超前、創新，腦類器官智能是否能成為下一代超算系統

2023-09-25 09:31:39 108閱讀次數

掃碼分享

2023年3月CNN報道了一項引人注目的科學發現，類器官智能（OI，Organoid Intelligence）。這是一種利用類器官技術培養出腦類器官的新穎科學概念。這個腦類器官中包含有神經元細胞，通過外部的刺激和信息輸入，可以進行數據處理。這一發現為我們理解人腦的工作方式，以及如何模擬這種工作方式提供了新的視角。同期，這一發現也在Frontier in Science上由Smirnova et al發表，他們把這個技術概括為培養皿中的智能技術 (intelligence-in-a-dish)^[1]。當我們還在探索人工智能AI的可能性時，OI技術的提出又給我們帶來了新的啟發。而仿佛只出現在科幻電影情節的這一技術，卻是有一定的研究基礎與歷史。在進一步解釋這一技術之前，我們先簡單講述這一新技術背后的學科--生物計算。

來源：

https://edition.cnn.com/2023/03/02/world/brain-computer-organoids-scn/index.html

生物計算：新的計算范式

生物計算 (Biocomputing)，是一種利用生物分子進行計算的方法。它的主要優勢在于其高度的并行性和巨大的存儲容量。利用生物分子，如DNA和蛋白質所搭建的生物計算機，與傳統的硅基計算機相比，它可以在同一時間處理大量的數據。此外，生物計算還可以在常溫常壓下工作，不需要額外的能源輸入。基于此概念結合工程設計的思路，可以將生物計算機分為以下三類：

生化計算機：它們利用生物化學反應中的反饋回路的巨大多樣性來實現計算功能。這些反饋回路可以通過多種機制進行調節，從而可以設計出一種包含一組分子組件的化學途徑：比如一個特定的化學反應，會有特定水平的酶、反應物和產物的產生，通過調整反應條件，每個組分的水平也會產生對應的變化，這種機制可以被利用從而作為信息儲存的形式。

生物機械計算機：它們的工作原理與生化計算機相似，但輸出信號的性質不同。在生物機械計算機中，基于特定分子或分子集處理條件下，生物體產生的機械形變作為輸出信息并被儲存。

生物電子計算機：生物電子計算機同理也是利用生物材料作為儲存介質。在生物電子計算機中，通過特定條件處理生物材料，測量相應的電導性參數變化作為信息而儲存。

與機器學習/AI相比，生物學習在解決計算問題時使用的功率要少得多。例如，斑馬魚幼體使用只有0.1微瓦的功率即可進行生物導航，從而成功地捕獵獵物以及避免捕食者。相比之下，用于掌握Z先進的機器學習模型的同樣操作，功率則在~10⁶瓦。此外，生物學習使用更少的訓練樣本來學習如何解決問題。例如，人類學習一個簡單的“區分相同與不同物品”的任務需要使用大約10個訓練樣本；而在2011年，機器即使使用10⁶個樣本也不能學習這些區別，到2018年，10⁷個樣本仍然不足。

以下是一些生物計算機的實際案例

2013年，斯坦福大學的一組生物工程師宣布他們創造了一個生物晶體管，他們稱之為“transcriptor” ^[2]。

2017年，與E. Coli相關的實驗在Nature上發表，它展現了利用活細胞進行計算任務和存儲信息的潛力：它們利用核苷酸序列記錄信息，并將其稱為核苷酸計算機。研究團體還提出通過這個技術有望在E.Coli的DNA中儲存圖像數據甚至是影像數據 ^[3]。

2021年，由生物物理學家Sangram Bagh為首的研究團隊使用E. coli解決了2 x 2迷宮問題，探索了細胞之間的分布式計算原理^[4][5]。

2022年11月，中國浙江的之江實驗室 (Zhejiang Lab) 與全球頂級合作伙伴合作，推出了BioBit項目，旨在探索國際生物計算領域的新科學研究方向。

由此我們可以了解到，生物計算是一個綜合型的學科，它利用生物材料結合現代物理學、數學等知識，從而開發出新的信息儲存與計算的產物。

圖片來源：可畫

腦類器官作為新的生物計算機材料

腦類器官作為一種三維細胞培養體系，近年來在神經科學和生物醫學研究中受到了廣泛的關注。這些微型、自組織的細胞結構模擬了人腦的某些關鍵特性和功能，為研究者提供了一個獨特的平臺，用于研究大腦的發育、功能和疾病。但是，除了其在基礎研究中的應用外，腦類器官在生物計算領域也顯示出巨大的潛力。

