由科学作家Simon Spichak撰写的一篇专题报道深入探讨了生物技术公司如何将人类脑细胞连接到电极上，使其执行计算功能并测试细胞对药物的反应。这项将神经科学、组织工程和计算机科学融合的前沿技术，正在为人工智能、药物发现和计算领域开辟全新的可能性。

从硅基到碳基：计算范式的转变

传统计算机依赖于硅基处理器，其架构从根本上不同于生物神经网络。运行大型语言模型需要消耗数百万瓦特的电力，而人脑仅需约20瓦特。随着摩尔定律接近物理极限，科学家正在探索替代计算范式。

脑类器官是三维的、自组织的神经组织团块，由人类诱导多能干细胞或胚胎干细胞分化而来。在适当的培养条件下，这些细胞能够自我组织成具有多种细胞类型（神经元、星形胶质细胞、少突胶质细胞）的结构，并发育出类似发育中人脑的复杂细胞外基质和突触网络。类器官并非完整的大脑，但它们重现了体内神经回路的许多关键特征。

当前技术平台

Cortical Labs开发的“盘中大脑”平台将类脑器官（或解离的皮层神经元）培养在带有微电极阵列的芯片上。这些微电极阵列能够记录神经元的电活动并向其传递刺激。研究人员通过闭环反馈系统，训练神经元执行简单的任务，例如在乒乓球游戏中击中“球”。该平台已通过多电极阵列的闭环电刺激和奖励信号，证明了神经元培养物能够学会目标导向行为。

FinalSpark则专注于长期监测神经类器官的药物反应。通过将类器官连接到多电极阵列，该公司可以实时测量在测试化合物作用下神经元放电模式的变化，为神经活性药物的高通量筛选提供更接近生理状态的平台。

工作原理：类器官被培养在带有数千个微电极的芯片上，电极记录神经元的电活动（锋电位、局部场电位）。计算机根据特定的计算任务（如分类、预测）对电活动进行解码，并通过特定模式的电刺激向类器官提供反馈（“奖励”）。这种闭环系统被认为能够诱导突触可塑性，从而使类器官“学习”执行任务。

生物计算的潜在优势

与传统硅基计算相比，生物计算具有更低的能耗，人脑的能效比超级计算机高出数个数量级。类器官保留了类似大脑的并行处理、容错性和适应性，可能在某些类型的计算（模式识别、预测编码）中优于传统硬件。此外，类器官也更能代表人类的神经生理学，有助于药物筛选和疾病建模。

医学应用：药物筛选与疾病建模

癫痫药物筛选是目前的重要应用方向。目前，70%的癫痫患者可以通过现有药物控制发作，但其余30%的患者对多种药物耐药。通过在类器官中重现癫痫样放电，并测试新化合物的抗惊厥效果，可以更快地识别候选药物。

神经毒性测试也是重点。在药物开发过程中，许多具有前景的候选药物因意料之外的神经毒性而失败。类器官可在临床前阶段用于筛选潜在的有害化合物。对于肌萎缩侧索硬化、额颞叶痴呆、帕金森病等疾病，利用携带患者突变的诱导多能干细胞衍生的类器官，可以测试旨在降低毒性蛋白聚集、增强自噬或提供神经营养支持的基因疗法。

伦理考量

与任何涉及人类神经组织的研究一样，脑类器官面临着独特的伦理问题。随着类器官结构复杂性的增加（例如移植到动物体内后形成血管、与宿主神经回路整合），“意识”和“感知”的可能性虽然目前仍停留在理论层面，但已引起科学界的关注。类器官模型的知情同意也需要特别注意——捐赠者是否应被告知他们的细胞可能被用于生成“人-动物嵌合体”？此外，还存在类器官可能过度代表某些细胞类型或发育阶段（“类器官病”）、无法完全再现体内神经回路的复杂性等科学局限性。

未来方向

未来的发展目标包括血管化——通过共培养内皮细胞或移植到宿主动物体内，使类器官形成功能性血管网络，以解决当前类器官因缺乏血液供应而尺寸受限的问题。多区域组装体的开发也值得关注，即生成由不同脑区（如海马-皮层、丘脑-皮层）的类器官融合而成的“组装体”，以模拟更复杂的回路。在计算方面，需要开发新的算法，通过实时电刺激实现类器官与硅基系统的无缝整合。从长期来看，将类器官整合到机器人或假肢装置中，利用其适应性、低能耗处理能力实现更自然的运动控制和感觉反馈，也值得积极探索。

结论

由Cortical Labs和FinalSpark等生物技术公司引领的脑类器官生物计算机代表了神经科学与计算技术融合的前沿。 通过将人类神经元连接到微电极阵列上，研究人员正在利用生物神经网络固有的适应性、低能耗和并行处理能力。虽然这项技术仍处于早期阶段，但其在药物筛选（癫痫、神经毒性）、疾病建模（肌萎缩侧索硬化、额颞叶痴呆）以及下一代人工智能硬件方面的潜在应用，使其成为神经工程领域备受关注的方向。伦理问题（如类器官是否可能具有感知能力）需要随着技术复杂性的提高而持续评估。