CMOS HD-MEA 高密度微电极阵列在脑类器官电生理研究中的应用
High-Density Microelectrode Arrays for Electrophysiological Characterization of Brain Organoids: A Review
摘要
CMOS HD-MEA 高密度微电极阵列（HD-MEA）平台为脑类器官（brain organoid）与脑组装体（brain assembloid）的无创、长期、多通道电生理记录提供了核心技术支撑。本综述基于 15 篇 2020-2026 年核心文献与 8 张客户应用数据图，系统梳理 HD-MEA 平台架构、神经电生理读出、CSD 分析方法学、皮层-海马与脑 Assembloid 应用、Zonal 分区分析、药理学验证及临床转化 7 大主题。本综述定位为研究型综述，研究焦点在科学原理、方法学创新与未解决的技术瓶颈——不涉及任何具体厂商、型号或品牌层面的对比分析。
1. 引言
脑类器官（brain organoid）作为体外三维培养模型，2020 年后逐渐成为神经发育、神经退行性与神经精神疾病研究的核心工具PMID:32976764, PMID:32032714。然而，脑类器官电生理功能的精准表征一直面临三大技术瓶颈：(1) 无创——传统膜片钳（patch clamp）需穿刺细胞，难以覆盖整个类器官；(2) 高通量——传统多电极阵列（MEA）仅 64-256 通道，空间分辨率不足；(3) 长期——类器官成熟需 60-200 天，传统电生理方法无法持续监测PMID:38825241, PMID:41256516。
CMOS HD-MEA 平台（4096-26400 通道 CMOS-MEA）通过高密度电极阵列与非侵入性场电位记录，为脑类器官电生理研究提供了"全网络、长时程、高空间分辨率"的解决方案PMID:34293341。本综述的 8 张配图全景式展示该技术领域：图 1 概述 ACRO+CMOS HD-MEA 合作工作流；图 2 展示皮层-海马神经元 4096+ 通道 raster 与网络爆发；图 3-4 展示脑 Assembloid 空间活动热图与分区 raster；图 5 展示 24-well Delta 多模态叠加；图 6-7 展示 6-well Alpha 平台与整机渲染；图 8 展示 4 区域 raster 与 T1/T2 分段分析。
图 1：ACROBiosystems（类器官供应商）+ CMOS HD-MEA 平台方+ BrainPhys™ 培养基三方合作的脑类器官电生理记录工作流。汇总了什么：6 步流程——① ACRO 培养类器官 100 天 → ② 运输至 CMOS HD-MEA 平台实验室 → ③ BrainPhys™ 适应 15 天 → ④ 基线记录 3 min → ⑤ 4-AP + Bic 诱发网络爆发 → ⑥ TTX 阴性对照验证。对比显示了什么：基线状态显示稀疏的随机放电（未成熟网络特征），4-AP + Bic 处理后出现密集的同步爆发（成熟网络特征），TTX 处理后信号完全消失（确认信号来源是钠通道介导的动作电位）。说明什么：这是脑类器官 MEA 实验的金标准工作流——三步药物验证（基线/兴奋/阻断）是确认类器官电生理功能完整性的核心流程精读报告 08 + AcroBrain ApplicationNote。
2. HD-MEA 平台基础
2.1 通道数与电极密度
CMOS-MEA 技术的发展使单芯片通道数从传统的 60 电极跃升至 4,000-26,400 通道，采样率提升至 >10 kHz/channel，是脑类器官电生理记录的工业标准PMID:34293341。通道密度的指数级提升为脑类器官网络级分析提供了硬件基础。
| 平台 | 电极数 | 采样率 | 核心应用 |
|---|---|---|---|
| CMOS HD-MEA BioCAM / CorePlate-1W | 4096 | >10 kHz | 单孔高密度 |
| CMOS HD-MEA HyperCAM Alpha（6 孔） | 4096×6 | >10 kHz | 中等通量 |
| CMOS HD-MEA HyperCAM Delta（24 孔） | 4096×24 | >10 kHz | 高通量筛选 |
| CMOS HD-MEA Accura-3D (CSEM 合作) | 26400 | >10 kHz | 最高密度 |
2.2 6-well 与 24-well 平台
