日本使用ips细胞制作“类器官”的最新进展

研究人员利用iPS细胞技术制造出迷你器官,这些微型组织在疾病研究、药物毒性测试及再生医学中展现出巨大潜力。尽管目前尺寸受限,但迷你器官已在多个领域找到应用,包括重现疾病机制、药物筛选和潜在的临时移植。日本科学家在这方面做出了开创性贡献,制造出大脑皮层和眼杯等结构。尽管面临挑战,迷你器官的实用性和潜力正推动医学研究不断前进。

推荐阅读:

1.2020年ips细胞治疗糖尿病研究进展综述
2.iPS细胞重编程实验相关实验材料

培养细胞和制造以毫米为单位的"迷你器官"的技术正在传播。它能够重现一些接近真实器官的三维结构和功能,也称为"器官",这一技术引起人们的关注,未来将被实际的应用于医疗。

 

一个约0.2毫米的圆形组织块漂浮在培养皿中,由与人类支气管相同的细胞形成。当感染新型冠状病毒时,病毒将在组织中迅速传播。

 

图片

 

 

ES和iPS细胞迅速发展,用于细胞生成研究和病理分析

 

"迷你器官"是通过培养细胞来人工制造器官的一部分。虽然大小远不及真正的器官,但近10年来,在大脑、肺、肾脏和肝脏等各种器官中技术已经建立。一些结构和功能接近真实的迷你器官出现,并结合器官和类似器官,被称为"类器官"。

 

研究得以发展的一大契机是由受精卵和体细胞(如皮肤和血液)组成的ES细胞(胚胎)和iPS细胞的出现。过去,迷你器官通常由干细胞制造,这些干细胞最初存在于体内,可以分化成各种细胞。ES细胞和iPS细胞可以变成比体内干细胞更多样化的细胞。

 

迷你器官的使用领域很广泛。有助于胚胎学研究胎儿器官从受精卵开始形成的过程。如果把从遗传性疾病患者的组织制成的iPS细胞培育成迷你器官,就可以重现疾病的作用机制。同时,它有助于检查药物的毒性,以及移植到体内的再生医学。

 

图片

图片

 

图片

 

日本研究人员立体组织培养

 

世界上首次证明培养细胞形成立体组织的是日本的研究人员。

 

2008年,当时在理化学研究所工作的笹井芳树(已故)、永乐元次(现京都大学病毒再生医学科学研究所教授)等人,用ES细胞制造了大脑皮质的部分,这是大脑表面的神经细胞层。研究人员创造了一个四层结构,形状像一个直径约2毫米的蘑菇的胎儿水平的脑组织。

 

永乐先生最初研究的是受精卵的神经是如何形成的。利用这些知识,将ES细胞在培养容器中集中起来,形成一个块,然后漂浮在大量的培养液中。在培养液中调整成分,以免神经细胞以外发生变化,当块状变大时,脑组织就会形成。

图片

永乐先生说:"我很惊讶能以如此简单的方式重现这一事件”。当细胞被培养成一定大小的块,并培养成目标组织时,细胞会自动从中间形成结构。

 

2012年,他开始研究制造大脑皮层的技术,并制造了眼睛的原型"眼杯"。虽然在培养过程中很容易崩溃,但通过加入连接细胞的蛋白质,其能够维持形状。

 

一些眼杯,随着进一步的变化,就会变成视网膜,有可能用于眼睛的治疗。今年10月,神户市神户眼中心医院将iPS细胞制作成视网膜的一部分,并移植到失明的患者眼中。这是通过将迷你眼杯的视网膜变化部分切成片状。

图片

 

大小有限制,探索现在能使用的方法

 

再生医学的最终目标是,用新制造的器官来替代疾病器官。然而,目前可以制作的迷你器官只有几毫米。例如,成人的肾脏只是拳头的大小,差距很大。

 

如果试图使它更大,营养就无法输送到组织内部,最后导致坏死。另外,例如肾脏和输尿管在体内是一体的,但是由于各自是完全不同的细胞系统,很难一起培养和组合。

图片

然而,除了移植器官外,迷你器官还有多种使用方式。东京医科齿科大学的武部贵则教授制造了迷你大小的肝脏、胆管和胰腺,他想:"有没有病人现在能帮到我们?”在武部先生兼任的辛辛那提儿童医院,用患者的iPS细胞制造了小型器官。对"定制医疗"的研究正在进行,该研究将分析这一点,并探索最适合此人的治疗方法。

 

此外,武部等人制作的迷你肝脏如果移植到人类身上,"可以支持短时间内的机能"。他设想对等待活体肝移植的儿童进行临时移植,并期待"实现这一技术不是遥远的事情"。

 

图片

 

熟悉小型器官的国家发育医学研究中心主任、生殖医学研究部主任阿久津英宪说,"需要研究制造接近真实器官的器官",但"如何实际利用所做工作并创造成功案例是关键阶段"。目前研究人员和公司进入不同领域,需要创造新的技术和使用方式。

本项目构建于RASA开源架构之上,旨在实现一个具备多模态交互能力的智能对话系统。该系统的核心模块涵盖自然语言理解、语音转文本处理以及动态对话流程控制三个主要方面。 在自然语言理解层面,研究重点集中于增强连续对话中的用户目标判定效能,并运用深度神经网络技术提升关键信息提取的精确度。目标判定旨在解析用户话语背后的真实需求,从而生成恰当的反馈;信息提取则专注于从语音输入中析出具有特定意义的要素,例如个体名称、空间位置或时间节点等具体参数。深度神经网络的应用显著优化了这些功能的实现效果,相比经典算法,其能够解析更为复杂的语言结构,展现出更优的识别精度与更强的适应性。通过分层特征学习机制,这模型可深入捕捉语言数据中隐含的语义关联。 语音转文本处理模块承担将音频信号转化为结构化文本的关键任务。该技术的持续演进大幅提高了人机语音交互的自然度与流畅性,使语音界面日益成为高效便捷的沟通渠道。 动态对话流程控制系统负责维持交互过程的连贯性与逻辑性,包括话轮转换、上下文关联维护以及基于情境的决策生成。该系统需具备处理各非常规输入的能力,例如用户使用非规范表达或对系统指引产生歧义的情况。 本系统适用于多种实际应用场景,如客户服务支持、个性化事务协助及智能教学辅导等。通过准确识别用户需求并提供对应信息或操作响应,系统能够创造连贯顺畅的交互体验。借助深度学习的自适应特性,系统还可持续优化语言模式理解能力,逐步完善对新兴表达方式与用户偏好的适应机制。 在技术实施方面,RASA框架为系统开发提供了基础支撑。该框架专为构建对话式人工智能应用而设计,支持多语言环境并拥有活跃的技术社区。利用其内置工具集,开发者可高效实现复杂的对话逻辑设计与部署流程。 配套资料可能包含补充学习文档、实例分析报告或实践指导手册,有助于使用者深入掌握系统原理与应用方法。技术文档则详细说明了系统的安装步骤、参数配置及操作流程,确保用户能够顺利完成系统集成工作。项目主体代码及说明文件均存放于指定目录中,构成完整的解决方案体系。 总体而言,本项目整合了自然语言理解、语音信号处理与深度学习技术,致力于打造能够进行复杂对话管理、精准需求解析与高效信息提取的智能语音交互平台。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值