首个3D打印的功能性人脑组织能像真实脑组织一样生长

首个3D打印的功能性人脑组织能像真实脑组织一样生长 研究人员用 3D 打印出能像普通脑组织一样生长和运作的脑组织创建一个尽可能接近真实的器官对于探索疾病病理和测试新药的研究至关重要。大脑面临着特殊的挑战，包括在实验室中培育的神经元必须形成功能性连接，而且脑组织需要支持复杂而微妙的结构。威斯康星大学麦迪逊分校（UW-Madison）的研究人员成功地用三维打印技术打印出了能像普通大脑一样生长和运作的脑组织。这项研究的通讯作者张素春说："这可能是一个非常强大的模型，帮助我们了解人类脑细胞和大脑部分是如何交流的。它可以改变我们看待干细胞生物学、神经科学以及许多神经和精神疾病发病机制的方式。"研究人员的目标是构建分层神经组织，使神经祖细胞（NPC）在层内和层间成熟并形成连接（突触），同时保持结构不变。他们选择了一种主要由纤维蛋白原和凝血酶组成的纤维蛋白水凝胶作为"生物墨水"，即用于组织打印的生物材料，因为它与神经细胞具有生物相容性。纤维蛋白原和凝血酶都在凝血过程中发挥作用。纤维蛋白凝胶的高粘度使其难以打印，因此研究人员将其与透明质酸水凝胶混合，放入混合物中的NPC存活和成熟的数量更多，而加入另一种氢使他们的生物墨水比以前使用的生物墨水更柔软。研究人员没有采用传统的垂直叠层三维打印方法（这种方法需要厚层打印坚硬的生物墨水），而是通过水平打印一个薄层或细胞注入凝胶带，将其紧挨另一个薄层或细胞注入凝胶带，从而创建出图案化组织。为了防止打印带混合，研究人员在混合物沉积后立即使用凝血酶作为交联剂。虽然打印的细胞停留在指定的层内，但在打印后的两到五周内，神经元在层内和层间形成了功能性突触连接。张说："这种组织仍然有足够的结构来支撑在一起，但它又足够柔软，可以让神经元相互生长并开始对话。我们的组织保持相对较薄，这使得神经元很容易从生长介质中获得足够的氧气和养分。"研究人员尝试在生物墨水中使用不同的细胞组合打印脑组织。该研究的第一作者、华大麦迪逊分校张实验室的严元伟研究员"我们打印了大脑皮层和纹状体，我们的发现非常惊人，"张说。"即使我们打印了属于大脑不同部位的不同细胞，它们仍然能够以一种非常特殊和特定的方式相互对话。"研究人员说，他们的方法可以精确控制细胞的类型和排列，而器官组织和其他打印方法则无法做到这一点。而且这种打印技术不需要特殊的设备或培养方法来保持组织的健康，这意味着许多实验室都可以使用这种技术。张说："我们的实验室非常特别，因为我们能够在任何时候生产几乎任何类型的神经元，然后，我们几乎可以在任何时候以任何方式将它们组合在一起，有一个确定的系统来研究人类大脑网络是如何运作的。研究人员计划对生物墨水和设备进行改进，以便在打印组织中实现特定的细胞定向。"现在，我们的打印机是一台台式商业化打印机，"该研究的主要作者颜元伟说。"我们可以进行一些专门的改进，帮助我们按需打印特定类型的脑组织。"研究人员说，所打印的脑组织可用于研究唐氏综合征的细胞-细胞信号传导、健康组织与受阿尔茨海默氏症影响的组织之间的相互作用、测试新的候选药物，或者只是观察大脑的发育过程。这项研究发表在《细胞干细胞》杂志上。 ... PC版： 手机版：

