韩国科学家用机器人体外操控了小鼠脑神经！不到 1 分钟实现通信连接

这是一个受磁场驱动的微型机器人，动图中它正朝着目标蹦跶。

恒定磁场下，它还能给大家表演一个转圈圈。

可能有些人会觉得，磁驱动微型机器人已经并不罕见了，甚至有点儿平平无奇。

但是，上面这款机器人可不普通，它带有神经元，能通过体外方式在神经簇之间形成并操纵神经网络。因此，为大脑功能和相关疾病的研究实现了新突破。

为何构建「体外神经网络」？

2020 年 9 月 25 日，该团队的论文正式发表于顶尖学术期刊《科学》子刊《科学进展》（Science Advances），题为 A magnetically actuated microrobot for targeted neural cell delivery and selective connection of neural networks（一种用于定向神经细胞传递和神经网络选择性连接的磁驱动微型机器人）。

一直以来，脑科学研究者都在尝试，希望更加深入地理解大脑的学习、记忆、运动、感觉处理和决策等功能，而大脑中这些功能的实现都离不开神经连接。

要研究神经研究，科学家们提出了一种通过化学和电生理方法进行脑功能分析的「体外神经网络」研究方法。

为什么要在体外研究甚至是操纵神经网络？

原因在于，这种方法可以在尽可能降低外部影响的前提下，在大脑目标位置进行精确的、有选择性的神经连接，从而测量神经活动、确定神经元的交流方式。当然，它也可以帮助理解受伤或功能出现障碍的神经元轴突再增长。

微米级磁驱动机器人

那么，体外神经网络要如何实现呢？

为了形成并控制细胞神经突生长的模式，各国科学家们都曾尝试过了化学、物理、机械方式，而韩国脑研究所和韩国大邱庆北科学技术院（DGIST）科学家们的思路则是设计一款机器人。

当前，已有研究成果表明，由磁驱动的球形、螺旋状和毛刺状多孔球形微型机器人可在体内或体外实现靶向细胞传递。

但韩国研究团队表示：

此前的研究主要集中在制造各种外形的微型机器人，并在外部电源下将细胞装载到微机器人上。据我们所知，还没有科学团队报道过利用微型机器人调节神经突排列和神经连接的研究。

因此，他们设计了一种载有神经元的 3D 磁驱动微型机器人，可通过外部磁场将神经网络精确传送到两个神经簇之间的间隙处，再选择性地连接神经网络。同时，细胞外动作电位通过微型机器人载有的神经元从一个神经簇传送到另一个神经簇。

据论文介绍：

我们设计的机器人具有可重现、可选择和精确连接的优势。

上图 A 展示的是两个神经簇之间的神经网络主动构建，这一过程中主要依赖的是内置于机器人的一片高密度多级阵列芯片，这种芯片可以测量到轴突信号传输。

上图 B 主要展示了微型机器人的具体尺寸——高 27μm、宽 5μm、深 2μm。

可以看到，机器人顶部有一个凹槽，侧面还有翻转指示。

C 部分展示了利用基于双光子聚合（TPP）的三维激光光刻技术和沉积镍（Ni，用于磁性）层、二氧化钛（TiO2，用于生物相容性）层制备机器人的过程。

D 部分则是机器人的扫描电子显微镜图像，可见这种机器人是微米级大小的。

机器人培养神经元

机器人设计好了，下一步就要开始尝试培养神经元了。

实验中：

实验组是：机器人凹槽上小鼠颅脑神经细胞的神经突增长；

对照组是：玻璃基质（也就是平面）上小鼠颅脑神经细胞的神经突增长。

科学家们利用免疫荧光图像展示了两组的神经元凸起数量变化。

结果显示：

实验组（机器人）：细胞高度约 40μm；

对照组（玻璃基质）：只观察到少量细胞。神经突厚度约为 2-5μm，神经元胞体厚度约为 10-20μm。

也就是说，与对照组相比，利用机器人可以成功培养出神经元，在对存活率没有显著影响的情况下神经突也得以增长。

研究团队表示：

微型机器人具有在 2 周内运输、培养神经元以及以所需方向引导、连接神经突生长的潜力。

体外神经网络新突破

在神经元培养的基础上，这款微型机器人打造了神经网络，而这一过程是通过在神经簇阵列上对机器人施加磁场影响实现的。

科学家们的设计是，通过 8 个电磁线圈半球的线性叠加及其顶部的一个电荷耦合装置（ CCD）相机产生强度为 20 mT 和 1.2 Hz 的磁场。

下图中，白色虚线框表示神经网络，红色虚线框表示机器人的目标点。

实际上，要想实现神经网络主动连接，一个关键就是将培养在机器人上的神经元精确地传递和定位到指定位置。虽然附着在机器人上的细胞增加了额外重量，可能会影响机器人的前进，但科学家们借助磁场实现了精确控制——精度在几十 μm 级别（误差范围约 10％）。

如上图所示，神经元在 10 秒内到达了目标位置，并在 1 分钟内精确对齐了连接网络所需的神经簇。

不仅如此，科学家们还经过测定显示：微型机器人的运作并不会影响细胞活力。

至此，利用微型机器人培养神经元、形成物理和功能性神经网络连接成为可能。

就未来的发展方向而言，研究团队表示：

希望我们的研究成果为先进的人工神经网络可控体外模型创造了新突破，我们也正在利用各种微型机器人建立复杂多样的连接，希望增进人们对神经网络的理解。

雷锋网雷锋网雷锋网