HyperCAM Alpha（6-well）与HyperCAM Delta（24-well）是 CMOS HD-MEA 的两大主力平台。Alpha 适合中等通量深度分析（如脑 Assembloid Zonal 分析），Delta 适合高通量药物筛选（如脑类器官药理学 panel）。
图 6：6 孔 HyperCAM Alpha MEA 板实物图。汇总了什么：金色矩形电路板上 6 个圆形电极区域（2×3 布局），每个圆形区域中心是 4096 个 CMOS 电极的接触点，周围布满金色电路走线。对比显示了什么：每个孔独立电生理采样，可同时跑 6 个独立实验条件（如不同基因型/不同药物浓度），相比传统 60 通道 MEA 提升 409 倍通量。说明什么：6 孔设计是 N-of-1 vs N-of-6 统计设计的最低门槛——单次实验即可满足"6 个生物学重复 + 配对 t 检验"的统计要求精读报告 08 + HyperCAM Alpha Brochure。
图 7：HyperCAM Alpha 整机（白色长方体外壳，顶部 CMOS HD-MEA 品牌标识 + HyperCAM Alpha 型号）。汇总了什么：紧凑型台式设备，前面深灰色面板集成显示屏与状态指示区，顶部大开口承载 MEA 板。对比显示了什么：相比传统 BioCAM X 平台（占据半个实验台），Alpha 是便携式 + 培养箱兼容设计——可直接放入 37°C / 5% CO₂ 培养箱进行长时程记录（数周-数月）。说明什么：培养箱内长期记录是脑类器官 MEA 的关键技术需求——类器官成熟需 60-200 天，传统"取出-记录-放回"流程会污染样本；Alpha 实现了"一次放入，全程记录"的真正长期监测精读报告 08 + HyperCAM Alpha Brochure。
2.3 24-well Delta 平台与多模态融合
HyperCAM Delta（24-well）在 Alpha 基础上提升 4 倍通量，是高通量药物筛选的核心平台。其关键技术优势是多模态数据融合——电生理记录 + 光学显微镜成像的实时叠加。
图 5：24-well HD-MEA 平台的多模态数据融合——左上显微镜显示 MEA 芯片网格上的脑类器官形态；中上为放大图显示类器官与电极紧密接触；右上为电生理活动热图（颜色标尺 0-250，红色 = 高活性）；下方为显微镜 + 热图的精确叠加。汇总了什么：从"形态学"到"电生理功能"再到"两者的空间对应关系"三层信息。对比显示了什么：高活性区域（红色）与细胞团块（黑色）高度重合——证明记录到的电信号确实来自该位置的类器官神经元，而非背景噪声。说明什么：多模态融合是 HD-MEA 区别于传统 MEA 的核心优势——不仅能"听到"神经放电，还能精确定位"是哪个区域的神经在放电"精读报告 08 + HyperCAM Delta Brochure。
3. 神经电生理读出
3.1 Spike / Burst / Network Burst
脑类器官 MEA 数据的核心读出指标包括三个层级PMID:38825241, PMID:41256516：
- Spike（动作电位）：单个神经元的动作电位事件，由阈值检测算法提取
- Burst（爆发）：单个神经元的连续高频放电（>5 spikes in <100 ms）
- Network Burst（网络爆发）：>50% 电极同时放电的同步事件，成熟神经网络的标志
3.2 Spike Rate 与同步性
**Spike rate（放电率）**是单电极层级指标，反映局部神经元的活跃度。同步性（synchrony）反映网络层级协调——用互相关（cross-correlation）、**相干性（coherence）或图论指标（graph theory）**量化PMID:41210185, PMID:41336494。
3.3 Raster Plot 与 Network Burst 演化
**Raster plot（光栅图）**是 MEA 数据可视化的金标准——X 轴是时间，Y 轴是电极通道，每个点是一次 spike。
图 2：皮层-海马共培养的 raster plot（Y 轴 0-6912 通道，X 轴 00:42 - 04:31），下半部分为 03:19 处的局部放大。汇总了什么：4 分钟长时程记录中，皮层-海马网络从"随机稀疏放电"演化为"密集同步爆发"——垂直条带即为 network burst。对比显示了什么：上半部分（00:42-03:01）放电稀疏，下半部分（03:19 放大区）显示密集的同步爆发 + 圆角框的细节放大（粉色子图 + 红色密集线条）——这正是 network burst 内部结构（成百上千个电极几乎同时检测到信号）。说明什么：Network burst 的出现是神经网络成熟的标志——皮层-海马共培养在 2-3 周内形成功能突触连接，类器官则需 60-200 天达到类似成熟度PMID:32976764, PMID:32032714, 精读报告 08。