Intel大型神经拟态系统Hala Point集成11.5亿神经元 比人脑快200倍

Intel大型神经拟态系统Hala Point集成11.5亿神经元 比人脑快200倍 Loihi 2处理器早在2021年就已发布，首发采用Intel 4工艺，集成230亿个晶体管、六个低功耗x86核心、128个神经形态核心，单颗就有100万个神经元、1.2亿个突触，是上代规模的8倍，性能也提升了10倍。Loihi 2应用了众多类脑计算原理，如异步、基于事件的脉冲神经网络(SNN)、存算一体不断变化的稀疏连接，而且神经元之间能够直接通信，不需要绕过内存。尤其是在新兴的小规模边缘工作负载上，它实现了效率、速度和适应性数量级的提升。比如执行AI推理负载和处理优化问题时， Loihi 2的速度比常规CPU和GPU架构快多达50倍，能耗则只有百分之一。Hala Point系统的形态是一个六机架的数据中心机箱，大小相当于一个微波炉，内置1152颗Loihi 2处理器，共有140544个神经形态处理内核、11.5亿个神经元、1280亿个突触，最大功耗仅为2600瓦。系统内还有2300多颗嵌入式x86处理器，用于辅助计算。内存带宽达16PB/s(16000TB/s)，内核间通信带宽达3.5PB/s(3500TB/s)，芯片间通信带宽达5TB/s，可以每秒处理超过380万亿次的8位突触运算、超过240万亿次的神经元运算。Hala Point在主流AI工作负载上的计算效率非常出色，比如运行传统深度神经网络时，每秒可完成多达2万万亿次运算(20PFlops)，8位运算的能效比达到了15TOPS/W(每瓦特15万亿次计算)，相当于甚至超过了基于GPU、CPU的架构。在用于仿生脉冲神经网络模型时，Hala Point能够以比人脑快20倍的实时速度，运行其全部11.5亿个神经元。尤其是在运行神经元数量较低的情况下，它的速度甚至可比人脑快200倍！早期研究结果表明，通过利用稀疏性高达10比1的稀疏连接和事件驱动的活动，Hala Point运行深度神经网络的能效比可高达15TOPS/W，同时无需对输入数据进行批处理。Hala Point系统有望推动多领域AI应用的实时持续学习，比如科学研究、工程、物流、智能城市基础设施管理、大语言模型、AI助手等等。 ... PC版： 手机版：

