Учёные создали 3D-печатную модель мозга для изучения нейронных сетей

Учёные Делфтского технического университета в Нидерландах разработали 3D-печатную модель мозга ^[1], которая позволяет нейронам расти и формировать сети, подобно тому, как это происходит в реальном мозге ^[1]. Эта разработка использует крошечные наностолбики для имитации мягкой нервной ткани и волокон внеклеточного матрикса мозга ^[1].

Традиционные чашки Петри, используемые для выращивания клеток, плоские и жёсткие, что не соответствует мягкой, волокнистой среде мозга ^[1]. Команда создала массивы наностолбиков с помощью двухфотонной полимеризации – метода 3D-печати с наноточностью. Эти столбики, каждый из которых в тысячу раз тоньше человеческого волоса, расположены как крошечные леса на поверхности.

^[2]

Изменяя ширину и высоту столбиков, исследователи настроили их эффективный модуль сдвига, механическое свойство, которое ощущают клетки при перемещении по поверхности микро- или наноструктур. «Это обманывает нейроны, заставляя их "думать", что они находятся в мягкой, похожей на мозг ^[1] среде, хотя сам материал наностолбиков жёсткий», – объясняет руководитель исследования доцент Анджело Аккардо.

Для проверки модели учёные вырастили три различных типа нейронных клеток на наностолбиках. В отличие от традиционных плоских чашек Петри, где нейроны росли в случайных направлениях, на 3D-печатных массивах наностолбиков все три типа клеток росли более организованно, формируя сети под определёнными углами.

Исследование также выявило новые данные о конусах роста нейронов – структурах, направляющих растущие нейроны при поиске новых соединений. На наностолбиках конусы роста направляли длинные отростки во всех направлениях, что больше напоминает процессы в реальном мозге ^[1].

Георг Фламуракис, первый автор исследования, отмечает, что созданная среда способствовала созреванию нейронов. Нейронные клетки-предшественники, выращенные на столбиках, показали более высокий уровень маркера зрелых нейронов по сравнению с клетками на плоских поверхностях.

Разработанная модель может предложить новые возможности для изучения различий между здоровыми нейронными сетями и сетями, связанными с неврологическими расстройствами, такими как болезнь Альцгеймера, Паркинсона и расстройства аутистического спектра.

Источник ^[3]