腦類器官的結構和功能與真實的大腦相似。它們由多種神經細胞類型組成，包括神經元和膠質細胞，這些細胞之間的相互作用和通信模擬了大腦的復雜網絡。這種細胞間的互動為數據處理、學習和記憶提供了生物學基礎。因此，腦類器官為研究者提供了一個模型，用于研究如何模擬、增強甚至超越人腦的計算能力。

腦類器官的可塑性和適應性使其成為理想的OI材料。與傳統的硬件計算系統相比，生物系統具有獨特的能力，可以根據環境和經驗進行自我組織和調整。這種生物學上的適應性為OI提供了一個動態、可調整的平臺，可以根據輸入數據和任務需求進行優化。

腦類器官的生物兼容性也為其在OI中的應用提供了優勢。與傳統的硅基計算系統相比，腦類器官可以與生物系統無縫集成，為實時、持續的數據采集和處理提供了可能性。這種集成能力為OI的實際應用，如健康監測、疾病診斷和治療提供了巨大的潛力。

圖片來源：可畫

解讀OI系統：生物學、電生理與大數據/AI機器學習系統的綜合產物

OI的研究目標是建立全新的生物計算形式，利用腦類器官推進科學和生物工程進展。這需要將當前的腦類器官擴展為復雜、持久的3D結構，富含與學習相關的細胞和基因，并將其連接到下一代輸入和輸出設備以及AI/機器學習系統。OI需要新的模型、算法和接口技術來與腦類器官通信，了解它們如何學習和計算，以及處理和存儲它們將產生的大量數據。

我們基于Smirnova的文章內容簡單分析一下這個生物計算系統的思路。它主要是通過微電極外殼搭建腦類器官信息閉環系統：通過電和化學（神經遞質及其相應的受體激動劑和拮抗劑）刺激腦類器官，進而通過成像的方式收集相關的應激信號。這種生物信號將會被記錄，通過AI學習的方式將這種輸入與輸出的關聯信號進行記錄與訓練，如此一來即可搭建一套信息儲存與關聯的機制。進一步的研究可以借助實證測試、完善和發展神經計算理論去解釋生物智能的基礎，實現人與OI系統的互動。同時通過增加生物質，串聯視網膜類器官、增加腦類器官的復雜性、提高電極的數量以及完善與腦類器官的實時互動的算法，建立更為復雜的大數據系統，進一步提高OI系統的計算能力與互動性。

圖片來源：Lena Smirnova et al, "Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish", 28 February, 2023

為了進一步實現這一功能，需要用到三個關鍵的技術，類器官培養技術、3D微電極陣列技術和AI信息儲存與分析。

3D腦類器官培養技術的進步為我們提供了一個更接近真實大腦的模型，這些類器官可以從胚胎干細胞或iPSC中生成。與傳統的2D培養相比，3D腦類器官提供了更高的細胞密度和更復雜的結構。然而，由于缺乏有效的血管系統，這些類器官的大小和復雜性受到限制。微流控灌注系統為解決這一問題提供了一個解決方案，它們可以模擬血管系統，為類器官提供必要的營養物質和氧氣，同時排放廢物。這些系統的進一步發展將為生物計算和神經科學研究提供更為復雜和功能性的3D腦類器官模型。

圖片來源：Lena Smirnova et al, "Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish", 28 February, 2023

從腦類器官中穩健且可重復地記錄電生理輸出是至關重要的。這需要解決在讀取和寫入復雜神經組件時面臨的各種挑戰。微電極陣列（Microelectrode arrays, MEAs）是許多此類接口的核心，因為它們既可以用于刺激也可以用于記錄。但是區別于傳統的培養細胞，類器官是一個三維的細胞結構，因此2D MEAs在信號收集方面會有一定的限制。文獻中提到了一種稱為“外殼MEAs”(shell MEAs) 的技術，其靈感來源于用于從頭皮記錄大腦電模式的EEG帽 (electroencephalograph)。這種設計允許腦類器官在柔軟、超軟涂層的、自折疊的、起皺的外殼內生長，這些外殼上覆蓋有帶有納米結構和探針的圖案。這種模型允許在整個腦類器官的表面上進行多通道的刺激和記錄，顯著增加記錄的表面積，從而具有前所未有的分辨率和高信噪比。未來的系統可能允許腦類器官圍繞可植入電極生長，以進一步提高信號分辨率并訪問腦類器官的內部。

圖片來源：Lena Smirnova et al, "Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish", 28 February, 2023

