1.成果名称及简介

（1）成果名称：一种基于微电极阵列和脑类器官的认知功能体外模拟方法及其用途

（2）成果关键词：脑类器官，认知功能模拟，类脑智能，人工智能，中枢神经 系统药物研发，临床前研究

（3）成果简介：本成果开创了一种革命性的体外（invitro）技术平台，利用人 源干细胞衍生的三维（3D）脑类器官与高通量微电极阵列（MEA）系统相结合， 首次实现了对人类高级认知功能——包括学习、记忆乃至遗忘——全过程的动态、 可量化模拟。本成果为计算神经网络的解析与优化（如人工智能、类脑计算）， 以及认知相关疾病药物研发与快速转化提供了强大的研究工具与方法。

本成果构建的平台巧妙地将人源干细胞衍生的三维（3D）脑类器官与高通 量微电极阵列（MEA）系统相结合，攻克了两个不同领域的重大挑战。在信息技术领域，该平台为下一代人工智能的发展提供了“生物学蓝图”。面对当前硅基 AI 芯片巨大的能源消耗和学习效率瓶颈，本技术构建了一个可学习、可记忆的 生物神经网络（Biological Neural Network, BNN），成为“类脑智能”或“器官智能 （Organoid Intelligence）”研究的物理实体。通过一项创新的“信息编码-电刺激” 方案，平台能够将外界信息（如人类情绪声音）转化为生物神经网络可以“理解” 和“学习”的电信号，并解析其在学习、记忆、遗忘过程中的真实网络动态和信息 编码方式。这为开发能效高出百万倍的神经形态计算芯片和新型AI算法提供了 直接的生物学启示。在生物医药领域，它直击中枢神经系统（CNS）药物研发成 功率不足10%的核心痛点——即缺乏能准确预测人体反应的临床前模型。通过构 建高度仿生的人源“微型大脑”，本技术为阿尔茨海默病、精神分裂症等认知功能 疾病的研究和新药筛选提供了前所未有的高通量、高预测性工具。

2.知识产权情况

（1）知识产权类型：

☑专利 □软著 □技术秘密 □植物新品种 □集成电路布图设计 □其他：  

（2）具体清单：

3.技术领域/行业分类

主要技术领域：脑科学、神经生物学、生物医学工程、类脑智能、人工智能

行业分类：生物技术与制药（尤其是临床前研究与药物筛选）、生命科学工具、人工智能与计算神经科学

4.行业/产业现状和专利布局

本技术同时站在生物医药和信息技术两大产业的交汇点，旨在解决各自领域面临的严峻瓶颈。

在CNS药物研发领域，行业正陷入巨大瓶颈”：一方面，神经及精神疾病的 社会负担日益沉重；另一方面，新药研发成功率却不足10%。核心瓶颈在于，无 论是与人类差异巨大的动物模型，还是过于简化的2D细胞培养，都无法有效预测药物在人脑中的真实效果，导致巨大的研发资源浪费。脑类器官技术虽带来了 希望，但现有专利和技术多集中于如何“构建”和“观察”类器官，缺乏与之进行功能性“信息交互”并评估其高级认知功能的手段 。

在人工智能领域，尽管以大语言模型为代表的AI取得了巨大成功，但其背 后是惊人的能源消耗和对海量数据的依赖，这构成了其发展的“能耗墙”和“数据 墙”。人脑的计算功耗仅为超级计算机的百万分之一，却在处理模糊、不确定信 息和高效学习方面表现卓越。因此，借鉴生物大脑的工作原理来设计新的计算架 构（即类脑计算或神经形态计算）已成为全球科技竞争的战略制高点。然而，当前的研究同样缺乏一个能够真实反映人脑神经网络学习、记忆和可塑性原理的可实验调控的“湿实验”研究模型。

