特表 2024-536618 化学化合物の作用をテストするためのシステムおよび方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-10-04

(54)【発明の名称】化学化合物の作用をテストするためのシステムおよび方法

(51)【国際特許分類】

   C12Q 1/02 20060101AFI20240927BHJP

   C12M 1/34 20060101ALI20240927BHJP

   C12N 5/0793 20100101ALN20240927BHJP

   C12N 5/0797 20100101ALN20240927BHJP

【ＦＩ】

C12Q1/02

C12M1/34 A

C12N5/0793

C12N5/0797

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2024525772

(86)(22)【出願日】2022-10-28

(85)【翻訳文提出日】2024-06-11

(86)【国際出願番号】 AU2022051299

(87)【国際公開番号】W WO2023070163

(87)【国際公開日】2023-05-04

(31)【優先権主張番号】17/515,269

(32)【優先日】2021-10-29

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

(71)【出願人】

【識別番号】524158106

【氏名又は名称】シーシーラブス ピーティーワイ リミテッド

(74)【代理人】

【識別番号】110002077

【氏名又は名称】園田・小林弁理士法人

(72)【発明者】

【氏名】チョン， ホン ウェン

(72)【発明者】

【氏名】ケーガン， ブレット ジョセフ

(72)【発明者】

【氏名】キッチン， アンディー シー．

【テーマコード（参考）】

4B029

4B063

4B065

【Ｆターム（参考）】

4B029AA07

4B029BB11

4B029FA15

4B063QA05

4B063QQ08

4B063QS36

4B063QX01

4B063QX04

4B065AA90X

4B065AC20

4B065CA46

(57)【要約】

生物学的ニューロンへの化学化合物の作用のｉｎ ｖｉｔｒｏテストを実施する方法が、実施形態において開示される。本方法は、ｉｎ ｖｉｔｒｏ生物学的ニューロンを、ニューロンの認知機能を表現するタスクを実施するようにトレーニングすることと、タスクを実施するニューロンの能力に基づいて、ニューロンの第１の認知機能値を決定することと、ニューロンを化学化合物に露出することと、化学化合物への露出中におよび／または露出の後に、タスクを実施するニューロンの能力に基づいて、ニューロンの第２の認知機能値を決定することと、第２の認知機能値を第１の認知機能値と比較することと、第２の認知機能値と第１の認知機能値との間の差に基づいて、ニューロンの認知機能への化学化合物の作用を決定することとを含む。
【選択図】図１Ｂ

【特許請求の範囲】

【請求項1】

認知機能のｉｎ ｖｉｔｒｏテストを実施する方法であって、
第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンを、タスクを実施するようにトレーニングすることであって、前記タスクを実施する前記第１の複数の生物学的ニューロンの能力が、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの認知機能を表現する、第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンをトレーニングすることと、
前記タスクを実施する前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの能力に基づいて、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの第１の認知機能値を決定することと、
前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンを化学化合物に露出することと、
前記化学化合物への露出中にまたは露出の後に、前記タスクを実施する前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの前記能力に基づいて、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの第２の認知機能値を決定することと、
前記第２の認知機能値を前記第１の認知機能値と比較することと、
前記第２の認知機能値と前記第１の認知機能値との間の差に基づいて、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの前記認知機能への前記化学化合物の作用を決定することと
を含む、方法。

【請求項2】

前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンが、多電極アレイ（ＭＥＡ）、または光学システムを備える基板上に配設される、請求項１に記載の方法。

