動物實驗何時能被取代？帶著這一問題，科學家們嘗試了很多替代動物實驗的方案，比如開發新算法、三維體外模型、利用魚胚胎（魚胚胎不屬於動物）進行毒性測試甚至是採用頗具爭議的人體實驗。

實際上，美國勞倫斯利弗莫爾國家實驗室（Lawrence Livermore National Laboratory，LLNL）也做了一項努力——開發一款3D 芯片大腦（brain-on-a-chip），捕獲體外培養活體腦細胞的神經活動。不僅如此，他們還在這款三維芯片大腦基礎上建模，方便對體外腦芯片上形成的神經元網絡進行分析。

很明顯，這是替代動物實驗的一個好方法，研究人員也表示：體外模擬人腦實現了重大進展。

三維芯片大腦

2020 年初，勞倫斯利弗莫爾國家實驗室的研究成果發表於專注於生物技術、微量化學、納米技術的學術期刊Lab on a chip 上，論文題為A flexible 3-dimensional microelectrode array for in vitro brain models （一種用於體外腦模型的柔性三維微電極陣列）。

為什麼是三維，不是二維？

目前而言，神經動作電位的電生理記錄一般要通過二維微電極陣列（multi-electrode array，MEA），這是一種既常見又可信的評估神經功能、網絡通信、生化製劑反應的方法。相比之下，三維體外神經元網絡用於測量電生理活動的情況較少。

不過，“三維體外模型”是一種研究細胞-細胞、細胞-細胞外基質相互作用的系統。想研究這之間的相互作用，就要利用組織環境中的空間、機械、化學線索，而這在傳統的二維模型中是行不通的。

可以說，三維模型是超越二維芯片腦平台的重要一步，因為在三維模型中，科學家們能夠更為全面地複制人腦的生理功能，也能更好地了解大腦的功能和那些對大腦產生刺激等影響的化學物質。

三維柔性微電極陣列

基於此，研究團隊開發了一種三維芯片大腦（brain-on-a-chip），即一種三維柔性微電極陣列（3DMEA），旨在實現性能、便捷性以及與現有商業電生理儀器的兼容性。

3DMEA 可容納256 通道的記錄或刺激，記錄動作電位峰值和脈衝活動的時間至少達到45 天，支持數十萬人類神經元生長。3DMEA 包含三組陣列，每個陣列中有80 個電極分佈在10 個柔性聚合物探針上，研究人員一次可進行三個獨立實驗，同時監視不同位置的神經活動。

3DMEA 大致的製作過程是：在玻璃基板上精密加工聚酰亞胺（Polyimide，綜合性能最佳的有機高分子材料之一）探針陣列，先利用機械驅動的方式將陣列整體提升到垂直位置，再依靠座鉸的塑性變形保持垂直對齊。

【確保快速致動陣列探針的裝置】

無創監測神經元電生理活性

為證明3DMEA 的實用性，研究人員將由人誘導多能幹細胞（hiPSC）衍生的神經元和星形膠質細胞（astrocytes）作為培養物包裹在基於膠原的水凝膠中，並接種到3DMEA 上，使懸浮細胞在基質中得到培養。

大約2 週後，神經元網絡生長並成熟，研究人員能夠以半小時為增量，記錄3DMEA 中細胞的電生理活性，為每個細胞創建獨一無二的高分辨率電極位置圖。

不難看出，3DMEA 平台創建的意義在於無創監測人類三維神經元培養物的電生理活性。研究人員表示：

從3DMEA 獲得的數據可以為科學研究提供信息。在不需要動物模型的情況下，可為暴露於化學生物製劑、模擬疾病感染、評估環境毒性或研發藥物的研究人員制定對策。同時，我們致力於在3DMEA 上複製人體系統，希望未來研發的設備更適用於人類，甚至取代動物測試。

創建時間隨機塊模型

幾個月後，在3DMEA 的基礎之上，勞倫斯利弗莫爾國家實驗室的科學家們又開發了一種對在3DMEA 上逐漸生長、成熟的神經元群落的活動和結構建模的方法，旨在幫助廣大科研人員攻克影響大腦的毒素或疾病（如癲癇病）。

簡單來講，研究團隊開發了一種統計模型，專用於分析在體外腦芯片上植入的腦細胞形成的神經元網絡。

其實現過程為：首先通過3DMEA 捕獲、收集神經元網絡在交流時產​​生的電信號，然後將數據作為教學工具，將圖論中標準的隨機塊模型（SBM，複雜網絡群體結構建模的重要工具）與一個包含機器學習組件的高斯過程（Gaussian Process, GP）概率模型相結合，時間隨機塊模型（T-SBM）得以創建。

相比以前的方法，T-SBM 的獨特之處就在於對神經元生長的時間動態建模。借助這一方法，研究人員可以了解神經群落的結構、進化方式以及在不同實驗條件下結構的變化方式。

T-SBM 已被用於三個數據集——培養複雜性、細胞外基質（ECM，生長在細胞表面的蛋白質）和來自大腦不同區域的神經元。

就拿第一個數據集的實驗結果來講，研究人員查看對比了：

• 僅包含神經元細胞的培養物的數據；以及
• 將神經元與其他類型腦細胞混合的培養物的數據。

研究人員發現，後者更接近真實的人腦數據。所以結論是：在包含其他細胞類型的環境中生成的神經元網絡更複雜，隨時間的推移它也會更加複雜。

實際上，這一結果也正是研究人員預測之中的，不難看出T-SBM 能夠準確地捕獲神經元網絡隨時間變化而產生的差異。

關於 LLNL

正如前文所述，3DMEA 平台和T-SBM 模型的設計出自美國勞倫斯利弗莫爾國家實驗室（LLNL）。

作為美國著名國家實驗室之一的LLNL 隸屬於美國能源部國家核安全局（NNSA），1952 年（冷戰白熱化階段）由諾獎得主、加州大學伯克利分校物理學教授Ernest Orlando Lawrence 和氫彈之父、理論物理學家Edward Teller 共同建立。

在LLNL 官網可以看到，其主要責任是研發包括核武器在內的美國國防科技，確保美國核力量的安全和可靠性。然而LLNL 的任務不限於此，從核擴散、恐怖主義到能源短缺、氣候變化等，都屬於 LLNL 的關注領域。

在 LLNL 眾多的科研碩果之中，最為出名的便是6 種化學元素（113-118 號）的發現。

2012 年，LLNL 還曾與IBM 宣布共同創辦名為Deep Computing Solutions 的公司，旨在為企業提供高性能的計算能力。