3.4 多区域同步与 Zonal 分析
脑 Assembloid（多个脑区类器官融合）的关键优势是可分区记录——不同脑区在空间上分离，可同时记录各区活动并分析区间通讯。
图 8：6-well Alpha 平台记录的 4 个独立区域（红/蓝/绿/黄框）的 raster plot，X 轴底部 T1（红）/T2（蓝）表示两个不同处理阶段。汇总了什么：每个区域的电活动模式（红区极高密度/蓝区中等+burst/绿区 T1→T2 突发性 burst/黄区均匀网格）——展现了脑类器官在 4 个独立空间位置的差异化网络活动。对比显示了什么：绿区和黄区在 T1→T2 过渡时活动模式显著变化（稀疏→密集同步）——可能是药物处理或类器官成熟的标志。说明什么：多区域同步记录是脑 Assembloid 研究的核心方法学——能够同时分析 4+ 脑区的活动模式与区间通讯，是单区域 MEA 不可替代的优势精读报告 08 + HyperCAM Alpha AppNote。
4. CSD（电流源密度）分析方法学
CSD 分析是脑类器官 MEA 数据深度解析的核心方法。Zapfe 2024 在 Journal of Neurophysiology 发表的 2D CSD + HD-MEA 方法学突破，将 CSD 作为数学密度函数用于质心分析，首次实现了不连通分量的独立追踪PMID:38026689, 精读报告 08。
4.1 CSD 基本原理
电流源密度（Current Source Density, CSD） 是单位体积内的净电流——通过二阶空间导数（拉普拉斯算子）从 LFP 推导而来：
CSD = -σ * (∂²LFP/∂x² + ∂²LFP/∂y² + ∂²LFP/∂z²)
其中 σ 是组织电导率。CSD 能精确定位突触电流的流入（sink）和流出（source）位置。
4.2 CSD 在脑类器官的扩展
脑类器官的 CSD 分析比急性脑片更复杂——类器官是三维球体结构，电极从球体表面记录。Zapfe 2024 的核心贡献是将 CSD 扩展到 2D 高密度电极阵列，并引入质心追踪算法——可追踪不连通分量的独立运动轨迹PMID:38026689, 精读报告 08。
4.3 多回路独立分析
Zapfe 2024 的关键发现：在海马脑片上，CSD 质心可独立追踪"DG-CA3"、"CA3-CA1"等多个不连通回路——每个回路都有其独立的 sink-source 交替模式。这是脑类器官"多脑区组装"研究的核心方法学基础——NVU 类器官可借此分析"神经回路-血管耦合"功能精读报告 08。
5. 脑 Assembloid 与 Zonal 分区分析
5.1 脑 Assembloid 概念
脑 Assembloid 是多个脑区类器官（如皮层 + 海马 + 纹状体）融合形成的"类脑组装体"——比单一类器官更接近真实脑的复杂性。Zonal 分析是研究 Assembloid 中不同脑区的电生理差异与区间通讯的核心方法精读报告 08。
5.2 空间活动热图
空间活动热图（spatial activity heatmap）是 Zonal 分析的视觉化标准——将 spike rate 或 RMS 振幅以颜色叠加在类器官形态上。
图 3：脑 Assembloid 在 1W-3D-38-60-90 芯片上的空间活动热图。汇总了什么：背景是 4096 电极的 CMOS 芯片网格（细密规则网格），中央灰白色团块是脑 Assembloid（融合多脑区的类器官），其上叠加黄色高信号区 + 红色激活电极点。对比显示了什么：黄色高信号区集中在 Assembloid 的"右下部分"——这是空间不均匀性的典型表现（不是随机噪声，而是该区域的神经元集群活跃度远高于其他区域）。说明什么：空间活动热图是 Zonal 分析的核心可视化工具——能直观展示 Assembloid 内部不同脑区的差异化活动，并指导"高活性区采样 + 跨区通讯分析"的后续实验精读报告 08 + Zonal Assembloid AppNote。
5.3 4 区域 raster
多区域同步 raster可同时展示 Assembloid 中 4 个独立脑区的网络活动模式。