市场上现有专利的布局要点：

当前围绕脑类器官与MEA技术的专利布局主要集中在以下三个层面，这反 而凸显了本发明的独特性和前瞻性：

（1）如何构建——聚焦于类器官的生成与培养方法：现有的大量专利集中 在优化脑类器官的培养流程上，例如通过改进培养基配方、使用特定的细胞外基 质或采用引导/非引导分化策略来生成特定脑区的类器官。这些专利的核心在于 如何更稳定、更真实地在体外制备出类器官这一生物模型。

（2）如何连接——聚焦于MEA硬件的物理接口创新：随着类器官的3D球 形结构对传统平面MEA提出挑战，一系列硬件创新专利应运而生。这些专利致 力于解决物理接触和信号记录的难题，例如开发出能够包裹类器官的壳式MEA、 柔性的网状MEA或悬挂式的吊床式MEA等。这些专利的重点在于如何更好地 “连接”到3D生物组织上。

（3）如何模拟——多为纯粹的计算机仿真：在认知功能模拟领域，也存在 一些专利，但它们通常是基于纯软件的计算机化平台，通过数学模型来模拟大脑 的神经网络活动，而非利用真实的生物神经网络作为计算实体。

（4）如何使用——本发明的差异化定位 ：与上述专利布局相比，本发明的 创新之处在于它超越了“构建”和“连接”的层面，专注如何使用这一核心问题。如本专利背景技术所述，现有技术尚未实现一个能够主动编码复杂信息、诱导神经 组织执行认知任务、并包含学习、记忆和遗忘完整闭环的系统 。虽然有专利提 及了“脑类器官-机器接口”的宏观概念，但缺乏本发明所提供的、经过实验验证 的具体实施方法、关键参数窗口和创新的信息编码策略。

本专利精准地切入了上述两大领域的空白地带，提供了一个统一的解决方案：一个可被“训练”和“测试”认知功能的体外人脑模型。它不仅是CNS药物的临床 前实验与快速转化的理性模型，更是揭开AI模型神经网络“黑盒”的实验模型 有机的将神经网络结构-神经网络功能因果对应，开创了“功能性认知分析平台” 这一全新的市场类别。

5.创新链/产业链上下游的校内外其他科研团队

（1）上游：

商业化供应链：本技术的实施依赖于一个成熟且竞争充分的商业化供应链，这极大地降低了技术放大和商业化推广的风险。

a.人诱导多能干细胞（iPSCs）及培养试剂： 这是生成脑类器官的起始材料。 全球范围内存在众多顶尖供应商，如STEMCELLTechnologies、赛默飞世尔 （Thermo Fisher Scientific）、FUJIFILM Cellular Dynamics、REPROCELL 等， 它们提供高质量、标准化的iPSC细胞系及全套分化和培养试剂盒，确保了原材 料的稳定供应和实验的可重复性。

b. 微电极阵列（MEA）系统硬件与软件： 本研究实施例中采用了Axion BioSystems 公司的 Maestro Pro 系统，这是行业内的领先设备之一。此外，市场 上还包括3Brain、MultiChannel Systems 等成熟品牌提供了多样化的选择。

学术与技术源头：本技术建立在数十年来全球顶尖学术机构的基础研究之上，这些机构构成了本技术的知识上游。

a.脑类器官培养技术的开创者：包括英国剑桥MRC分子生物学实验室的 Madeline Lancaster 团队（开创了脑类器官技术）、哈佛大学的PaolaArlotta团队 （显著提升了类器官的批次稳定性和可重复性）、以及UCLA的DanielGeschwind 和斯坦福大学的SergiuPasca团队（深入研究了类器官的长期成熟过程）。这些 团队的研究为本技术提供了坚实的生物模型基础。

b. 微电极阵列（MEA）技术的研发前沿：德州大学达拉斯分校的Joseph Pancrazio 和 Stuart Cogan 团队、凯斯西储大学的DominiqueM.Durand 团队等， 长期致力于开发更小、更稳定、分辨率更高的植入式和体外微电极阵列，为本技 术提供了高保真信号交互的硬件基础。

