脑类器官功能平台的建设方向
2026 年 9 月 29 日，Advanced Science 在线发表脑类器官方面的 Perspective。约翰斯·霍普金斯大学（Johns Hopkins University）与美国国家标准与技术研究院（National Institute of Standards and Technology，NIST）作者讨论工程、成像、计算与质量管理如何共同支持功能性平台的发展。
脑类器官能够呈现部分人类神经发育过程与细胞组成，已用于神经发育、精神和神经退行性疾病研究。药物相关用途还包括发育性神经毒性以及处理后网络活动的变化，这些任务需要结构之外的功能测量。
改善组织供养与建立内部血管网络
随着组织增大，氧和营养物质扩散受到限制，中心区域可能出现坏死。内皮细胞共培养可以补充血管相关成分，但形成的结构未必深入组织内部，也不一定具备完整血管的层级和灌流功能。
微流控、灌流反应器与生物制造提供另一条路径：通过受控流动改善供养，并使培养环境更容易调节。
作者指出，生物血管化可提供内皮信号和组织整合，但标准化及规模化仍较困难；工程灌流更便于控制物质输送，却还难以重现天然血管网络的完整结构与功能。
区域组合需要确认实际功能连接
单个区域的类器官难以呈现脑区之间的互动。组合类器官（assembloids）将不同神经区域或细胞谱系的模型联系起来，用于研究细胞迁移、突触形成与网络同步等过程。
现有组合策略包括连接多个脑区、整合不同细胞谱系、建立空间梯度和形成分层组织。融合效率、发育时序、各区域比例、轴突定向和网络同步仍难以在不同模型之间保持一致。
作者提出，下一步应在明确的脑区之间建立可重复的功能连接，并检验这些连接能否呈现相关的发育过程或疾病回路特征。
结构成像与活动测量互相补充
结构成像帮助观察空间组织和细胞位置。多光子等技术可以深入组织，但成熟后的组织密度与光散射仍会影响成像；无标记成像便于长期跟踪，却未必提供与特异性荧光标记相同的分子身份信息。
电生理记录则直接观察神经活动。平面微电极阵列（microelectrode arrays，MEAs）以及三维电极结构，为长期记录成熟、连接和药物反应提供不同选择。
钙成像可以显示网络活动随时间的变化，但指示剂动力学、光漂白、表达差异和运动伪影都会影响信号。将结构、钙活动与电生理对应，有助于说明同一模型的形态变化是否伴随功能变化。
围绕同一药物问题整合多模态数据
文章讨论机器学习用于图像分析、表型识别与质量预选，并进一步关注转录组、蛋白质组、结构和功能数据之间的整合。不同数据分别分析时，容易遗漏分子变化与组织功能之间的联系。
作者建议将分子、结构和功能数据配对分析，考察药物引起的分子变化是否伴随组织结构或神经回路功能的变化。分析还需处理批次效应及部分数据类型缺失的问题。
作者将共享表征和跨模态特征学习作为发展方向。文中部分组学整合例子来自其他类器官研究。
跨物种的数据整合是另一条方向：比较人源模型与已有动物资料中共同或不同的分子和功能特征。作者建议同步处理同源基因映射、发育阶段和细胞组成，避免把样本差异混入物种差异；最终仍需在明确用途下评价整合模型的预测表现。
关键质量属性、跨实验室比较与治理
细胞来源、培养过程和成熟速度的差异，会同时影响形态、组成与功能。作者提出围绕组织建立关键质量属性（critical quality attributes，CQAs），量化网络活动、成熟状态、代谢和力学等特征，并为具体用途设定可接受范围。生理相关参照材料、组织模拟物和可溯源测量，是建立这些范围的重要条件。
作者还建议建立透明的数据处理流程，让独立测量结果相互验证，并通过跨实验室比较检验模型的可重复性。
供者同意、隐私、样本归属与商业使用的相关要求，也会随应用场景变化。作者讨论动态或分层同意方式，让供者能够了解用途的变化，并提出需要明确商业开发中的归属和利益分享安排。
未来的复杂模型及与外部装置形成反馈的系统，还可能带来新的研究监管问题。文章同时说明，目前没有证据表明人脑类器官具备意识，相关伦理讨论针对技术继续发展后的可能情境。