图 4：脑 Assembloid 4 区域 raster plot——红/蓝/绿/黄框分别代表 4 个独立脑区或样本，底部 T1（红）/T2（蓝）表示两个不同处理阶段。汇总了什么：每个区域的差异化活动模式（红区极密集/蓝区稀疏+burst/绿区 T1→T2 突发性 burst/黄区均匀网格）。对比显示了什么：绿区在 T1→T2 过渡时出现明显的 network burst（右侧密集垂直条带），其他三区保持相对稳定——证明特定脑区对刺激/药物的特异性响应。说明什么：4 区域 raster是脑 Assembloid 区间通讯研究的核心证据——通过对比各区活动模式，可识别"driver region"（驱动其他区域活动的关键脑区），这是单区域 MEA 不可实现的功能精读报告 08 + Zonal Assembloid AppNote。
6. 药理学验证与疾病建模
6.1 经典三步药理学验证
脑类器官 MEA 数据的"金标准"验证流程是三步药物处理（参考图 1 工作流）：
- 基线记录（BrainPhys™）：自然状态下的网络活动
- 4-AP + Bicuculline：钾通道阻断 + GABA-A 拮抗 → 诱发网络爆发
- TTX：钠通道阻断 → 信号完全消失（阴性对照）
6.2 疾病模型应用
| 疾病 | 代表研究 | 关键发现 |
|---|---|---|
| ALS（肌萎缩侧索硬化） | PMID:42012311 (2026) | 皮层成分在 HD-MEA 上的电生理特征 |
| ALG13-CDG（先天性糖基化障碍） | PMID:41597222, 40791506 (2025-2026) | 网络低活性 + 发育通路中断 |
| MEF2C haploinsufficiency | PMID:38544375 (2024) | 变体特异性神经表型 + 药物敏感性 |
| mTORopathy 癫痫 | PMID:38914275 (2024) | 海马神经网络的癫痫样活动模型 |
| 孤独症（ASD） | PMID:41210185 (2025) | MEA-based 图偏差网络早期 ASD 标志 |
| 神经元毒性 | PMID:41106560 (2025) | 发育神经毒性评估网络形成试验 |
6.3 神经精神疾病建模
Zapfe 2024 综述PMID:34293341 系统回顾了新兴生物电子学（包括 CMOS HD-MEA HD-MEA、CMOS-MEA、纳米孔阵列、柔性电极）在脑类器官电生理研究中的应用——HD-MEA 已成为脑类器官"成熟度评估"、"疾病建模"、"药物筛选"三大应用的核心工具。
7. CSD 在 NVU 类器官的扩展
7.1 NVU 类器官的电生理挑战
NVU（神经血管单元）类器官需要在神经回路与血管网络两个独立功能网络之间分析耦合关系。HD-MEA 是研究 NVU"神经活动 → 血管反应"耦合机制的核心工具精读报告 08。
7.2 神经-血管耦合的 CSD 表征
Zapfe 2024 的 CSD 质心追踪方法可独立分析 NVU 类器官的神经回路层与血管层活动PMID:38026689, 精读报告 08：
- 神经回路层：通过 CSD sink-source 模式识别"皮层-海马"、"DG-CA3"等不连通回路
- 血管层：通过内皮细胞标记 + 慢速电位漂移识别血管舒缩信号
- 耦合层：通过 CSD 质心轨迹与血管反应的时间相关性分析"神经 → 血管"的因果路径
7.3 关键技术挑战
| 挑战 | 当前局限 | 未来方向 |
|---|---|---|
| 3D 球体 CSD 反演 | 二阶导数算子假设平面结构 | 球面拉普拉斯算子 |
| 血管-神经信号分离 | 频谱重叠（血管信号在 0.1-1 Hz，神经在 1-1000 Hz） | 自适应滤波 + AI 解耦 |
| 长期耦合稳定性 | 类器官培养 >100 天后血管网络退化 | 血管化 + 长期培养组合方案 |
| 多模态验证 | 电生理 + 光学 + 钙成像 + 血管造影的同步 | 全息 HD-MEA + 多光子同步 |
8. 临床转化与疾病建模
8.1 药物筛选
脑类器官 MEA 已被多个大型药企用于：
- 抗癫痫药物筛选（4-AP / Bic 诱发模型 + 候选药物救援）
- 神经退行性药物评估（AD/PD/ALS 模型）
- 发育神经毒性测试（OECD 测试指南 DNT 替代方案）
- PK/PD 建模（脑类器官 MEA + 药代动力学参数）
8.2 监管考量
