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(xiàn)人類的反應。那么有沒有其他替代品呢？

來自勞倫斯利弗莫爾國家實驗室（LLNL）的多學科科學家團隊開發(fā)了一款三維芯片大腦（brain-on-a-chip），它能夠捕獲體外培養(yǎng)活體腦細胞的神經(jīng)活動，并提出了一種建模交互神經(jīng)元群體及其網(wǎng)絡結構的方式。

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

在一篇發(fā)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(chuàng)建的 3D 微電極陣列（3DMEA）平臺能夠維持數(shù)十萬人類神經(jīng)元存活，并使它們在 3D gel 中連接和溝通。此外，使用他們開發(fā)的薄膜式微電極陣列可以在長達 45 天內(nèi)無創(chuàng)記錄放電和脈沖。

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(jīng)系統(tǒng)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(fā)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 實驗室致力于在芯片設備上復制人體系統(tǒng)，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(fā)展，研發(fā)的芯片設備更適用于人類，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(fā)出一個提供人類相關數(shù)據(jù)的實驗平臺，通過簡化、易復現(xiàn)、中肯的模型系統(tǒng)，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(jīng)元被認為是大腦中神經(jīng)系統(tǒng)向其他細胞傳遞信息的基本工作單元。神經(jīng)元交流時，會產(chǎn)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 年展開了這項研究工作，在此過程中進行了多次硬件迭代。他們設計和完善了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(yǎng)孔中不同電極的方向，腦細胞在其上生長。隨著神經(jīng)網(wǎng)絡的成熟，這些電極就可以收集神經(jīng)元的放電信號。”Fischer 表示，這實質(zhì)上正是神經(jīng)元相互作用并傳遞電脈沖時發(fā)生的現(xiàn)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(shù)據(jù)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，科學家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(xiàn)出非常震撼的圖像。

隨著芯片大腦的發(fā)展，LLNL 實驗室機器學習組 Jose Cadena 和其他研究者建立了一個時間隨機塊模型。該模型可用于可視化和跟蹤神經(jīng)元網(wǎng)絡在芯片上的變化。該研究想要開發(fā)出一種機制，來研究芯片上的神經(jīng)元和結構在其存在過程中的變化。

Cadena 表示之前也有很多關于理解大腦快照的研究，即將大腦數(shù)據(jù)作為靜態(tài)照片。而這項研究的特別之處在于其模型是時間模型，可以研究大腦網(wǎng)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(shù)據(jù)開發(fā)的，但 Cadena 證實該過程也適用于三維設備。

未來應用與實現(xiàn)前提

大腦活動芯片和相關模型開發(fā)獲得了眾多計算科學家、工程師和生物學家的支持。

Fischer 解釋稱：“為了促進這種 3D 芯片大腦的發(fā)展，我們需要設計一種能夠從三個維度實際監(jiān)測神經(jīng)元功能的芯片，但項目伊始，我們并不具備相應技術，所以必須從內(nèi)部開發(fā)。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家團隊的助力，以了解細胞的功能以及它們?nèi)绾卧谠O備上實現(xiàn)生長、培育和維護。此外，計算機專家也需要開發(fā)能夠理解 Fischer 所說的正在生成的大量數(shù)據(jù)的算法。此外，他還指出這些算法有助于理解這類網(wǎng)絡的時間效應。

Fischer 稱：“開發(fā)這些復雜系統(tǒng)的關鍵在于擁有廣泛的專業(yè)知識。”

接下來，該模型旨在使用該模型研究對大腦功能產(chǎn)生負面影響的化學或生物制劑，并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，F(xiàn)ischer 稱他們正在努力研究阿片類藥物在該領域的影響，并希望開發(fā)出更多關于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，并創(chuàng)建更多用于創(chuàng)傷性腦損傷等疾病和障礙的神經(jīng)元模型。

最后，F(xiàn)ischer 表示：“這些項目將永遠不會結束。我的意思是，當你確認了一件事情時，你回答了1個問題，但會有其他 10 個問題跳出來。現(xiàn)在我們想要探索的領域太多了。但我認為想要發(fā)展的關鍵就是這個得到計算模型補充的模型實驗系統(tǒng)。我認為我們已經(jīng)做到了這一點。”