研究人员发现神经元能在我们说话前预测我们要说什么

研究人员发现神经元能在我们说话前预测我们要说什么 麻省总医院（MGH）的研究人员最近进行了一项研究，利用先进的大脑记录方法揭示了人脑中神经元的协作功能，从而使人们能够将自己的想法形成文字，并随后用语言表达出来。这些发现共同提供了一幅详细的地图，显示辅音和元音等语音如何在说话之前就在大脑中呈现，以及在语言生成过程中它们是如何串联在一起的。这项发表在《自然》（Nature）杂志上的研究揭示了大脑神经元对语言生成的影响，这将有助于改善对言语和语言障碍的理解和治疗。资深作者、麻省总医院和哈佛医学院神经外科副教授、医学博士齐夫-威廉姆斯（Ziv Williams）说："虽然说话通常看起来很容易，但我们的大脑在自然说话的过程中会执行许多复杂的认知步骤包括想出我们想说的话、计划发音动作以及发出我们想要的声音。我们的大脑以惊人的速度完成了这些壮举在自然语音中大约每秒三个单词，而且错误极少。然而，我们是如何精确地完成这一壮举的一直是个谜"。神经元记录技术的突破威廉姆斯和他的同事利用一种名为"神经像素"（Neuropixels）探针的尖端技术，记录了人脑前额叶皮层单个神经元的活动。他们还发现，大脑中存在着专门负责说话和听力的独立神经元群。在人体中使用 Neuropixels 探头是 MGH 的首创。威廉姆斯说："这些探针非常了不起它们比人类头发丝的宽度还小，却拥有数百个通道，能够同时记录数十甚至数百个单个神经元的活动，因此，使用这些探针可以提供前所未有的新见解，让我们了解人类神经元是如何集体行动的，以及它们是如何共同产生语言等复杂的人类行为的。"威廉姆斯曾与麻省总医院和哈佛医学院神经学教授、医学博士悉尼-卡什（Sydney Cash）合作开发这些记录技术，后者也是这项研究的负责人。解码语音要素这项研究显示了大脑中的神经元是如何代表构建口语词汇所涉及的一些最基本要素的从简单的语音（称为音素）到将其组合成更复杂的字符串（如音节）。例如，"狗"（dog）一词需要辅音"da"，它是通过舌头接触牙齿后面的硬腭产生的。通过记录单个神经元，研究人员发现，某些神经元会在这个音素被大声说出之前变得活跃。其他神经元则反映了构词过程中更复杂的方面，如将音素具体组合成音节。研究人员利用他们的技术表明，可以在个人发音之前可靠地确定他们会说的语音。换句话说，科学家可以在实际说话之前预测辅音和元音的组合。利用这种能力，可以制造出能够产生合成语音的人工假肢或脑机接口，这将使一系列病人受益。这项研究的共同作者阿尔琼-卡纳（Arjun Khanna）说："在多种神经系统疾病中都能观察到语音和语言网络的中断，包括中风、脑外伤、肿瘤、神经退行性疾病、神经发育障碍等等。我们希望更好地了解实现语音和语言的基本神经回路将为开发这些疾病的治疗方法铺平道路。"研究人员希望通过研究更复杂的语言过程来扩展他们的工作，从而研究人们如何选择他们想说的话，以及大脑如何将词语组合成句子，向他人传达个人的思想和情感等相关问题。编译来源：ScitechDaily ... PC版： 手机版：

【人脑细胞在培养皿中学会打游戏，比AI学习速度快18倍还省电】科学家对外把它们叫做盘中大脑 (DishBrain)，正式论文里描

【人脑细胞在培养皿中学会打游戏，比AI学习速度快18倍还省电】科学家对外把它们叫做盘中大脑 (DishBrain)，正式论文里描述为体外神经网络 (In vitro neural networks)。这项研究来自澳大利亚初创公司Cortical Labs，他们的目标是把活体生物神经元与传统硅集成电路结合在一起，创造出芯片新物种。 #抽屉IT