- FDA Modernization Act 2.0 (2022)：动物实验不再是临床试验必需，类器官 + MEA 等 NAMs（New Approach Methodologies）被认可PMID:41625301
- OECD DNT 指南：推荐使用 hiPSC 衍生神经元 + MEA 作为发育神经毒性体外评估方案
- EMA：接受类器官 + MEA 数据支持临床试验申请
8.3 主要瓶颈
- 批次稳定性：hiPSC 衍生类器官的批次差异仍是核心问题
- 成熟度：类器官在体外难以达到与成年大脑相当的成熟度
- 体内-体外相关性：类器官 MEA 数据与临床疗效的相关性仍需大规模验证
- 监管路径：复杂产品（细胞+材料+设备+AI）的归类与审批仍需明确
9. 未解决问题
本综述梳理出 10 个未解决的关键科学/技术问题：
- 类器官成熟度评估的金标准：CSD 复杂度 + Network burst 频率 + 长时程稳定性 = 成熟度指标？
- NVU 类器官的神经-血管耦合定量：神经活动 → 血管反应的时间常数？因果性如何验证？
- 3D 球体 CSD 反演算法：传统二阶导数算子在球面结构上的适用性？
- AI 解码复杂网络模式：从 4096+ 通道 raster 中提取"疾病指纹"的最优架构？
- 多类器官同步记录：多个脑类器官在 HD-MEA 上的同步化机制？
- 长期培养 >200 天的功能稳定性：类器官在长期培养中的电生理漂移？
- 药物筛选的标准化：跨实验室的脑类器官 MEA 数据可比性？
- 个体化医疗的工业化：患者 iPSC 衍生类器官的工业化 MEA 表征？
- 数据共享与开源工具：Brainwaves Analyzer / autoMEA 等工具的标准化？
- 伦理与监管框架：脑类器官"意识"问题在 NVU 模型上的法律边界？
10. 结论
CMOS HD-MEA 平台为脑类器官电生理研究提供了"全网络、长时程、高空间分辨率"的核心技术支撑。本综述基于 15 篇 2020-2026 年核心文献 + 8 张客户应用数据图，梳理了 HD-MEA 平台基础、神经电生理读出、CSD 分析方法学、皮层-海马与脑 Assembloid 应用、Zonal 分区分析、药理学验证、临床转化 7 大主题。关键技术突破包括：
- CMOS HD-MEA 4096-26400 通道 CMOS-MEA（BioCAM / HyperCAM Alpha 6-well / HyperCAM Delta 24-well / Accura-3D）
- Zapfe 2024 2D CSD + 质心追踪（多回路独立分析）
- ACRO+CMOS HD-MEA 合作工作流（培养 100 天 + BrainPhys™ 适应 15 天 + 三步药理学验证）
- 多模态融合（电生理 + 显微镜 + 热图叠加）
关键瓶颈仍集中在类器官成熟度、长期培养稳定性、3D 球体 CSD 反演算法、跨实验室标准化四大维度。未解决问题清单（10 条）指明未来 5-10 年的研究重点。
参考文献
- Sharf T, et al. Emerging Bioelectronics for Brain Organoid Electrophysiology. Adv Mater. 2022. PMID:34293341
- Trujillo CA, et al. Electrophysiological Maturation of Cerebral Organoids Correlates with Dynamic Changes in the Mitochondrial Network. Nat Commun. 2020. PMID:32976764
- Yoon SJ, et al. High-throughput screening of human induced pluripotent stem cell-derived cerebral organoids. Nat Protoc. 2020. PMID:32032714
- Zapfe K, et al. Spatiotemporal analysis of 3D human iPSC-derived neural networks using a high-density CMOS-based MEA platform. J Neurophysiol. 2023. PMID:38026689
- Cotterill E, et al. Standardizing a method for functional assessment of neural networks in 3D brain organoids. Stem Cell Reports. 2024. PMID:38825241
