神经机器人:能够发育出原始大脑的微型生物

科学
Neurobots: Tiny Organisms Grow Primitive Brains
塔夫茨大学和威斯研究所的研究人员利用青蛙细胞构建了活体“神经机器人”。这些机器人能够自发组织成简单的神经系统,并以意想不到的方式改变其运动行为和基因活性。

科学家创造新型生物:一项简明且具实践性的突破

2026年3月16日,Tufts University 和 Wyss Institute 的研究人员报告称,他们成功诱导活体细胞组件在微小的、具有自我修复能力的结构内部构建出原始神经系统。这项实验是早期利用非洲爪蟾(Xenopus laevis)细胞制造 Xenobots 研究的直接后续——通过刻意将神经前体细胞植入正在形成的组织球状体中。其结果是一种被团队称为 Neurobots 的全新全生物实体:这是一种寿命较短的活体结构,其中的神经元发育成熟,延伸出轴突和树突,表现出电活动,并改变了生物体的移动方式。

科学家创造新型生物:构建 Neurobots

Neurobots 的生产始于发育生物学中一种熟悉的技术:研究人员从早期青蛙胚胎中切取小细胞群,让它们自组装成通过协调表面纤毛游泳的球形具纤毛体。在组装过程的一个狭窄窗口期,团队将神经前体细胞簇——这些细胞已被解离,并通过定时诱导向神经元方向发育——插入到正在形成的球体中心。在接下来的几天里,这些前体细胞分化为神经元,在内部延伸出分支过程,并在某些情况下到达了具纤毛细胞的外层。

至关重要的一点是,Neurobots 未经基因工程改造。它们是由原生青蛙细胞组装而成的,并依靠细胞内在的发育程序进行组织。研究人员使用显微镜和免疫染色来识别轴突、树突和突触相关蛋白;利用钙成像来展示跨网络的电活动;并利用转录组测序来揭示基因表达的广泛变化。Neurobots 的寿命约为九到十天,由胚胎细胞中的卵黄小板维持生命,并在此期间能够自我修复轻微损伤。

科学家创造新型生物:原始神经系统的样貌

描述 Neurobots 的神经系统需要两个说明。首先,这里的“原始”是指结构和功能上的简单:这些网络由神经元组成,它们自组织成松散、多变的模式,而不是在经过数百万年进化的动物身上发现的那种高度精确的电路。其次,原始并不意味着无功能。植入的神经元发育出了标志性的神经特征——轴突和树突、突触标记以及自发性电活动——并形成了能够影响身体水平行为的小规模网络。

在显微镜下,没有两个 Neurobots 的布线是完全相同的。一些神经突触过程与具纤毛表面以及彼此之间建立了接触,钙成像揭示了该结构各区域之间松散协调的活动。当研究人员将 Neurobots 暴露于戊四氮(pentylenetetrazole,一种改变神经兴奋性的药物)时,它们的运动模式发生了变化,其方式与无神经的对照组不同。这种药理敏感性提供了强有力的证据,表明新生的神经系统在功能上与驱动运动的运动结构相耦合。

团队如何测试行为、基因和功能

研究人员结合了行为分析、药理学和分子图谱,建立了一个收敛的证据链,证明神经元既存在又活跃。运动追踪显示,Neurobots 往往比对照组长得更大、更细长,并在培养皿中表现出更复杂、重复的轨迹,而不是无神经 Xenobots 典型的简单圆形或停止运动。应用 GABA 阻断药物使 Neurobots 与对照组之间产生了群体水平的差异,暗示了神经信号参与了改变后的运动。

在分子层面,体量 RNA 测序发现 Neurobots 与对照组之间有数千个基因存在差异表达。不仅预期的神经基因被上调——离子通道、神经递质受体和突触机制——团队还观察到了与视觉感知和光转导相关的基因发生了令人惊讶的激活。这些结果具有启发性,但仍是初步的:感光相关基因的表达还不意味着功能性的眼睛或感光行为,研究人员强调,需要更长寿命的结构或蛋白质水平的分析来测试这种可能性。

与简单模型动物的比较以及“原始神经系统”在语境中的含义

将 Neurobots 与研究透彻的简单生物进行比较会有所帮助。Caenorhabditis elegans(秀丽隐杆线虫)是neuroscience中广泛使用的一种线虫,具有固定的、由基因决定的神经系统:302 个神经元,拥有几乎完全绘制出的连接组和可预测的行为。相比之下,Neurobots 包含的神经元是在进化从未塑造过的身体计划中自组织的。它们的网络不是由基因硬连线或定型的;它们是涌现的、多变的和探索性的。这使得 Neurobots 可用于探究在消除环境和进化约束时,哪些内在细胞规则统治着网络的形成。

这种变异性既具有科学趣致,也具有技术上的重要性。虽然 C. elegans 提供了可重复性和完整的接线图,但 Neurobots 提供了一个观察神经元布线灵活性以及简单网络如何从基本原理出发引导感觉运动耦合的窗口。比较这些系统的结果可以揭示神经系统的哪些特征需要进化调整,而哪些特征产生于更古老的细胞程序。