（2）下游：

潜在的产业界合作方与竞争者：本技术的下游应用和潜在合作伙伴覆盖了整个CNS健康产业和前沿信息技术产业。

a. 大型制药公司与生物技术公司：尤其是那些拥有强大CNS产品线的企业， 它们已经开始内部布局类器官技术。此外，涌现出一批专注于类器官药物筛选的 创新型生物技术公司，部分已利用脑类器官进行精神分裂症和阿尔茨海默病的新 药研发，是本技术理想的合作伙伴或高价值客户。

b. 高科技公司与AI研究机构：对类脑智能、计算神经科学和生物计算感兴趣 的科技巨头，可将其作为探索下一代计算范式的战略性研究平台，从生物学层面 解析高效学习和记忆的底层机制。

前沿交叉领域的学术团队：本技术开创性的应用方向——类脑计算，使其与 全球范围内“器官智能”领域的顶尖研究团队高度契合。

a. 器官智能领域的引领者：以约翰霍普金斯大学ThomasHartung教授领导的 团队为核心，联合了全球多个顶尖实验室，共同定义和推动“器官智能”这一新兴 领域。他们的研究目标与本技术高度一致，即利用脑类器官作为“生物硬件”进行 计算。

b. 湿件计算（WetwareComputing）：印第安纳大学的FengGuo团队开发的 “Brainoware”项目，成功利用脑类器官进行了语音识别，是本技术在类脑计算应 用上的直接参照和潜在合作对象。此外，瑞士初创公司FinalSpark已推出商业化 的、可远程访问的脑类器官计算平台“Neuroplatform”，显示了该领域的快速发展 和商业化潜力。

6.技术/行业痛点

本技术旨在解决两大前沿领域的交叉痛点：

（1）生物医药领域：临床前模型的失真与低效

a.低效模拟导致高失败率： 现有动物模型和2D细胞模型无法准确模拟人类 大脑的复杂认知过程，导致在这些模型上看似有效的药物，在进入人体临床试验 后绝大多数都以失败告终。

b.缺乏动态、功能性的评价指标： 传统体外模型通常只能评价静态的、生物化学层面的指标。然而，认知障碍是一种功能性疾病，业界迫切需要能够直接衡量“功能”改善的体外模型。

c.研发周期长、成本高昂： 依赖动物行为学实验进行药物筛选，不仅周期漫长、成本高昂，且通量极低，严重制约了创新药的研发速度。

（2）人工智能领域：计算架构的“能耗”与“智能”瓶颈

a. 巨大的能源消耗 ：训练和运行当前的大型AI模型需要消耗海量的电力， 对环境和成本构成巨大压力，限制了其应用的广度和深度。

b. 学习效率与适应性不足 ：硅基神经网络在处理模糊、不确定和新颖信息方面的能力远不及生物大脑，其学习依赖于海量、结构化的数据，适应性和鲁棒性有待提高。

c. 缺乏真实的生物学参照：当前的“类脑”计算在很大程度上仍是基于对大脑 宏观原理的数学模拟，缺乏一个能够提供真实神经网络动态数据的物理模型来进 行验证、启发和优化。

7.解决方案与技术优势

本技术通过整合尖端的干细胞生物学、神经工程和计算科学，构建了一个能够在培养皿中模拟人类学习、记忆和遗忘的“微型大脑”模型，同时服务于药物研 发和AI创新两大目标。