【請求項3】

前記ＭＥＡ、または前記光学システムを備える前記基板上に配設された、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンを、前記タスクを実施するようにトレーニングすることは、
処理論理からデジタル入力シグナルを受信することと、
前記デジタル入力シグナルを複数の電気または光学インパルスのための命令に変換することであって、前記複数の電気または光学インパルスの各電気または光学インパルスが２次元（２Ｄ）座標に関連付けられる、前記デジタル入力シグナルを複数の電気または光学インパルスのための命令に変換することと、
前記命令に従って前記ＭＥＡにおける２Ｄグリッドの指定された座標において前記複数の電気または光学インパルスを適用することと、
前記２Ｄグリッドの１つまたは複数の追加の座標において、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンのうちの１つまたは複数によって出力された電気または光学シグナルを測定することと、
前記電気または光学シグナルの表現を生成することと、
前記電気または光学シグナルの前記表現に基づいて前記処理論理に応答を送ることと、
前記処理論理からトレーニングシグナルを受信することであって、前記トレーニングシグナルが、前記処理論理のターゲット目的が前記電気シグナルの前記表現によって満たされたかどうかを示す、トレーニングシグナルを受信することと、
前記処理論理の前記ターゲット目的が満たされたかどうかに基づいて、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンのための刺激を決定することと、
前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンに前記刺激を出力することと
を含む、請求項２に記載の方法。

【請求項4】

前記トレーニングシグナルは、前記処理論理の前記ターゲット目的が満たされたことを示し、前記刺激が、化学、光学または電気報酬刺激である、請求項３に記載の方法。

【請求項5】

前記刺激が、設定されたパターンに従う予測可能な刺激を含む、請求項４に記載の方法。

【請求項6】

前記トレーニングシグナルは、前記処理論理の前記ターゲット目的が満たされなかったことを示し、前記刺激が、化学、光学または電気罰刺激である、請求項３に記載の方法。

【請求項7】

前記罰刺激が、任意の設定されたパターンに従うことに失敗する予測不可能な刺激を含む、請求項６に記載の方法。

【請求項8】

前記予測不可能な刺激が、ロケーションのランダム選択における、および／またはランダムタイミングで送達される、電気または光学インパルスを含む、請求項７に記載の方法。

【請求項9】

前記化学化合物が薬物を含む、請求項１に記載の方法。

【請求項10】

前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンが、第１の遺伝子型を有する第１の幹細胞源から生成される第１の複数の合成ヒトニューロンを含む、請求項１に記載の方法。

【請求項11】

前記第１の遺伝子型とは異なる第２の遺伝子型を有する第２の幹細胞源から生成される第２の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの前記認知機能への前記化学化合物の前記作用を決定することと、
前記第２の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの前記認知機能への前記化学化合物の前記作用を、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの前記認知機能への前記化学化合物の前記作用と比較することと、
前記比較することに少なくとも部分的に基づいて、前記化学化合物の前記作用が遺伝子型に対する依存を有するかどうかを決定することと
をさらに含む、請求項１０に記載の方法。

【請求項12】

前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンが、胚源からの複数の動物ニューロンを含む、請求項１に記載の方法。

【請求項13】

前記認知機能への前記化学化合物の前記作用が、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの前記認知機能を低減する有害な作用であると決定すること
をさらに含む、請求項１に記載の方法。

【請求項14】

前記認知機能への前記化学化合物の前記作用が、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの前記認知機能を改善する有益な作用であると決定すること
をさらに含む、請求項１に記載の方法。

【請求項15】

前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンが、知られている病理を呈する、請求項１に記載の方法。

【請求項16】

前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンが、一般的な細胞株からのものである、請求項１に記載の方法。

【請求項17】

前記第１の認知機能値が第１の神経臨界値を含み、前記第２の認知機能値が第２の神経臨界値を含む、請求項１に記載の方法。

【請求項18】

第１の多電極アレイ（ＭＥＡ）であって、
励起サイトの２次元（２Ｄ）グリッドと、
前記ＭＥＡ上に配設された第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンと、
励起サイトの前記２Ｄグリッド上の座標を有する励起サイトにおいて、複数の電気または光学インパルスを適用するための処理デバイスと、
前記２Ｄグリッドの座標において、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンのうちの１つまたは複数によって出力されたシグナルを測定するための１つまたは複数のセンサーであって、前記処理デバイスが、前記１つまたは複数のセンサーから前記シグナルを受信することと、前記シグナルの表現を生成することとを行うためのものである、１つまたは複数のセンサーと
を備える、第１の多電極アレイ（ＭＥＡ）と、
前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンを化学化合物に露出するように構成された第１の化学入力と、
前記ＭＥＡに接続されたコンピューティングデバイスであって、前記コンピューティングデバイスは、
前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンを、タスクを実施するようにトレーニングすることであって、前記タスクを実施する前記第１の複数の生物学的ニューロンの能力が、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの認知機能を表現する、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンをトレーニングすることと、
前記化学化合物への露出の前に、前記タスクを実施する前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの能力に基づいて、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの第１の認知機能値を決定することと、
前記化学化合物への露出中にまたは露出の後に、前記タスクを実施する前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの前記能力に基づいて、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの第２の認知機能値を決定することと、
前記第２の認知機能値を前記第１の認知機能値と比較することと、
前記第２の認知機能値と前記第１の認知機能値との間の差に基づいて、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの前記認知機能への前記化学化合物の作用を決定することと
を行うためのものである、コンピューティングデバイスと
を備える、ｉｎ ｖｉｔｒｏ化学化合物テストシステム。