腦類器官的學習和記憶能力是其在生物計算中的關鍵潛力。通過利用生物反饋、大數據和AI/機器學習技術，我們可以訓練腦類器官響應特定的刺激模式，從而實現有監督的學習。AI分析提供了對這些反應的深入理解，而大數據基礎設施為處理和分析這些數據提供了必要的工具。這三個部分共同為利用腦類器官的計算潛力提供了一個全面的框架。隨著這些技術的進一步發展，我們可以期待在未來的生物計算領域取得更大的突破。

OI技術的優勢與挑戰

OI技術作為生物計算系統，與傳統的機器計算機相比具有功率低且效率高的明顯優勢。除了OI的應用以外，腦類器官本身在腦科學的應用方面也體現出重要的價值：其能夠模擬人腦的工作方式，幫助我們理解人腦的結構和功能。此外，腦類器官還可以用于研究各種神經系統疾病，可能會幫助我們找到新的治療方法。

然而，OI技術也面臨著一些挑戰。技術上，腦的結構復雜，神經元很多，我們還需要進一步完善類器官的培養技術，以便更好地形成復雜結構以模擬人腦的工作方式。此外，我們還需要開發更高效的數據處理和分析工具，以處理腦類器官產生的大量數據。倫理上，盡管通過iPSC技術，利用皮膚細胞誘導干細胞再誘導為腦類器官，可以減少一些倫理上的影響，但是依然不可完全避免產生爭議。例如，如果類器官能夠模擬人腦的工作方式，那么它們是否能夠產生意識？如果可以，那么我們應該如何對待這些類器官？這些問題需要我們在科技進步的同時，也考慮其倫理影響。

隨著技術的進步，我們可以期待腦類器官在大小和復雜性上都將取得更大的突破，這將為生物計算提供更為強大的工具。同時，與AI技術的結合將進一步提高數據處理和分析的效率。此外，隨著倫理問題的深入研究和討論，我們可以期待在未來找到一個平衡點，使得腦類器官的研究既能滿足科學的需求，又能尊重生命的價值。我們相信，生物計算和OI技術將為未來的科學研究和技術發展提供無限的可能性。

圖片來源：可畫

未來已至，丹納赫生命科學提供先進的設備與解決方案助力類器官培養與研究

類器官的培養是實現類器官在科研、實踐與應用的第一步，經過經驗累積與沉淀，丹納赫生命科學開發出從細胞前處理、類器官培養到成像鑒定與科研的完整解決方案。下周我們將在丹納赫生命科學各官方視頻合作平臺推出專題紀錄片《探索生命的秘密：類器官》，向您講述類器官實驗室的設置、類器官培養的實驗過程與細節，以及丹納赫生命科學的先進設備與相應解決方案，讓類器官這一前沿技術的成果與價值獲得更多關注和了解。

先睹為快

關注丹納赫生命科學微信視頻號和bilibili賬號

下周觀看完整視頻

更多技術資訊視頻

也可在丹納赫生命科學bilibili官方賬號上觀看

在OI研究方面，利用共聚焦成像進行腦類器官的反饋信息觀察與收集是研發階段的重要步驟。同時高度集成的腦類器官串聯系統是實現更高計算力的后續技術發展方向，因此除了高清晰的共聚焦成像，實現高通量的成像觀察也是研究需求的一部分。

丹納赫生命科學旗下的MICA全場景顯微成像分析平臺，滿足不同檢測精細度及應用目的需要，還可以直接培養并觀察細胞。

Leica MICA全場景顯微成像分析平臺

此外，丹納赫生命科學旗下美谷分子儀器的ImageXpress Confocal HT. ai智能型共聚焦高內涵成像與分析平臺，提供各種類型類器官模型高通量成像與3D分析。

MD ImageXpress Confocal HT.ai

智能型共聚焦高內涵成像與分析平臺

參考文獻

[1] Lena Smirnova et al, "Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish", 28 February, 2023

[2] Robert T. Gonzalez (March 29, 2013). "This new discovery will finally allow us to build biological computers". IO9. Retrieved 29 March, 2013

[3] Waltz, Emily (12 July 2017). "Scientists Store Video Data in the DNA of Living Organisms". IEEE Spectrum. Retrieved 28 November 2021

[4] Sarkar, Kathakali; Chakraborty, Saswata; Bonnerjee, Deepro; Bagh, Sangram (15 October 2021). "Distributed Computing with Engineered Bacteria and Its Application in Solving Chemically Generated 2 × 2 Maze Problems". ACS Synthetic Biology. 10 (10): 2456–2464.

[5] Siobhan Roberts, Siobhan. "An E. coli biocomputer solves a maze by sharing the work". MIT Technology Review. Retrieved 27 November 2021