在过去的几年中， 劳伦斯·利弗莫尔国家实验室 (LLNL)的科学家和工程师 在开发三维“芯片上脑”装置的过程中取得了重大 进展，该装置能够记录在体外生长的人脑细胞培养物的神经活动。身体。
现在，LLNL研究人员有了一种方法，可以随着时间的推移在设备上逐渐成长和成熟的神经元群落的活动和结构进行建模，这种发展可以帮助科学家找到对付影响大脑的毒素或疾病(例如癫痫病或外伤性疾病)的对策。脑损伤。
正如 最近在《PLOS计算生物学》杂志上报道的那样 ， 一个LLNL团队开发了一种统计模型，用于分析体外 芯片上植入的脑细胞中形成的神经元网络的结构 。虽然其他小组已经根据神经活动的快照对基本统计数据进行了建模，但是LLNL的方法独特之处在于，它可以对神经元文化的时间动态进行建模-这些神经网络的演化随时间而变化。借助它，研究人员可以了解神经群落的结构，群落如何进化以及在整个实验条件下结构如何变化。尽管当前的工作是为2D芯片上的大脑数据开发的，但该过程可以轻松地适应LLNL的3D芯片上的大脑。
第一作者何塞·卡德纳(Jose Cadena)说：“我们拥有硬件，但仍然存在差距。” “要真正使用此设备，我们需要统计和计算建模工具。在这里，我们提出一种分析从片上大脑收集的数据的方法。该模型的意义在于它可以帮助我们弥合差距。一旦有了设备，我们就需要工具来从我们获得的数据中弄清楚。”
使用设计到芯片上大脑设备中的薄膜多电极阵列(MEA)，研究人员已经成功捕获并收集了神经元网络在交流时产生的电信号。该团队使用这些数据作为教学工具，将图论中标准的随机块模型与一个包括机器学习组件的称为高斯过程的概率模型相结合，以创建时间随机块模型(T-SBM)。
该模型已应用于三个数据集。培养复杂性，细胞外基质(ECM)(在细胞上生长的蛋白质在上面生长)和来自不同大脑区域的神经元。在第一个实验中，研究人员查看了仅包含神经元细胞的培养物的数据，以及将神经元与其他类型的脑细胞混合的培养物的数据，这些数据与人脑中的发现相近。研究人员发现了他们所期望的结果，即在包含其他细胞类型的更复杂的文化中，发展的网络更加复杂，随着时间的流逝，社区变得更加复杂。对于使用ECM进行的第二项研究，该模型分析了在三种不同类型的组织样蛋白中生长的神经元，发现在设备上生长这些神经元的涂层对神经培养物的生长影响很小。
“我们从实验中知道已经形成了许多神经网络，但是现在有了这种统计模型，我们可以识别，区分和可视化片上大脑设备上的每个网络，并监控这些网络在实验条件下的变化，”林说。
在上一项研究中，研究人员观察到皮质和海马培养物中网络的差异，表明海马培养物中同步神经活动水平高得多。总而言之，研究人员说，结果表明，时间模型能够随着时间的推移准确地捕获网络结构的增长和差异，并且神经元文献中描述的细胞能够在基于芯片的设备上生长网络。
卡德纳说：“这些实验表明，我们可以较小程度地表示我们所知道的在人脑中发生的事情。” “这既是对芯片上大脑的验证，也是对我们分析从这些设备收集的数据的计算工具的验证。该技术仍然是崭新的，这些设备并不多。拥有这些能够提取知识的计算工具非常重要。”
能够对神经连接随时间的变化进行建模并建立基线正常神经活动的能力，可以帮助研究人员使用片上大脑设备研究诸如药物之类的干预措施对导致大脑网络结构变化的疾病的影响，例如接触毒素，癫痫症或脑损伤等疾病。研究人员可以在芯片上培养健康的大脑，诱发癫痫发作或引入毒素，然后对干预措施的效果进行建模以恢复到基线状态。
“拥有这种计算模型至关重要。当我们开始生成大量与人类相关的数据时，我们最终希望使用该数据为预测模型提供信息。这使我们能够对神经元网络的基本状态以及物理，化学或生物侮辱对它们的扰动有深刻的了解。”首席研究员尼克·菲舍尔(Nick Fischer)说。“我们只能在芯片上的大脑设备上收集到如此多的数据，因此，要真正实现与人类的相关性，我们需要使用计算模型来弥合这一差距。这是开发这类模型的垫脚石，既可以了解我们从这些复杂的单芯片大脑系统生成的数据，也可以朝着这种预测性方向努力。”
这项工作由实验室指导研究与开发(LDRD)计划资助，是实验室战略计划(SI)在基于芯片的设备上开发和评估神经元网络的最后步骤之一。作为该项目的一部分，该团队还优化了3D神经元文化的生物学和工程学参数，以更好地了解如何调整架构，细胞复杂性和3D支架来以比目前可能的更高的保真度来模拟疾病状态。
有了经过验证的设备，该实验室团队正在寻求外部赞助商的资助，以使用3D片上大脑来筛选治疗化合物并开发与人类相关的神经元文化模型，以治疗诸如颅脑外伤等疾病和病症，以期寻找在TBI患者中重建正常脑功能的方法。
Fischer说：“我们根据该SI所做的所有工作都凸显了实验室在开发这些片上器官平台上的承诺和战略投资。” “我们来到一个了解如何正确设计和实现这些平台(尤其是片上大脑)的地方，因此我们可以将其应用于回答与国家安全以及人类健康相关的问题。
他继续说道：“开发这些真正复杂的系统，并针对实验室和更广泛的研究团体感兴趣的特定应用对其进行定制，这是一条漫长的道路。” “这不可能来自一个小组：它确实需要在国家实验室找到的那种多学科团队来帮助实现类似目标。”
该论文的合著者包括实验室生物工程中心的研究工程师兼副主任伊丽莎白·惠勒和前实验室计算工程师安娜·保拉·塞勒斯。