果蝇肌肉的详细线路图揭示了意想不到的复杂性

果蝇肌肉的详细线路图揭示了意想不到的复杂性 研究人员说，果蝇看似简单，但它们的运动系统却包含了"意想不到的复杂程度"。科学家们观察到："一个典型的苍蝇运动神经元接受来自数百个突触前运动神经元的数千个突触。这一数字与啮齿类动物大脑皮层锥体细胞的突触整合规模相当"。控制果蝇腿部和翅膀肌肉的运动神经元解剖重建图。图片来源：Tyler Sloan/Quorometrix Studio发表在《自然》科学杂志上的两篇新论文揭示了这一领域的最新发现，加深了我们对动物中枢神经系统如何协调单个肌肉以促进各种行为的理解。雌果蝇起飞和飞行所涉及的各种神经系统结构的解剖重建动画。果蝇用腿进行跳跃、行走、梳理、打斗和求偶等多种活动。它们还能调整步态，在室内植物、墙壁、潮湿表面、天花板甚至昆虫级跑步机等地形中穿行。从使苍蝇能够保持稳定位置的姿势反射，到穿越障碍物或改变飞行方向，所有这些动作都源自运动神经元的电信号。这些信号通过运动神经元的线状突起来刺激肌肉。研究人员指出，果蝇的六条腿仅由 60 到 70 个运动神经元管理。他们指出，在猫体内，约有 600 个运动神经元为一块小腿肌肉提供动力。只有 29 个运动神经元控制着果蝇翅膀的动力肌和转向肌。相比之下，蜂鸟的胸肌由 2000 个运动神经元提供。虽然苍蝇的运动神经元很少，但它在空中和陆地上的表现却非常出色。雌果蝇腹侧神经索的解剖重建图。图片来源：Tyler Sloan/Quorometrix Studio科学家们解释说，运动单元由单个运动神经元和它所能激发的肌肉纤维组成。不同的运动单元以不同的组合和顺序被激活，协同实现无数的运动行为。参与这两项研究的科学家对前运动电路的布线逻辑很感兴趣。他们希望了解苍蝇的神经系统是如何协调运动单元来完成各种任务的。其中一项研究采用了自动化工具、机器学习、细胞类型注释和电子显微镜技术，在一只雌果蝇的腹侧神经索中识别出了14600个神经元细胞体和大约4500万个突触（信号传递连接点）。果蝇的腹侧神经索类似于脊椎动物的脊髓。科学家们随后应用深度学习，自动重建了整个雌果蝇的神经元解剖结构及其连接。研究人员使用复杂的方法绘制了腿部和翅膀运动神经元所针对的肌肉图谱。他们确定了雌性成体神经线连接组中哪些运动神经元与前腿和翅膀的各个肌肉相连。在此基础上，他们绘制了一张图谱，显示了在起飞和飞行运动启动过程中协调苍蝇腿部和翅膀运动的回路。为了腾空而起，苍蝇的中腿伸直以便跳跃，前腿弯曲以便起飞。这大致就像滑行中的客机在离开地面后缩回轮子，或者涉水的苍鹭在冲向天空时收起细长的腿，使其不碍事。科学家们还发现，成年苍蝇的一些肌肉纤维由多个运动神经元支配。这种情况也出现在果蝇和蝗虫的幼虫阶段。虽然一些哺乳动物在刚出生时有多个神经纤维支配，但这些神经纤维通常在成年后就会消失。多重神经支配可能会提供更大的灵活性，并解释为什么昆虫的运动神经元如此之少，四肢却能精确运作。科学家们还研究了苍蝇的翅膀运动系统，该系统按功能大致分为三个部分：为翅膀拍打提供动力、引导昆虫和调整翅膀运动。通过对前运动神经元连接性的研究，研究人员对两种肢体的前运动回路组织进行了比较。果蝇的腿和翅膀各有不同的进化和生物力学。连接组使科学家们能够就神经回路的功能提出新的理论，并揭穿一些错误的观念。科学家们提到，最近开发果蝇神经连接组的群体努力，首次为任何有肢动物绘制了突触级布线图。他们希望更多的连接组将使研究人员能够比较不同个体的神经布线。预计重建的雄性果蝇中枢神经索可能会揭示性别之间的差异。编译自/ScitechDaily ... PC版： 手机版：