（1）解决方案流程

该技术方案的核心步骤如下：

a. 构建生物模型：使用人iPSCs或胚胎干细胞，通过标准化的三维悬浮培养 方案，培育出成熟的（培养周期>120天）、具有功能性神经网络的脑类器官。

b. 搭建硬件接口：将成熟的脑类器官与微电极阵列（MEA）芯片耦合，实现 对神经网络活动的实时、高通量电信号记录和刺激。

c. 编码认知信息：采用创新的MFCC算法，将代表“快乐”与“悲伤”等情绪的 声音样本，转化为特定模式的二进制电刺激序列。

d. 实施功能训练：在经过实验优化的参数窗口内，对脑类器官进行为期数天 的重复电刺激训练。

e. 解码与评估：实时记录训练过程中及训练后脑类器官的电生理应答信号， 并通过主成分分析（PCA）和机器学习算法（如kmeans、XGBoost）进行解码， 量化其对不同情绪信号的识别准确率，从而评估其学习和记忆效果。

f. 模拟遗忘过程：停止训练一段时间后（7天），再次进行测试，观察识别准 确率的下降，从而模拟记忆的自然衰退过程。

（2）技术特点与核心优势

a. 前所未有的生物学真实性：本平台是全球首个能够完整复现“学习-记忆 遗忘”动态曲线的体外系统。通过主动模拟“遗忘”，它证明了模型具备生物大脑 固有的可塑性和动态平衡特性。实验结果显示，经过3天训练，情绪识别准确率 从约50%的随机水平提升至约70%，而在停止训练7天后，准确率显著回落， 完美重现了认知功能的自然规律。

b. 多尺度、系统性的机制验证：本技术的突破性不仅在于宏观功能的模拟，更在于提供了从宏观功能到介观网络、再到微观分子机制的完整证据链 。研究表明，学习过程在介观尺度上对应着神经网络拓扑结构向更高效的“聚类系数”的重 组；在微观层面，则伴随着与神经可塑性相关的关键蛋白的动态变化。这种跨尺 度的验证能力，为理解认知功能的生物学本质和药物作用机制提供了前所未有的 深度。

c. 高保真的神经生理学模拟：实验发现，60-80Hz的刺激频率不仅能诱导 最强的神经放电反应，而且该频率范围与真实人脑在执行高级认知任务时产生的 gamma 波节律高度一致。有力地证明了本模型在神经生理学层面的高度真实性 和科学价值。

d. 创新的“信息-生物”转化能力：将MFCC这种成熟的声学特征提取算法， 创造性地用于构建一种“电刺激语言”，让一个体外的、非听觉的神经网络模型能够“听懂”并“学习”人类的情绪，这是一项高度跨领域的应用创新，是本技术平台 能够模拟“认知”而非简单“反应”的核心所在。

8.课题资助与所获奖励

（1）课题项目：国家自然科学基金面上项目，82571737，基于复合脑类器官的 伴快感缺失抑郁症多巴胺神经环路可塑性研究、2026.01-2029.12

9.技术成熟度

 ☑构思☑研发 ☑样品 ☑小试 □中试 □产业化、推广 □其他：

10.应用前景 

（1）适用领域：本平台作为一种基础性、平台性的技术，其应用领域极为 广泛，覆盖了神经科学研究、药物开发和人工智能创新的多个关键环节：

a. CNS 药物筛选与功效评价： 用于高通量筛选能够改善认知功能（如记忆 增强剂）或逆转认知缺陷（如治疗阿尔茨海默病的药物）的候选化合物 。

b. 疾病机理研究与模型建立： 利用患者来源的iPSC构建特定疾病（如自 闭症谱系障碍、精神分裂症）的脑类器官模型，在体外研究其认知功能缺陷的神 经网络和分子基础。

c. 神经毒理学评估：快速评估新化合物、环境毒素或消费品对人类认知功 能潜在的损害风险。

d. 革新类脑计算与人工智能架构：本技术平台构建了一个可学习、可记忆 的生物神经网络，为“类脑智能”或“器官智能”领域提供了一个前所未有的物理模 型。通过解析该“生物硬件”在执行认知任务时的真实电生理过程、网络动态和信 息编码方式，可以为开发下一代低功耗、高适应性的神经形态计算芯片和AI算 法提供直接的生物学蓝图。它使得研究人员能够探索生物大脑固有的并行处理、 可塑性和高效学习等原理，从而推动真正意义上的“湿件计算”的发展，弥合当前 人工智能与生物智能之间的鸿沟。

