说:“我们已经在研究下一代芯片，它具有更低的噪音，更高的像素计数，多千赫的时间分辨率，以及用于自由行为动物成像的小尺寸。”
这项研究正在逐点推进。
除了张、威尔逊和博伊登，论文的其他作者还有Jonathan Newman、王泽冠、钱勇、Pedro Feliciano-Ramos、郭伟、Takato Honda、陈哲Sage、令胡长阳、Ralph-Etienne Cummings和Eric Fossum。
Picower学习与记忆研究所、JPB基金会、Alana基金会、Louis B. Thalheimer转化研究基金、美国国立卫生研究院、HHMI、Lisa Yang和John Doerr为这项研究提供了支持。