研究表明从果蝇、小鼠到人类 大脑结构都遵循普遍规律

研究表明从果蝇、小鼠到人类 大脑结构都遵循普遍规律 当磁体被加热时，会达到一个临界点，在此点上磁体会失去磁性，这就是所谓的"临界点"。当物理物体发生相变时，就会达到这个高度复杂的临界点。最近，美国西北大学的研究人员发现，大脑的结构特征也处于一个类似的临界点附近处于或接近结构相变期。这些结果在人类、小鼠和果蝇的大脑中都是一致的，这表明这一发现可能具有普遍性。虽然目前还不清楚大脑结构正在哪个阶段之间过渡，但这些发现可以为大脑复杂性的计算模型提供新的设计。他们的研究成果发表在《通信物理学》上。人类大脑皮层数据集中一小块区域内部分神经元的三维重建。图片来源：哈佛大学/Google大脑结构和计算模型资深作者、西北大学物理学和天文学助理教授伊什特万-科瓦奇（István Kovács）说："人类大脑是已知最复杂的系统之一，其结构细节的许多特性尚不清楚。其他一些研究人员已经从神经元动力学的角度研究了大脑临界性。但我们正在研究结构层面的临界性，以便最终理解它如何支撑大脑动态的复杂性。这一直是我们思考大脑复杂性的一个缺失。在计算机中，任何软件都可以在相同的硬件上运行，而在大脑中，动态和硬件密切相关。"人类大脑皮层数据集中一小块区域内部分神经元的三维重建。图片来源：哈佛大学/Google第一作者海伦-安塞尔（Helen Ansell）是埃默里大学的塔布顿研究员，研究期间在科瓦奇的实验室担任博士后研究员。他说："冰融化成水就是一个日常例子。这仍然是水分子，但它们正在经历从固态到液态的转变。我们当然不是说大脑已经接近融化。事实上，我们没有办法知道大脑会在哪两个阶段之间过渡。因为如果它处于临界点的任何一边，它就不是大脑了。"将统计物理学应用于神经科学尽管研究人员长期以来一直在使用功能磁共振成像（fMRI）和脑电图（EEG）研究大脑动态，但神经科学的进步直到最近才提供了大脑细胞结构的大量数据集。这些数据为科瓦奇和他的团队提供了应用统计物理技术测量神经元物理结构的可能性。使用在线 neuroglancer 平台查看的人类大脑皮层数据集中的部分神经元快照。图片来源：哈佛大学/Google识别大脑结构中的临界指数科瓦奇和安塞尔分析了来自人类、果蝇和小鼠的三维大脑重建的公开数据。通过以纳米级分辨率检查大脑，研究人员发现这些样本展示了与临界相关的物理特性的特征。其中一个特性就是众所周知的神经元分形结构。当一个系统接近相变时，就会出现一组被称为"临界指数"的观测指标，而这种非微观的分形维度就是其中的一个例子。脑细胞在不同尺度上呈分形统计模式排列。放大后，分形形状具有"自相似性"，即样本的较小部分与整个样本相似。观察到的各种神经元片段的大小也各不相同，这提供了另一条线索。科瓦奇认为，自相似性、长程相关性和广泛的大小分布都是临界状态的特征，在这种状态下，特征既不会太有组织，也不会太随机。这些观察结果产生了一组临界指数，用于描述这些结构特征。科瓦奇说："我们在物理学的所有临界系统中都能看到这些现象。大脑似乎在两个阶段之间保持着微妙的平衡。"来自果蝇、小鼠和人类数据集的单个神经元重建示例。资料来源：美国西北大学不同物种的普遍临界性科瓦奇和安塞尔惊奇地发现，他们研究的所有大脑样本来自人类、小鼠和果蝇在不同生物体间具有一致的临界指数，这意味着它们具有相同的临界定量特征。生物体之间潜在的、兼容的结构暗示着一种普遍的管理原则可能在起作用。他们的新发现可能有助于解释为什么不同生物的大脑具有一些相同的基本原理。安塞尔说："最初，这些结构看起来很不一样整个苍蝇大脑的大小与人类的一个小神经元差不多。但随后我们发现，新出现的特性惊人地相似。""在生物体之间差异很大的许多特征中，我们依靠统计物理学的建议来检查哪些测量指标具有潜在的普遍性，例如临界指数。事实上，这些指标在不同生物体之间是一致的，"科瓦奇说。"作为临界性的一个更深层次的标志，所获得的临界指数并不是独立的根据统计物理学的规定，我们可以从任意三个临界指数中计算出其余的临界指数。这一发现为建立简单的物理模型来捕捉大脑结构的统计模式开辟了道路。这种模型是大脑动态模型的有用输入，对人工神经网络架构也有启发意义"。今后，研究人员计划将他们的技术应用于新出现的数据集，包括更大的大脑部分和更多的生物体。他们的目标是找到这种普遍性是否仍然适用。编译自/scitechdaily ... PC版： 手机版：