《Advanced Materials Technologies》：Organoids as Building Blocks for Adaptive and Resilient Biohybrid Robots
编辑推荐：
生物混合机器人将工程化活体组织与合成材料相结合，已成为一类有前景的软体机器人系统，能够模拟生物降解性、能量效率和柔性运动等生物功能。通过整合生物与合成组件，这些系统利用互补特性执行包括运动和任务执行在内的关键机器人功能。尽管进展迅速，但仍存在重要局限性，其中许
生物混合机器人将工程化活体组织与合成材料相结合，已成为一类有前景的软体机器人系统，能够模拟生物降解性、能量效率和柔性运动等生物功能。通过整合生物与合成组件，这些系统利用互补特性执行包括运动和任务执行在内的关键机器人功能。尽管进展迅速，但仍存在重要局限性，其中许多源于生物组件本身，包括寿命有限、自适应行为不足以及控制方面的挑战。在本综述中，研究人员提出将类器官作为生物混合机器人的先进生物构建模块，并基于类器官工程、成熟化和功能发育的最新进展审视其潜力。研究人员总结了与机器人集成相关的类器官工程最新进展，并讨论了类器官与电子及控制系统接口的策略。同时探讨了关键的技术和概念挑战，包括信号接口、长期存活率、可重复性，以及类器官研究的这些方面如何惠及生物混合系统。通过整合干细胞生物学、材料科学和机器人学的进展，本综述审视了类器官如何超越其作为体外模型的既定角色，可能为新一代自适应、弹性且生物集成的机器做出贡献。
1 引言
通过进化历程，生物材料发展出了对机器人极具吸引力的特性，包括柔韧性、环境适应性和低功耗。生物混合机器人将工程化活体组织与合成材料结合，已成为一类有前景的软体机器人，能够模拟栩栩如生的运动、能效和自适应行为等生物功能。早期工作在生物致动器方面取得了成功，例如用于力产生和运动的工程化肌肉组织。在此基础上，近期系统实现了更高的功能复杂度，整合了本体感觉、反馈和自适应控制能力。然而，显著的限制依然存在，许多源于生物组件本身，包括变异性、有限的寿命以及在可重复性和控制方面的挑战。信号稳定性、双向通信和长期功能集成仍制约着可扩展性和鲁棒性。干细胞生物学的最新进展为工程化功能性生物组件创造了新机遇。由多能干细胞（PSCs）或成体干细胞（ASCs）衍生的类器官经历与天然组织发育平行的分化路径，并表现出高度的自组织能力。与其他工程化组织构建物相比，类器官因其能够重现天然器官的关键结构、生理和功能特征而脱颖而出。尽管类器官尚未被广泛转化到生物混合机器人系统中，但其作为实验平台的快速成熟凸显了其在此类应用中的潜力。最初作为人类发育、疾病和药物发现的体外模型，类器官已演变为日益可重复且部分可控的生物构建物。这些应用展示了与生物混合机器人直接相关的若干特性，包括多细胞复杂性、可塑性、对外部刺激的响应性以及长期存活率。同时，利用类器官作为下一代生物混合机器的构建块引发了与接口、控制和功能集成相关的重要考量。
2 生物混合机器人的现状与挑战
生物混合机器人领域在过去十年中迅速发展，将活的生物组件与工程化系统集成，以实现新颖的感知、致动和控制形式。首个范例以心肌细胞驱动的致动器为代表，如水母状机器人和鳐鱼状游泳器。随后出现了首个骨骼肌步行器，展示了定向控制和机械顺应性的概念。随着研究力度加大，首个多致动器实例出现，装备了受控排列的骨骼肌束，以进一步调节运动精度和执行任务。在控制方法上的突破，包括光遗传学技术和磁场策略，使非系留生物混合系统成为可能。神经元控制也被提出，涉及可与肌肉组织共培养的运动神经元，以产生具有自主控制能力的神经肌肉模块。然而，当前生物混合系统寿命较短，功能常在数天内迅速衰退。限制寿命的因素之一是工程化组织构建物内营养扩散不足和代谢副产物积累。另一个影响工程化组织长期稳定性的因素是结构稳定性。在生物系统中，结构稳定性常通过支持性细胞类型增强，而这些细胞在生物混合系统中大多缺失。早期生物混合研究主要集中于致动和控制，感知方面仍较少探索。在控制方法上，目前严重依赖外部系留和刺激系统。对于生物混合系统而言，一个重大挑战是标准化的缺失。
3 用于生物混合机器人的类器官
3.1 类器官相对于平面组织的优势
