轉載從: Tech News 科技新報
可能有些人會覺得，磁驅動微型機器人不稀罕了，甚至有點平平無奇。
這是一個受磁場驅動的微型機器人，它正朝著目標跳動。
恆定磁場下，它還能表演轉圈圈。
但是這款機器人可不普通，它有神經元，能透過體外方式在神經簇之間形成並操縱神經網路。因此，為大腦功能和相關疾病的研究有了新突破。
為何構建「體外神經網路」？
這款機器人由南韓腦研究所和南韓大邱慶北科學技術院（DGIST）下屬的機器人工程系、DGIST-ETH 微型機器人研究中心、腦與認知科學系共同研發。
2020 年 9 月 25 日，團隊論文正式發表於頂尖學術期刊《科學》子刊《科學進展》（Science Advances），題為 A magnetically actuated microrobot for targeted neural cell delivery and selective connection of neural networks（一種用於定向神經細胞傳遞和神經網路選擇性連接的磁驅動微型機器人）。
一直以來，腦科學研究者都在嘗試，希望更深入理解大腦學習、記憶、運動、感覺處理和決策等功能，而大腦這些功能都離不開神經連接。
要研究神經研究，科學家提出透過化學和電生理分析腦功能的「體外神經網路」研究法。
為什麼要在體外研究，甚至操縱神經網路？
原因在於，這種方法可以在盡可能降低外部影響的前提下，在大腦目標位置進行精確、有選擇性的神經連接，測量神經活動、確定神經元的交流方式，當然也可以幫助理解受傷或功能出現障礙的神經元軸突再增長。
微米級磁驅動機器人
那麼，體外神經網路要如何連接呢？
為了形成並控制細胞神經突生長的模式，各國科學家都曾嘗試化學、物理、機械方式，而南韓腦研究所和南韓大邱慶北科學技術院（DGIST）科學家思路則是設計機器人。
已有研究成果表明，由磁驅動的球形、螺旋狀和毛刺狀多孔球形微型機器人可在體內或體外傳遞標靶細胞。
但南韓研究團隊表示：
之前的研究主要集中製造各種外形的微型機器人，並在外部電源下將細胞安裝到微機器人。據我們所知，還沒有科學團隊報導過利用微型機器人調節神經突排列和神經連接的研究。
因此，他們設計一種載有神經元的 3D 磁驅動微型機器人，可透過外部磁場將神經網路精確傳送到兩個神經簇之間的間隙處，再選擇性地連接神經網路。同時，細胞外動作電位透過微型機器人載有的神經元，從一個神經簇傳送到另一個神經簇。
據論文介紹：
我們設計的機器人有可重現、可選擇和精確連接的優勢。
（Source：Science Advances，下同）
上圖 A 展示的是兩個神經簇之間的神經網路主動構建，過程主要依賴內建於機器人的一片高密度多級陣列晶片，這種晶片可測量到軸突信號傳輸。
上圖 B 主要展示微型機器人的具體尺寸──高 27μm、寬 5μm、深 2μm。
可看到機器人頂部有一凹槽，側面還有翻轉指示。
C 部分展示利用基於雙光子聚合（TPP）的三維雷射光刻技術和沉積鎳（Ni，用於磁性）層、二氧化鈦（TiO2，用於生物相容性）層製備機器人的過程。
D 部分則是機器人的掃描電子顯微鏡圖像，可見這種機器人是微米級大小。
機器人培養神經元
機器人設計好了，下一步就要開始嘗試培養神經元了。
實驗中：
- 實驗組：機器人凹槽小鼠顱腦神經細胞的神經突增長。
- 對照組：玻璃基質（也就是平面）小鼠顱腦神經細胞的神經突增長。
科學家利用免疫螢光圖像展示兩組神經元突起數量變化。
結果顯示：
- 實驗組（機器人）：細胞高度約 40μm。
- 對照組（玻璃基質）：只觀察到少量細胞。神經突厚度約為 2~5μm，神經元胞體厚度約為 10~20μm。
也就是說，與對照組相比，利用機器人可成功培養出神經元，對存活率沒有顯著影響的情況下神經突也得以增長。
研究團隊表示：
微型機器人有在 2 週內運輸、培養神經元及以所需方向引導、連接神經突生長的潛力。
體外神經網路新突破
在神經元培養的基礎上，這款微型機器人打造出神經網路，是透過在神經簇陣列對機器人施加磁場影響做到的。
科學家的設計是，透過 8 個電磁線圈半球的線性疊加及頂部的電荷耦合裝置（CCD）相機，產生強度為 20mT 和 1.2Hz 磁場。
下圖中，白色虛線框表示神經網路，紅色虛線框表示機器人的目標點。
想做到神經網路主動連接，關鍵就是將機器人身上的培養神經元精確傳遞和定位到指定位置。雖然附著機器人的細胞增加額外重量，可能會影響機器人前進，但科學家藉助磁場做到精確控制──精度在幾十 μm 等級（誤差範圍約 10%）。
如上圖所示，神經元 10 秒內到達目標位置，並在 1 分鐘內精確對齊連接網路所需的神經簇。
不僅如此，科學家們還經過測定顯示：微型機器人的運作並不會影響細胞活力。
至此，利用微型機器人培養神經元、形成物理和功能性神經網路連接成為可能。就未來的發展方向而言，研究團隊表示：
希望我們的研究成果為先進的人工神經網路可控體外模型創造了新突破，我們也正在利用各種微型機器人建立複雜多樣的連接，希望增進人們對神經網路的理解。
延伸閱讀：