原创 类器官智能：大脑计算

类器官智能：大脑计算

MICHAEL NOLAN IEEE电气电子工程师 2023-05-06 16:25 发表于北京

ISTOCK

     近日，一组科学家提出使用神经组织本身作为计算基质，用于重建动物大脑的结构。如果人工智能的灵感来自神经系统，那么还有什么比实际的神经系统更好的计算介质呢？作者收集了计算机科学、电气工程、神经生物学、电生理学和药理学领域的发展，提出了一项新的研究计划，他们称之为“类器官智能（organoid intelligence）”。

   OI是一项集体努力，旨在促进将干细胞生长的大脑类器官微小球形脑组织用于计算、药物研究，并作为小规模研究完整大脑如何运作的模型。换言之，类器官提供了一个更好地理解大脑的机会，OI旨在利用这些知识开发神经生物学计算系统，该系统能够比硅硬件从更少的数据中学习，能量更少。

 以现有的神经形态计算领域为例，在硅结构中研究和模拟神经元的结构及其之间的连接，OI扩展了工程类比，有机会将所需的行为直接编程到动物脑细胞培养的放电活动中。

      类器官的直径通常为500微米，大约相当于指甲的厚度。研究人员说，随着类器官的发展，它们的组成神经元开始以网络和活动模式相互连接，模仿不同大脑区域的结构。类器官领域的发展得益于两项生物工程突破：诱导多能干细胞（IPSCs）和3D细胞培养技术。IPSCs是干细胞，特别是能够发育成动物体内的任何细胞，是通过将成年细胞转化回干细胞而产生的。然后，这些诱导的干细胞被生物化学诱导进入构建特定类器官所需的特定神经元和神经胶质细胞。最近开发的3D支架方法使生物学家能够垂直和水平生长iPSC衍生的神经组织，使类器官能够发展动物大脑中的中间神经网络。科学家们研究2D培养物已经有几十年了，但单层组织无法像类器官那样生长成类脑网络。

    网络使类器官成为理解和潜在利用大脑活动动力学的强大模型。卢森堡大学细胞与发育生物学教授Jens Schwamborn正在利用类器官研究帕金森病等神经系统疾病的发展。“我们已经概述了病理学的关键特征。我们可以看到多巴胺能神经元的丧失，我们可以看到与疾病相关的蛋白质聚集体的出现，”Schwamborn说，他的实验室已经开发了帕金森氏症的类器官模型。这些平台使研究人员能够在单层培养无法实现的细胞网络背景下，小规模研究帕金森氏症的发展。“这是主要优势，”Schwarnborn说，“我们可以看到这种疾病的特征，我们知道这种疾病正在患者身上发生，但到目前为止还无法在实验室中重现。现在，我们终于可以做到了。”

 “We aren’t teaching the cells how to do it. [Organoids] end up with the organization of structures in the brain. I think that’s the power: the computational power comes from that organization.”

—Alysson Muotri, University of California, San Diego

     正如类器官本身是生物工程进步的产物一样，它们作为神经功能模型的实用性也是其他几种生物化学创新——电生理学和微流体学的产物。研究人员现在可以比五年前更可靠、更准确地指导类器官的发育，并可以利用这种特异性创造出模仿特定皮层和皮层下结构的网络结构和细胞组成的类器官。加州大学圣地亚哥分校的儿科和分子医学教授Alysson Muotri认为，这些结构可能为它们提供脑组织的信息处理能力。“在3D中，你可以看到所有你在2D中看不到的额外组织。这是通过基因编码实现的，我们没有教细胞如何做到这一点。它们最终形成了大脑结构的组织。我认为这就是力量：计算能力来自于这个组织。”

    具有一致的、可持续的类器官也使科学家能够对其中的神经元活动进行有意义的测量。多电极阵列（MEAs）是一种由微小电极组成的面板，能够测量和刺激类器官表面附近神经元的电活动。可以包裹类器官物质的柔性MEA能够从整个表面进行记录，而不仅仅是与培养皿接触的神经元的底层。通过分析这些记录，科学家可以推断出所有这些神经元是如何相互交谈的。通过一套称为因果建模的信号处理技术，研究人员可以绘制神经元之间的连接图，这些神经元组成类器官功能结构网络。然后，这些网络图可以用来追踪发育中的大量神经组织是如何处理信息的。

   通过调节类器官内的神经元群体对设定的电输入做出一致和可预测的反应，科学家们假设他们可以将类器官系统变成有机处理单元，利用神经组织的明显信息处理能力来创建灵活强大的计算系统。

      总部位于墨尔本的生物技术初创公司Cortical Labs正在推出Dishbrain，这是第一个可训练的神经生物学计算平台。该公司的目标是提供可编程的单层2D神经培养，这些培养已经被证明可以可靠地学习数字输入/输出模式。公司首席科学官Brett Kagan表示：“在今年年底之前，我们应该有一个测试版系统，让人们能够通过云或与我们合作进行内部使用，登录并能够运行非常基本的环境。”

     虽然类似的类有机芯片计算系统还不可用，但OI团队对其进展速度持乐观态度。Muotri教授认为，我们可能会在十年内看到类器官计算系统的发展。“我们可能在未来两三年内看到一个原型，”他说，“要想让事情变得更具可复制性，我们需要五年或十年的时间才能拥有所有的工具。”