【請求項19】

前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンを、前記タスクを実施するようにトレーニングするために、前記コンピューティングデバイスは、
デジタル入力シグナルを受信することと、
前記デジタル入力シグナルを前記複数の電気または光学インパルスのための命令に変換することと、
前記ＭＥＡに前記命令を送ることと、
前記ＭＥＡから前記シグナルの前記表現を受信することと、
前記シグナルの前記表現を処理することと、
トレーニングシグナルを受信することであって、前記トレーニングシグナルが、ターゲット目的が電気シグナルの前記表現によって満たされたかどうかを示す、トレーニングシグナルを受信することと、
前記ターゲット目的が満たされたかどうかに基づいて、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンのための刺激を決定することと、
前記ＭＥＡに、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンに前記刺激を出力するための命令を送ることと
を行うためのものである、請求項１８に記載のｉｎ ｖｉｔｒｏ化学化合物テストシステム。

【請求項20】

前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンが、第１の遺伝子型を有する第１の幹細胞源から生成される第１の複数の合成ヒトニューロンを含む、請求項１８に記載のｉｎ ｖｉｔｒｏ化学化合物テストシステム。

【請求項21】

第２のＭＥＡであって、前記第２のＭＥＡ上に配設された第２の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンを備え、前記第２の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンが、前記第１の遺伝子型とは異なる第２の遺伝子型を有する第２の幹細胞源から生成される、第２のＭＥＡと、
前記第２の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンを前記化学化合物に露出するように構成された第２の化学入力と
をさらに備え、
前記コンピューティングデバイスは、
前記第２の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの認知機能への前記化学化合物の作用を決定することと、
前記第２の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの前記認知機能への前記化学化合物の前記作用と、前記第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの前記認知機能への前記化学化合物の前記作用との比較を行うことと、
前記比較に少なくとも部分的に基づいて、前記化学化合物の前記作用が遺伝子型に対する依存を有するかどうかを決定することと
をさらに行うためのものである、請求項２０に記載のｉｎ ｖｉｔｒｏ化学化合物テストシステム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示の実施形態は、一般に、化学化合物のテストに関し、特に、認知機能への薬剤の作用をテストするためのなど、薬物テストのための、神経学的計算および実験プラットフォームの使用に関する。

【背景技術】

【0002】

すべての新しい薬物（本明細書では薬剤とも呼ばれる）は、それらの薬物が販売され得る前に評価されなければならない。薬物は、それらの薬物が正しく機能し、それらの薬物の健康上の利益がその危険を上回ることを保証するためにテストされる。ただ一度、薬物の独立したおよび公平なレビューが、薬物の健康上の利益がその危険を上回ることを立証すれば、薬物は販売について承認される。

【0003】

現在、薬物の効力と薬物に関連付けられた危険の両方を査定するために薬物に対して実施される、多くの異なるタイプのテストがある。残念ながら、認知機能への薬物の作用をテストするための唯一の知られている技法は、薬物がある個体に対して実際に使用され、その個体の認知機能への薬物の作用が測定される、ｉｎ ｖｉｖｏテストである。人々（または動物）に対する薬物のそのようなテストは、費用がかかり、時間がかかり、薬物がテストされる対象のそれらの人々（または動物）に危険をもたらす。さらに、非ヒト動物に対するテストは、ヒトへの限られた適用可能性を有することが広く知られており、特定のヒトの遺伝的差を考慮することができない。