潜在应用与科学回报

这项研究主要是基础科学:近期目标是理解细胞用于自组织成功能性神经组织的规则。但这些发现指向了长期的可能性。如果研究人员能够了解神经元在新型语境中如何寻找目标并将感觉器官连接到效应器,那么这些知识可以为再生医学策略提供信息,用于损伤组织的重新神经化、设计带有神经的工程组织,或创建能够集成感测和驱动而无需硬质电子设备的活体传感器和生物混合设备。

技术上,团队设想利用光遗传学和更精细的分子工具,将神经活动与纤毛搏动和行为建立因果联系,并探索延长寿命或改变条件是否能让上调的感觉基因产生功能性蛋白质。然而,将这些基础见解转化为医疗疗法需要多年的工作、额外的安全性测试,以及从微小、短寿的结构到临床相关组织的谨慎规模化。

伦理、生物安全与监管

构建新型活体实体的研究不可避免地会引发伦理和生物安全问题。此处报告的 Neurobots 是由青蛙细胞制成的短寿、非繁殖性组件,且是在未经基因修饰的情况下生产的。尽管如此,具有电活性的神经网络的出现以及与感觉系统相关的基因激活,意味着研究人员、资助者和监管机构必须重新评估组织工程实验的监管框架。

关键问题包括双重用途(结果如何被误用)、如果结构获得更复杂的神经功能时的福利或道德地位、遏制和环境释放风险,以及透明度和审查标准。作者和机构强调,这项工作是在既定的实验室生物安全规范下进行的,且这些结构在受控环境之外无法生存或繁殖。尽管如此,该领域在某些方面的发展速度超过了现有的治理,许多科学家呼吁随着这些平台的发展,开展包括伦理学家、生物安全专家和公众参与在内的跨学科监管。

团队的下一步工作是经验性和程序性的:复制结果、利用因果工具探测机制、测试光线或其他刺激是否能改变行为,并与机构审查结构合作以确保负责任的发展。这些实验提醒我们,发育生物学的基础发现可以创造出新型的生物系统,这既需要科学好奇心,也需要谨慎的管理。

来源

  • Advanced Science(关于 Neurobots 的研究论文)
  • Tufts University(Allen Discovery Center / Tufts Now 报道)
  • Wyss Institute (Harvard) 研究资料
James Lawson

James Lawson

Investigative science and tech reporter focusing on AI, space industry and quantum breakthroughs

University College London (UCL) • United Kingdom

Readers

Readers Questions Answered

Q “原始神经系统”在这些新创造的生物体背景下意味着什么?
A “原始神经系统”是指神经组织的早期进化形式,例如在原生动物、刺胞动物和无腔动物中观察到的利用化学信号进行运动和感知的神经网或感觉细胞。这些系统早于复杂的结构(如神经索或大脑),通过简单的感觉-运动回路或单神经元反射弧发挥作用。在神经机器人(neurobots)的背景下,它可能指模仿这些基本神经前体以实现协调行为的人造微型生物。
Q 科学家是如何创造出具有原始神经系统的新型生物的?
A 搜索结果并未具体说明科学家创造文章中所述新型生物的确切方法。根据常识,这可能涉及合成生物学、基因工程,或者将单细胞真核生物的神经前体组装成具有神经网的多细胞结构。由于缺乏文章中的直接细节,具体过程尚不清楚。
Q 工程化具有神经系统的生物体可能会产生哪些潜在应用?
A 工程化具有神经系统的生物体可以应用于类脑计算、仿生机器人或用于模拟神经系统疾病的医学研究。由于这些神经机器人具有集成的感官-运动能力,它们可以执行环境感测、药物递送或组织修复等任务。潜在用途还扩展到研究神经进化和开发生物传感器。
Q 创造具有神经系统的生物体的研究伴随着哪些伦理或生物安全担忧?
A 主要担忧包括:如果这些生物体逃出封闭环境,可能会产生意外的生态影响;如果神经系统赋予了感知能力,则存在潜在的痛苦风险;以及生物武器的双重用途风险。生物安全协议对于防止扩散至关重要,而伦理辩论则集中在创造具有神经能力的生命形式上。需要监管监督来平衡创新与风险。
Q 这种生物的原始神经系统与秀丽隐杆线虫(C. elegans)等简单模型生物相比如何?
A 秀丽隐杆线虫拥有更高级的神经系统,具有302个神经元、一个神经环“大脑”和腹神经索,能够实现运动和学习等复杂行为。神经机器人的原始系统可能更类似于原生动物或刺胞动物中更简单的神经网或感觉回路,缺乏集中的神经节。因此,与秀丽隐杆线虫相比,它的组织性较差且功能更为基础。

Have a question about this article?

Questions are reviewed before publishing. We'll answer the best ones!

Comments

No comments yet. Be the first!