Read Time:1 Minute, 28 Second

在芯片上培養腦細胞,還能用來測試新藥,LLNL實驗室開發出3D「芯片大腦」

機器之心報道

編輯:魔王、杜偉、小舟

新藥研發過程中,除瞭進行動物測試,還有其他更好的途徑嗎?近年來,勞倫斯利弗莫爾國傢實驗室的多學科團隊試圖在芯片設備上復制人體系統,並開發出瞭能夠捕獲體外培養腦細胞神經活動的「芯片大腦」(brain-on-a-chip)。未來,它或許會取代動物測試。

在科學實驗中,研究人員往往首先以「小白鼠」為實驗對象。雖然是科研需要,但有人譴責這是對生命的褻瀆。此外,動物測試成本高且耗時,同時無法精確體現人類的反應。那麼有沒有其他替代品呢?

來自勞倫斯利弗莫爾國傢實驗室(LLNL)的多學科科學傢團隊開發瞭一款三維「芯片大腦」(brain-on-a-chip),它能夠捕獲體外培養活體腦細胞的神經活動,並提出瞭一種建模交互神經元群體及其網絡結構的方式。

LLNL 實驗室工程師與生物學傢團隊成員,由左往右依次是 David Soscia、Nick Fischer 和 Doris Lam。

在一篇發表在 Lab on a Chip 期刊的論文中,LLNL 實驗室研究人員表示,他們創建的 3D 微電極陣列(3DMEA)平臺能夠維持數十萬人類神經元存活,並使它們在 3D gel 中連接和溝通。此外,使用他們開發的薄膜式微電極陣列可以在長達 45 天內無創記錄放電和脈沖。

論文鏈接:https://pubs.rsc.org/en/content/articlelanding/2020/LC/C9LC01148J#!divAbstract

該研究技術復雜度很高,不過參與的研究人員認為,這可以為消除影響大腦功能的毒素或神經系統疾病(如癲癇)提供高效的新方案。

該研究項目首席研究員 Nick Fischer 表示:「我們的計劃是匯集工程、生物學和計算知識,開發出一種更能代表人腦生理機能和功能的模型。而這項研究推動該領域向著這個終極目標前進。」

LLNL 實驗室致力於在芯片設備上復制人體系統,而該研究正是其系列工作的一小部分。其目標是隨著相關技術的不斷發展,研發的芯片設備更適用於人類,甚至取代動物測試。

Fischer 表示,這項 3D 芯片大腦研究的最終目的是:開發出一個提供人類相關數據的實驗平臺,通過簡化、易復現、中肯的模型系統,更好地理解不同類型的藥物和治療方案對人腦功能的影響。

制作和建模芯片大腦

神經元被認為是大腦中神經系統向其他細胞傳遞信息的基本工作單元。神經元交流時,會產生微小的電信號,微電極可以收集這些電信號。Fischer 和他的團隊在 2016 年展開瞭這項研究工作,在此過程中進行瞭多次硬件迭代。他們設計和完善瞭帶有「多電極陣列」的芯片大腦設備。

LLNL 實驗室的芯片大腦示意圖。

Fischer 解釋說:「該陣列是一種培養孔中不同電極的方向,腦細胞在其上生長。隨著神經網絡的成熟,這些電極就可以收集神經元的放電信號。」Fischer 表示,這實質上正是神經元相互作用並傳遞電脈沖時發生的現象。

該芯片由一種基板構成,基板上有一個穿過多個電極的孔,電極走線通向連接器,這些連接器接入的儀器可以記錄從腦細胞中獲取的電信號。該儀器與計算機連接,因此最終可以得到每個電極的小數據窗口,從中可以觀察到電壓的升高。

Fischer 補充道,隨著時間的推移,科學傢將二維芯片升級為三維設備,這也使該研究更接近人腦的真實復雜情況。Fischer 表示三維芯片能夠呈現出非常震撼的圖像。

隨著芯片大腦的發展,LLNL 實驗室機器學習組 Jose Cadena 和其他研究者建立瞭一個時間隨機塊模型。該模型可用於可視化和跟蹤神經元網絡在芯片上的變化。該研究想要開發出一種機制,來研究芯片上的神經元和結構在其存在過程中的變化。

Cadena 表示之前也有很多關於理解大腦快照的研究,即將大腦數據作為靜態照片。而這項研究的特別之處在於其模型是時間模型,可以研究大腦網絡隨時間的變化情況。

原始建模實驗表明,以較小的尺寸比例表示人腦活動是可行的。盡管該模型是為二維芯片大腦數據開發的,但 Cadena 證實該過程也適用於三維設備。

未來應用與實現前提

大腦活動芯片和相關模型開發獲得瞭眾多計算科學傢、工程師和生物學傢的支持。

Fischer 解釋稱:「為瞭促進這種 3D 芯片大腦的發展,我們需要設計一種能夠從三個維度實際監測神經元功能的芯片,但項目伊始,我們並不具備相應技術,所以必須從內部開發。為此,我們需要掌握大量的相關工程知識。」

同時還需要生物科學傢團隊的助力,以瞭解細胞的功能以及它們如何在設備上實現生長、培育和維護。此外,計算機專傢也需要開發能夠理解 Fischer 所說的正在生成的「大量數據」的算法。此外,他還指出這些算法有助於理解這類網絡的時間效應。

Fischer 稱:「開發這些復雜系統的關鍵在於擁有廣泛的專業知識。」

接下來,該模型旨在使用該模型研究對大腦功能產生負面影響的化學或生物制劑,並有興趣制定出相應的研究方案。該模型可以為預測相關治療效果助力。

此外,Fischer 稱他們正在努力研究阿片類藥物在該領域的影響,並希望開發出更多關於大腦疾病和損傷的模型。該團隊正在尋求外部資金支持,以使用 3D 芯片大腦來篩選治療方法,並創建更多用於創傷性腦損傷等疾病和障礙的神經元模型。

最後,Fischer 表示:「這些項目將永遠不會結束。我的意思是,當你確認瞭一件事情時,你回答瞭一個問題,但會有其他 10 個問題跳出來。現在我們想要探索的領域太多瞭。但我認為想要發展的關鍵就是這個得到計算模型補充的模型實驗系統。我認為我們已經做到瞭這一點。」

參考鏈接:

https://www.llnl.gov/news/modeling-neuronal-cultures-brain-chip-devices

https://www.llnl.gov/news/lab-researchers-develop-3d-brain-chip-device-capable-long-term-recording-neural-activity

https://www.nextgov.com/emerging-tech/2020/08/lawrence-livermore-scientists-model-neural-activity-living-human-cells-brain-chip-devices/167911/

Amazon SageMaker 是一項完全托管的服務,可以幫助開發人員和數據科學傢快速構建、訓練和部署機器學習 模型。SageMaker完全消除瞭機器學習過程中每個步驟的繁重工作,讓開發高質量模型變得更加輕松。

現在,企業開發者可以免費領取1000元服務抵扣券,輕松上手Amazon SageMaker,快速體驗5個人工智能應用實例。

THE END

轉載請聯系本公眾號獲得授權

0 0
Happy
Happy
0 %
Sad
Sad
0 %
Excited
Excited
0 %
Sleppy
Sleppy
0 %
Angry
Angry
0 %
Surprise
Surprise
0 %