（2）目标客户：

大型制药与生物技术公司：从事神经科学、精神病学和神经退行性疾病药物研发的部门是本技术最直接、价值最高的客户。

高科技公司与AI实验室：对类脑智能、生物计算和下一代AI硬件感兴趣的科 技巨头及顶尖研究机构。

学术与政府研究机构：全球范围内的神经科学、干细胞和生物工程实验室

（3）消费群体：不直接面向终端消费者。其最终价值将通过加速新药研发和推动AI技术革新，惠及广大社会成员。

（4）商业计划及市场前景：市场前景巨大。本技术同时切入CNS药物临床 前研发和前沿AI计算两大万亿级赛道，通过解决各自的核心痛点，有望在一个 价值数百亿美元级别的新兴交叉市场中占据主导地位。

11.合作转化方式

□普通许可 ☑排他许可 □独占许可 ☑转让 □作价入股

☑技术开发 □技术咨询 □技术服务 □其他： 

12.意向合作方

 ☑国有企业 ☑上市公司 ☑行业龙头企业 □其他：

13.意向合作金额

□10 万—50万 □50 万—100万 □100万—500万

□500 万—1000万 □1000万以上 □其他金额：    □ 面议

14.科研团队 

（1）项目负责人：姓名 倪培艳，职务职级 研究员 

（2）主要成员：姓名 李涛，职务职级 院长/教授

（3）科研团队的简介

依托单位浙江大学医学院附属精神卫生中心（浙大精中）和浙江大学医学院脑科学与脑医学学院（浙大脑院）两大优势平台协同推进。浙大精中（杭州市第七人民医院）是国内领先的三甲精神专科医院，建有国家健康和疾病人脑组织资源库（精神疾病分库）、浙江省研究型医院/重点实验室/临床研究中心/工程中 心等核心科研平台，依托的大规模专病数据库和高质量生物样本库建成深度融合 的临床科研一体化平台，为成果的转化应用提供高标准智能化数据支撑与保障。

浙大脑院是国内首个融教学、科研和临床于一体的脑科学交叉学科平台，利用教育部脑与脑机融合前沿科学中心等国家级研究基地，拥有国际水准的前沿共享实验平台、先进设备及系统性解决方案，在神经精神疾病人才培养、新型研究范式、重大疾病诊疗方向具领先优势，为本项目提供关键技术支撑与指导。综上，浙大精中丰富的临床与转化资源，结合浙大脑院雄厚的基础研究实力与技术创新力，将为本成果转化打造坚实全面的科研支撑体系。

成果负责人倪培艳研究员构建了“模型构建-机制解析-临床转化”的创新 科学研究体系：（1）构建患者来源脑类器官模型平台：突破传统研究模型种属 差异和离体维持困难的技术瓶颈，率先构建具有自主知识产权的患者来源活性脑 组织模型系统；（2）解析兴奋/抑制平衡调控机制：基于多维度病理特征与分子 网络互作机制不明的现状，系统揭示其生物学机制并建立可转化靶点的多维度评 估体系；（3）开发生物标记物转化路径：突破传统症状学诊断框架的局限性， 基于致病机制挖掘兼具诊断精度与治疗预测价值的生物标志物。申请人创新性从 基于患者来源活性脑组织模型的分子机制出发探究辅助临床诊疗的生物学标记， 为破解精神疾病基础研究与临床应用脱节的长期难题提供了重要支撑。

申请人围绕上述研究方向取得系列原创性成果：学术成果方面，累计发表学术论文45篇，其中第一/通讯（含共同）作者论文23篇，包括MolecularPsychiatry （2020）、Advanced Science（2023，封面论文）等国际顶级期刊。科研项目方 面，申请人主持了各类项目10余项，其中国家自然科学基金面上项目3项、青 年项目1项，省重点研发计划及省“尖兵”“领雁”攻关计划各1项，累计经费 逾千万元。

15.联系方式

浙大工研院成果转化服务中心，0571-88982927。