近2年多次获得国际大奖的曹颖连续两周在顶刊Nature发文

walysj

近日，近两年已多次获得国际大奖的曹颖连续两周在顶刊Nature上发表了重要研究成果，下面我们来简单了解一下：
首先在8月27日，美国加州大学伯克利分校的曹颖（Doris Y. Tsao）与Frank F. Lanfranchi（一作兼通讯）作为共同通讯作者，在Nature上报道了树鼩视觉形态处理中的一种压缩层级结构。该研究以与灵长类动物亲缘关系最近的现存物种之一——树鼩为研究对象，考察其视觉的大规模功能组织。研究使用神经像素（Neuropixels）探针记录技术，在清醒树鼩接受大量视觉刺激时，对其腹侧视觉系统所涉及的多个皮层和丘脑区域进行了记录。研究发现，与频谱匹配噪声相比，树鼩视觉通路自前向后的传递过程中，感受野大小、反应潜伏期以及对自然纹理的选择性均有所增强，这与灵长类动物类似的层级化组织相一致。
然而，树鼩的V2区已经具备了对复杂物体的高级表征能力。首先，V2区能够对高级物体空间进行完整表征。其次，在所有树鼩视觉区域中，V2区的活动对物体解码和重建的准确性最高。事实上，从树鼩V2区解码物体的准确性与猕猴后颞下区相当，且远高于猕猴V2区。最后，从V2区开始，研究发现了类似于猕猴颞下皮层中所报告的强人脸选择性细胞。总体而言，这些发现揭示了灵长类动物视觉形式处理的核心计算原理如何在一种体型虽小但视觉高度发达的哺乳动物中得以保留，同时又在层级结构上实现了压缩。

9月3日，曹颖作为重要参与者（文章总共3位作者，曹颖为中间非通讯作者）与Lindsey D. Salay、David J. Anderson合作，在Nature上报道了整合驱动状态与社会接触以调控交配行为的神经回路。该研究在雄性小鼠体内发现了一个神经回路，该回路在与交配对象接触时调控交配完成阶段生殖行为的启动。刺激下丘脑MPOA（内侧视前区）中同时表达Esr1和Vgat的神经元，可促进小鼠对同种个体及三维模拟物体的爬跨行为。研究发现，此类爬跨行为依赖于机械感觉线索，而非视觉线索。通过大规模电生理筛选，研究确定了丘脑后结节核中的神经元能非线性地整合下丘脑内侧视前区（MPOA）的输入和机械感觉输入，从而编码与潜在交配对象的接触。
回路追踪与干扰实验表明，这种联合编码是通过来自MPOA的汇聚性去抑制作用和来自脊髓三叉神经核的兴奋作用实现的。功能操控与钙成像记录显示，由甲状旁腺激素2标记的这些社会接触神经元，对于促进爬跨行为至关重要且能够促进该行为。这些数据表明，丘脑后结节核-甲状旁腺激素2神经元能够整合内在驱动力与社会接触，从而在交配的恰当时机触发爬跨行为。更广泛地说，该研究揭示了一种大脑机制，通过该机制，内在状态能够赋予普通触觉以社会属性，进而引发有目的的生殖行为。

曹颖（Doris Y. Tsao）分别为2篇文章的最后通讯作者和非通讯合作者。曹颖也是一位华人，她出生在中国常州，1980年年仅4岁时，便随父母移民美国，她1996年本科毕业于美国加州理工学院，2002年博士毕业于哈佛大学。博士毕业后她在哈佛医学院进行博士后研究，2004年到不来梅大学脑科学研究所任青年研究组负责人，同时还是哈佛医学院经生物学系得访问学者。2009年她加入加州理工学院，并于2014年晋升为教授；2017年她出任该校陈天桥雒芊芊脑科学研究院主任。2021年，曹颖又加入加州大学伯克利分校，工作至今，她目前为该校神经科学系教授，同时兼任海伦·威尔斯神经科学研究所教授；另外她还是霍华德·休斯医学研究所（HHMI）研究员。

曹颖的主要研究方向为神经回路系统与行为神经科学，主要研究兴趣为大脑如何构建视觉世界的模型。她在神经科学领域，特别是面部神经编码研究领域取得了重大突破，她与合作者在猕猴的大脑中定位了专门的面部识别区域及相关后续研究，揭示了大脑如何整合处理信息以实现面容识别，为进一步研究视觉信息处理如何与其他认知功能相结合奠定了起点。
由于在领域内的杰出贡献，她一路以来获得过多个荣誉，大一点的有：她在2015年获得了金脑奖（Golden Brain Awards）、在2017年获得了著名的“麦克阿瑟天才奖”，2020年当选为了美国国家科学院院士。特别是在2024年，她连获了3个国际大奖，分别是2024年卡夫利奖（The Kavli Prize）的神经科学奖，尚帕利莫视觉研究奖（António Champalimaud Vision Award）和发掘了多位诺奖得主的罗森斯蒂尔奖（Lewis S. Rosenstiel Award）。这三个大奖获奖人里面，除了曹颖外，Nancy Kanwisher和Winrich Freiwald也均榜上有名；目前也有人认为，未来诺贝尔奖如果授予神经科学领域，这三位科学家也被看好是潜在竞争者。

相关链接：继科学突破奖后，刘如谦再获美国化学会大奖，他以后有机会去争夺诺贝尔奖吗？

yzszh64

谢谢分享。