类器官是一种自组织的三维（3D）组织，模仿生物器官的结构和功能。与由单一细胞类型组成的球形体不同，类器官展现出肌肉收缩、信号传导和感知等组织特性。类器官通常源自多能干细胞（PSCs）或组织来源的成体干细胞（ASCs）。可采用无支架和支架技术生产类器官。类器官的三维（3D）结构和自组织对其寿命和结构稳定性有直接影响。相比之下，二维（2D）工程化组织中，由于生物组织与合成组件之间的弱生物-机械耦合，常发生短寿命和结构失效。类器官则能发育自身的细胞外基质（ECM），提供强度、弹性和长期发育所需的线索。多能干细胞（PSCs）自组织成包含主要活性细胞和支持性群体的功能分区。支持细胞在代谢功能中至关重要，能调节类器官局部微环境。内皮样细胞能在类器官内形成微血管网络，改善营养和扩散。类器官为生物混合系统提供了改进感知的途径，因为它们内在生成感觉细胞类型。类器官中发育的神经元网络可以在组织内部本地处理信号，结合内外线索。由于类器官相较于二维（2D）培养具有显著优势，其在机器人学中的应用提供了独特的三维（3D）架构和组织样功能，从而实现更接近生物有机体的感知、致动和控制能力。
3.2 类器官作为生物混合机器人的功能模块
尽管类器官在生物混合机器人学中前景广阔，但直接将其集成到机器人系统中尚未得到验证，这突显了类器官工程进展与其机器人应用之间的显著研究空白。
3.2.1 肌肉类器官
肌肉类器官代表了一类最有前景的致动生物平台。它们源自中胚层祖细胞，重现肌肉发育和功能的各个方面。心脏类器官强调收缩功能和复杂组织结构形成，而骨骼肌类器官则聚焦于肌生成和力产生。三维（3D）结构允许细胞间和细胞-基质相互作用，紧密模拟体内组织，促进功能成熟。研究表明，肌肉类器官能适应重复刺激，显示出增强的肌纤维排列和收缩力。此外，肌肉类器官具备自我修复能力。
3.2.2 神经肌肉类器官
神经肌肉类器官（NMOs）在一个自组织单元内整合了神经和肌肉组织。这使得它们在生物混合机器人学中特别引人注目，因为它们有潜力在单个类器官单元内整合神经控制和肌肉致动。在神经肌肉类器官（NMOs）中，运动输出源自内在神经元动力学，而非外部编程的控制信号。从接口角度看，运动神经元的光遗传学刺激可实现时空精确激活。微电极阵列（MEAs）则能实现双向电接口。虽然神经肌肉类器官（NMOs）的低复杂性使其适合与工程化支架和设备集成，但它们缺乏承重组件。引入增强颗粒和血管化是强化神经肌肉类器官（NMOs）的方法。
3.2.3 神经类器官概述
神经类器官重现神经组织的形态和功能特征。在生物混合机器人学中，它们有潜力充当生物控制器、感觉和传输单元。神经类器官源自多能干细胞（PSCs），通过分化为外胚层。中枢神经系统类器官起源于神经外胚层，外周神经系统类器官源自神经嵴谱系。脑或大脑类器官是研究最广泛的。引导和非引导分化策略均可采用。神经类器官需要兴奋性、抑制性和区域特异性神经元及胶质细胞的组合。
3.2.4 神经类器官-皮质类器官
皮质类器官因其分层结构、丰富的网络动力学和可塑性，特别适合生物混合机器人学，提供了一个能够进行自适应、高阶控制的生物计算单元。皮质类器官可通过电、光或化学方式接口。近期在血管化皮质类器官方面的进展改善了营养输送和神经元成熟。类器官单元可以组合形成功能连接的模块化神经网络。虽然缺乏类器官驱动机器人控制的直接演示，但这些进展暗示了类器官作为自适应控制器的功能。类器官已被证明表现出突触可塑性和自适应网络响应。
3.2.5 神经类器官-中脑和海马类器官
海马和中脑类器官提供记忆和调节反馈等补充功能。海马类器官展现功能性突触和循环网络活动，为原始记忆和模式保持提供基础。中脑类器官因其通过外部线索调节神经活动的能力而备受关注。中脑类器官的血管化对于化学线索在整个类器官中的分布至关重要。
3.2.6 神经类器官-脊髓类器官
脊髓类器官与信号传输特性相关，包括快速兴奋性和抑制性信号及运动神经元输出。脊髓组装体作为神经回路的生理相关模型越来越受欢迎。结合区域特异性类器官可以复制涉及大脑、脊髓和目标组织（如肌肉）的神经网络。
3.2.7 感觉类器官
感觉类器官超越了神经类器官在建模发育方面的作用，能够重现环境刺激检测和转导。视网膜类器官包含视杆细胞和视锥细胞，作为主要的光检测细胞。除了感光细胞，双极细胞、无长突细胞、水平细胞和视网膜神经节细胞形成分层中间神经元网络。
