编辑推荐：
本研究提出了首个针对类器官计算的综合性基准测试框架。该框架将生物学指标、类器官-机器接口指标和电生理指标整合到资格评估标准中，建立了层级化评估体系，用于评价由刺激驱动的信息处理能力和计算就绪状态。该框架能够实现可重复、可比较的评估，从而加速类器官智能的发展。
本研究提出了首个针对类器官计算的综合性基准测试框架。该框架将生物学指标、类器官-机器接口指标和电生理指标整合到资格评估标准中，建立了层级化评估体系，用于评价由刺激驱动的信息处理能力和计算就绪状态。该框架能够实现可重复、可比较的评估，从而加速类器官智能的发展。
论文解读
研究背景与问题
人脑类器官是由人类干细胞衍生的三维体外培养神经组织，能够再现发育中人类神经系统的关键结构、细胞和功能特征。近年来，利用活体神经网络作为生物基质进行信息处理和计算输入输出任务的“类器官计算”引起了广泛关注。在此基础上，“类器官智能”（organoid intelligence, OI）代表了一个更广泛的范式，涵盖基于类器官的计算、学习、记忆、适应及其在人工智能和医学领域的应用。尽管已有研究展示了生物混合计算系统的可行性，如Brainoware平台利用人脑类器官与微电极阵列（microelectrode arrays, MEA）接口实现了储备池计算特性，并完成了语音识别等任务，但该领域仍处于早期阶段。由于类器官形态、成熟度、细胞组成和组织结构的差异，以及工程因素如类器官-设备耦合、记录质量、刺激方案和特征提取策略的不同，导致不同研究之间的计算性能难以比较。目前，缺乏被广泛接受的标准化评估标准来判断类器官是否具备计算资格、接口是否稳定、自发活动是否足够以及刺激诱发的响应是否支持可靠计算。这种标准化方法的缺失限制了研究的可重复性，阻碍了平台间的比较，并减缓了类器官智能技术的发展。为此，本研究发表于《Bioactive Materials》期刊，旨在建立一个基准测试框架，以实现对类器官计算系统的严格资格认定、促进客观比较并加速技术优化。
研究方法概述
研究人员开发了一套层级化的基准测试框架，覆盖四个领域：生物学表征、类器官-机器接口、功能性神经网络和刺激诱发计算。关键技术方法包括：利用活/死染色和免疫荧光染色评估类器官的生物学质量；通过纵向明场成像量化类器官与微电极阵列（MEA）的物理耦合、空间覆盖和时间稳定性；使用Axion BioSystems Maestro MEA系统进行电生理记录和分析自发神经活动及网络功能；通过施加电刺激并分析诱发响应，评估响应性、模式可分性和下游解码能力。研究中使用了H9人胚胎干细胞系（来源于WiCell研究所）分化生成的皮层类器官。
研究结果
2.1 层级化基准测试框架：研究人员将类器官计算视为输入-储备池-输出系统，建立了包含生物学表征、类器官-机器接口、功能性神经网络和刺激诱发计算四个领域的层级化基准框架。每个领域被转化为定义的资格指标和评分规则，只有当类器官-MEA系统在生物学上合格、具有电活动、接口稳定且能够进行输入依赖的信息处理时，才被视为计算就绪。
2.2 生物学资格门控：研究人员建立了生物学资格门控，包括四项准入标准：完整形态、高活性、确认的神经谱系和有组织的三维神经结构。通过对皮层类器官进行明场成像、活/死染色和免疫荧光染色，证实了符合条件的类器官具有紧凑的球状形态、高细胞活性、明确的神经元分化以及三维网络样结构。
2.3 类器官-机器接口资格认定：研究人员建立了基于图像的接口基准，量化了物理耦合、空间覆盖和时间稳定性三个领域。结果显示，良好耦合的接口表现出更明显的电极阵列接触、可检测的神经突延伸和随时间增加的扩展，而弱耦合接口则显示出有限的神经突生长。综合接口基准分数能够有效区分良好耦合与弱耦合的制备。
2.4 神经活动与网络功能资格认定：研究人员利用自发微电极阵列（MEA）记录，建立了包含神经活动和网络功能两个领域的电生理基准。合格的类器官展现出更高的平均发放率、更多的活跃电极、更强的爆发组织性和群体同步性。综合静息态基准分数能够清晰区分合格与不合格的类器官制备。
2.5 外部刺激下的类器官计算评估：研究人员建立了包含响应性、模式可分性和解码能力三个领域的刺激响应基准。与CNQX处理的阴性对照组相比，合格的类器官表现出更强的诱发响应强度、更广的响应电极招募、更高的响应可靠性、更强的模式分离能力和更高的解码准确率。综合刺激驱动计算基准分数能够有效区分合格与不合格的制备。
2.6 统计与报告考量：为确保可重复性，研究人员定义了独立实验单位为单个类器官-MEA制备，并建议至少来自三个独立分化批次的样品数量。所有基准特征均使用预定义的固定参考范围进行缩放评分，而非批次特定的归一化，以确保跨制备和批次的可比性。框架采用层级化结构，上游层是下游评估的先决条件。
2.7 任务级验证：研究人员使用通过了所有基准资格的类器官-MEA制备，执行了一项空间输入模式分类任务。结果显示，类器官对左右两种空间电刺激模式的响应可以被训练的解码器以高准确率分类，显著高于对照水平，并与数字储备池计算参考相当，证明了基准框架的有效性。
2.8 顺序分类任务与刺激伪迹去除：研究人员进一步设计了简化的三元音识别任务，验证类器官处理时间结构化输入的能力。结果表明，在去除刺激伪迹后，类器官组的解码准确率显著高于微电极阵列（MEA）单独、标签随机化和河豚毒素处理的对照组，证明解码性能主要源于类器官网络的真实神经响应。
讨论与结论
讨论总结：该基准测试框架通过整合多模态表型分析和电生理评估，系统地量化了类器官计算系统的关键性能决定因素。该框架不仅适用于类器官-MEA系统，还可适配其他电响应生物系统和不同的输入输出配置。未来可扩展至长期可塑性、学习和记忆相关的网络动态，以及疾病特异性表型的评估。局限性在于平面MEA主要采样表面活动，无法完全捕捉内部三维网络活动；外部参数和内在生物学变量可能影响基准分数。因此，当前的特征权重和通过阈值需要在更大的多批次、多平台和多实验室数据集中进一步验证。
研究结论翻译：研究人员提出一个基准测试框架，以系统性地量化类器官计算系统的关键性能决定因素。通过整合多模态表型分析和电生理评估，该框架根据一系列生物学和功能标准定义了基准就绪的类器官基质，包括结构完整性、细胞活力、细胞身份、神经成熟度和基线网络活动。除了生物学资格认定，研究人员建立了一系列定量指标来评估类器官-机器接口和内在神经动力学，涵盖物理耦合、空间覆盖、时间稳定性、自发神经活动、网络级组织和神经同步。研究人员进一步将该框架扩展到刺激诱导的计算，引入了评估诱发响应性、输入依赖判别和下游解码能力的层级化评估策略。结合标准化评分规则、信息编码标准、阴性对照分析和统计报告考量，该框架为评估类器官-MEA制备是否适合可重复的计算相关分析提供了结构化基础。研究人员预期这一基准策略将有助于提高类器官计算研究的可比性、可解释性和可重复性，并支持类器官智能作为一项实验和转化技术的更广泛应用。
