几十年来，微生理结构（Microphysiological Constructs，MPC）和微生理系统（Microphysiological Systems，MPS）取得了显著进展——从自组装细胞团到器官芯片的快速发展。这些技术被认为能够替代动物模型，应用于药物研发、个体化治疗及再生修复等领域。同时，类器官、器官芯片、生物材料、生物3D打印以及人工智能等领域的先进技术的交叉融合，为MPC和MPS构建策略提供了新的思路。

中国科学院动物研究所/北京干细胞与再生医学研究院顾奇团队分别联合澳大利亚伍伦贡大学Jun Chen教授、Gordon Wallace教授和中国科学院网络中心大数据知识工程研发团队杜一、崔文娟研究员以及中国科学院动物研究所李鑫团队，围绕MPC和MPS领域发展进行综述，建立器官制造数据库，并以肝脏作为研究对象，建立多形式组织工程肝脏的预测模型；相关成果分别发表在Small Methods、International Journal of AI for Material and Design (IJAMD) 和Lab on a Chip期刊上。

1. 微生理结构和微生理系统：生物制造策略、仿生评估方法和生物医学应用的综述

该综述“Microphysiological Constructs and Systems: Biofabrication Tactics, Biomimetic Evaluation Approaches, and Biomedical Applications”发表于Small Methods，为当期内封面文章。

该文以“人体生理系统-器官”为索引，重点解读了MPCs和MPSs的构建策略中，生物材料、生物油墨、3D生物打印、微纳加工、生物传感、数据建模等技术的最新进展，总结了仿生结构和功能评估的量化方法，阐述了其在药物发现、个体化治疗及药物靶向递送中的作用。文章指出，MPCs和MPSs的制造和评价目前尚缺乏清晰的行业标准，需要加快推进标准化协议和验证方法的开发，以提高其可转化性、可重复性和可预测性。

作为传统动物试验替代方案，MPS和MPC在组织工程、再生医学和药物发现领域彰显出巨大的应用潜力，但在应用过程中仍面临一些急需解决的挑战。例如，实现多器官功能耦合、深度免疫化和血管化，以复现人体不同尺度器官之间复杂的相互作用和调控机制，从而构建更真实的生理病理模型，便是面临的重要挑战之一。未来，随着多学科技术深度发展融合，MPSs和MPCs在结构和功能上会更接近人体，为再生医学、药物开发、精准治疗的研究范式带来颠覆性变革。

文章链接：https://doi.org/10.1002/smtd.202300685

2. 可分析预测的综合性器官制造数据库

2024年1月29日，International Journal of AI for Material and Design（IJAMD）刊登了题目为“Manufacturing multi-organs database: A comprehensive, predictive, and analytical biofabrication database”的文章。

组织工程化器官的生物制造过程，包含仿生设计、细胞培养和分化、生物活性材料合成和优化、时序性细胞命运调控等诸多环节，涉及材料化学、3D生物打印、微流体控制、微纳加工等多学科技术。因此，目前已发表的器官制造文献提供了复杂多样的实验数据及先验知识。然而，如何整合并理解这些丰富的资料仍然是一个挑战。顾奇团队与合作者通过建立一个实时更新的多器官数据库（manufacturing multi-organs database, MMDB），通过分析37个人体典型器官相关的5129篇论文，提取生物制造中常用的细胞调控、材料修饰和制造策略等信息，构建了一个可预测最佳构建策略和器官功能指标的机器学习模型，量化分析出器官从制造到应用全流程的材料特性、制造策略和功能等指标，帮助研究人员优化实验设计，为器官特异性的最优设计方案提供参考。同时，MMDB还提供包括热点分析、趋势判断、国际合作分析、器官功能和生物材料的综合知识图谱等知识服务。MMDB作为一个重要且易于访问的器官制造知识库，研发团队希望它能为众多实验设计提供辅助和优化方案，推动生物制造领域不断进步。

数据库网址：http://data.iscr.ac.cn/mmdb/

文章链接：https://doi.org/10.36922/ijamd.2420

3. 基于机器学习的人工器官功能评估：3P模式框架与验证

该研究成果于2024年2月7日发表在Lab on a chip上，题目为“Assessing bioartificial organ function: the 3P model framework and its validation”，并被选为当期内封面文章。

近年来，类器官、3D打印、器官芯片等技术快速发展，用于模拟器官结构及功能。以人工肝脏为例，研究者们通过以上方式构建了众多体外培养模型，累积了丰富实验数据。然而各研究间存在一定异质性，目前缺少人工肝脏功能数据的标准化、多手段对比及功能预测策略。本研究提取了近十年体外人工肝模型实验数据，比较了多个机器学习回归预测模型，剖析了基于2D、3D自组装（无材料）、3D支架（含材料）及芯片四种类型的人工肝脏功能，确定了各制造参数的重要程度，用于设计制造参数优化（Pre-design）；揭示了制造参数对培养周期内人工肝白蛋白和尿素分泌能力的影响（Present）；此外，该研究还预测了体外人工肝脏系统的功能维持能力 （Predict）。虽然符合筛选标准的数据有限，但该模型仍能较好地拟合现有实验结果，为评估人工肝脏功能提供了参考，也为其他类型器官的体外制造手段评估提供了借鉴。

3P 模型技术路线图

文章链接：https://pubs.rsc.org/en/content/articlelanding/2024/lc/d3lc01020a/unauth

这些工作获得了中国科学院A类先导专项“器官重建与制造”（XDA16020802）、国家自然科学基金（T2222029和U21A20396），国家重点研发计划（2022YFA1104701）、北京干细胞与再生医学研究院孵化基金和中国博士后科学基金（2022M710903）项目资助。