离体神经元也能被驯化:迈克尔·莱文实验室的细胞闭环训练与未来医学视角
把一滩活的大脑神经元从老鼠身上取下来,打散成单细胞,泡在玻璃芯片上。 没有眼睛,没有耳朵,没有肌肉,也没有大脑原有的组织结构。 你觉得,这一滩孤零零的细胞,能被驯化吗?
2026 年 10 月,生物学家迈克尔·莱文(Michael Levin)的团队在预印本网站 bioRxiv 上公开了一项研究。 第一作者韦斯利·克劳森(Wesley Clawson)做了一个很大胆的闭环实验。 他们想看看,能不能像驯小狗一样,给这滩离体细胞设定一个目标,把它给训出来。
哪怕脱离了动物身体,神经元也绝不会躺平。 泡在培养液里的神经细胞,会自发长出突触,重新手拉手连成一张网。 在没有任何外界信号输入的情况下,这滩神经元会隔三差五自己抽风一次。 成千上万个神经元在几百毫秒内同时放电,像一阵波浪扫过整块芯片。 这在神经科学里叫网络爆发。
既然它们会自发放电,克劳森团队就给它们做了一个训练系统,名字叫 HAL 平台。 底座是一块高密度的 CMOS 微电极阵列芯片。 上面密密麻麻排着几千个电极,能以毫秒级的速度捕捉整张网络的动静。 研究人员在芯片上划了一条虚拟的中轴线。 左边叫目标区,右边叫惩罚区。 规矩只有一条: 系统实时盯紧整张网络,看每次放电最早是从哪一个角落烧起来的。 如果放电是从左边的目标区先开始的,系统完全静音,什么都不做,给细胞留下一片绝对的安宁。 但如果放电是从右边启动的,系统立刻接通全阵列的随机电流,嘈杂的电脉冲持续轰击整块芯片,直到下一次放电发生才停手。
走对了有安静,走错了就挨电。 听上去像极了最基础的条件反射。 但这只是一滩平铺在玻璃板上的散装细胞。 没有身体的痛觉受体,没有复杂的脑区调控,更没有趋利避害的进化器官。 它们能听得懂吗?
实验一共测试了 10 组大鼠皮层神经元网络,连续训练了几天。 结果让研究团队大吃一惊。 几天时间里,细胞网络自发放电从左侧目标区启动的比例,一天比一天高。 更让人想不到的是,这种能力的进步,主要并不是在被电击的当下发生的。 真正的提升,发生在每天两轮训练之间的休整期。 就像人类在睡觉时巩固白天的学习成果一样,这滩细胞隔天重新上线时,表现明显比前一天更稳。 如果中间偶尔走错了路,放电偏到了惩罚区,它们纠正错误的速度在几天后也变得越来越快。 而在对照组里,没有经过闭环训练或者受损的细胞网络,放电频率一模一样,却完全没有这种定向偏好,更不会跨天纠错。
这滩没有身体的细胞,到底是怎么把规矩学会的? 是几天之内重新长出了全新的物理电路吗? 并没有。 显微镜和电生理记录显示,细胞网络并没有推倒重来去建新通路。 它们原本就具备成百上千种不同的放电路径储备。 闭环训练做的事情,是改变了这些固有路径的概率权重。 那些能换来安宁、避开电击惩罚的放电方式,在反复的反馈中被赋予了更高的触发概率。 细胞为了给自己换取一个不受干扰的稳定环境,主动调优了内部的行为概率。
训练一块芯片上的神经元,跟我们有什么关系? 论文上线的时候,迈克尔·莱文发了一条推文,问了一个耐人寻味的问题: 你有没有想过,未来我们能不能把细胞从疾病状态里训练出来? 这句话戳中了现代医学最深的一块认知盲区。 过去一百年,主流医学一直把人体看作一台精密的机械钟表。 人生了病,无论是癌症、器官纤维化,还是神经退行性病变,医生的第一反应都是:零件坏了。 既然齿轮坏了,解决办法无非三种:拿手术刀割掉,用放化疗毒死,或者砸几十亿美金研发一种小分子靶向药,强行把某一个酶或者受体堵死。 这是用蛮力的化学手段,去微观管理数以万亿计的分子。
但莱文在生物电和形态发生领域研究了二十多年,他提出了一个完全不同的视角。 细胞从来不是死板的钟表齿轮。 每一个细胞、每一个由细胞组成的组织,本身就是拥有目标搜寻能力和计算特性的活性智能体。 在莱文的视野里,癌细胞并没有发生机械零件的碎裂,它们只是切断了与周围身体组织的生物电通信,从多细胞生物的整体目标,退化回了原始单细胞时期的自私生存模式。 这是一种走偏了的稳定状态,陷在了一个错误的动力学深坑里。 既然细胞的行为带有可塑性和记忆,那治病为什么非要靠下毒和切除呢? 如果我们能读懂细胞网络的通信规则,给它们搭建一套正确的闭环电信号或生化反馈,完全有可能把走偏的细胞,重新训练回健康的集体目标。
克劳森和莱文这次的实验,虽然目前还停留在培养皿的一小块芯片上,但它给出了一个实打实的证明: 离体的活细胞网络,能够仅仅依靠外界的信息反馈,在好几天的时间跨度里学会追求特定目标,并且具备主动纠错的能力。 未来的医学,也许不再需要像钟表匠那样去硬抠每一个分子的螺丝钉。 只要给生命系统一套对的反馈规则,细胞自己就会把路找回来。
同领域解读 / BIO & MEDICINE
规范引用 / CANONICAL CITATION
离体神经元也能被驯化:迈克尔·莱文实验室的细胞闭环训练与未来医学视角 — 墓碑科技 MUBEITECH(https://mubeitech.com/deep/mb-20261027-ad38e5)
导出 / EXPORT
订阅 · SUBSCRIBE
每周一封独立、不受审查的科技与 AI 深度评论,周一发出。带出处,可核查。