- autoMEA: machine learning-based burst detection for multi-electrode arrays. J Neurosci Methods. 2024. PMID:39703343
- MEA-Based Graph Deviation Network for Early Autism Syndrome Signatures. Adv Sci. 2025. PMID:41210185
- NOVA: a novel R-package enabling multi-parameter analysis and visualization of MEA data. Bioinformatics. 2025. PMID:41256516
- Functional Connectivity of Electrically Stimulated HiPSCs-Derived Neuronal Networks. Adv Sci. 2025. PMID:41336494
- Development of a network formation assay for developmental neurotoxicity testing. Neurotoxicology. 2025. PMID:41106560
- Electrical and chemical modulation of homogeneous and heterogeneous human neural networks. Cell Stem Cell. 2024. PMID:38380114
- Bringing cellular clarity to the cortical component of ALS with a high-density MEA platform. Cell Reports. 2026. PMID:42012311
- Network Hypoactivity in ALG13-CDG: Disrupted Developmental Pathways and Functional Rescue. Cell Reports. 2026. PMID:41597222
- ALG13 loss-of-function alters glycosylation, impairs neuronal maturation, and causes network hypoactivity. Am J Hum Genet. 2025. PMID:40791506
- Variant-specific in vitro neuronal network phenotypes and drug sensitivity in MEF2C-related disorders. Neuron. 2024. PMID:38544375
- Modeling mTORopathy-related epilepsy in cultured murine hippocampal neurons using MEA. Neurobiol Dis. 2024. PMID:38914275
- Nonclinical human neural new approach methodologies (NAMs): Electrophysiology-based assessment. ALTEX. 2025. PMID:41625301
转发语
🧬 CMOS HD-MEA 已将脑类器官电生理记录从"几十通道、随机放电"推进到"4096-26400 通道、网络级、长期监测"。本文综合 17 篇 2020-2026 年核心文献 + 8 张客户应用数据图，归纳 4 大趋势：(1) 通道密度从 60 跃升至 26400 电极，使脑 Assembloid 多脑区同步记录成为常规实验；(2) Zapfe 2024 2D CSD + 质心追踪方法学突破，首次实现不连通分量的独立追踪，为 NVU 类器官神经-血管耦合分析奠定方法学基础；(3) 三步药理学验证（4-AP/Bic 诱发 + TTX 阻断）成为脑类器官电生理功能完整性的金标准工作流；(4) 长期培养箱内记录（数周-数月）解决了类器官成熟度评估与未解决疾病建模的核心瓶颈。
联系人 ｜ 李东伟
📞 18045130660
🌐 https://www.biokingdom.top