【0004】

本明細書で説明される実施形態は、以下で与えられる詳細な説明から、および添付の図面から、より十分に理解されるが、これらは、本出願を特定の実施形態に限定するものととられるべきでなく、説明および理解のためのものにすぎない。

【図面の簡単な説明】

【0005】

【図1A】一実施形態による、生物学的（ｂｉｏｌｏｇｉｃａｌ）コンピューティングプラットフォームのための例示的なシステムアーキテクチャを示す図である。

【図1B】一実施形態による、例示的なｉｎ ｖｉｔｒｏ化学化合物テストシステムを示す図である。

【図2】生物学的コンピューティングプラットフォームを使用する方法のための一実施形態を示すシーケンス図である。

【図3】生物学的コンピューティングプラットフォームにおいて生物学的ニューロンに強化学習を提供する方法のための一実施形態を示すシーケンス図である。

【図4】生物学的コンピューティングプラットフォームを使用する方法のための一実施形態を示す流れ図である。

【図5】ニューロンの認知機能への化学化合物の作用をテストする方法のための一実施形態を示す流れ図である。

【図6】ニューロンの多くの異なる試料に対して認知機能への化学化合物の作用をテストする方法のための一実施形態を示す流れ図である。

【図7】一実施形態による、例示的なコンピューティングデバイスを示す図である。

【発明を実施するための形態】

【0006】

ニューロンの認知機能への薬剤などの化学化合物の作用をテストするために使用可能なｉｎ ｖｉｔｒｏ化学化合物テストシステムの実施形態が、本明細書で説明される。また、ニューロンの認知機能への化学化合物の作用のｉｎ ｖｉｔｒｏテストを実施する方法が、本明細書で説明される。実施形態は、薬物発見、薬物有効性テスト、薬物副作用テストなどのために実践され得る。テストは、たとえば、一般的な細胞株を使用して、および／または当該の特定の患者からの幹細胞株から成長させられたニューロンを使用して、実施され得る。

【0007】

実施形態では、（ニューラル計算および実験プラットフォームとも呼ばれる）生物学的コンピューティング研究プラットフォーム、および／またはｉｎ ｖｉｔｒｏ化学化合物テストシステムとして実装され得る、生物学的コンピューティングプラットフォームが、ｉｎ ｖｉｔｒｏ化学化合物テストを実施するために使用され得る。生物学的コンピューティングプラットフォームは、生物学的ニューラルネットワークへのネットワークアクセスを提供する（たとえば、クラウドを通して生物学的ニューラルネットワークリソースを公開する）、生物学的コンピューティングクラウドプラットフォームであり得る。一実施形態では、生物学的コンピューティングプラットフォームは、生物学的ニューロン（たとえば、皮質ニューロン）のネットワークを外面化し、生物学的ニューラルネットワークとコンピューティングデバイス上で実行される仮想環境との間のインターフェースを提供する。したがって、生物学的コンピューティングプラットフォームは、生物学的ニューラルネットワークと仮想環境との間の求心性（たとえば、視覚入力または他の入力）／遠心性（たとえば、運動出力または他の出力）ループを作成する。

【0008】

生物学的コンピューティングプラットフォームは、ニューロンのグループまたはクラスターを、（たとえば、コンピュータゲームをプレイするなど、仮想環境と相互作用するための）タスクを実施するようにトレーニングするために使用され得る。タスクは、問題解決および／または意思決定を必要とする双方向タスクであり得る。タスクを実施するための、トレーニングされたニューロンの成功の程度は、ニューロンの認知機能を表現し得る（たとえば、ニューロンの認知機能の代用として使用され得る）。生物学的コンピューティングプラットフォームが、ニューロンのグループまたはクラスターをタスクを実施するようにトレーニングするために使用されると、認知機能値が、タスクを実施するニューロンの能力に基づいて決定され得る。たとえば、タスクが、コンピュータゲームＰｏｎｇをプレイすることである場合、認知機能値は、ゲームが終了する前にニューロンがゲームをプレイすることが可能である時間の量、および／またはニューロンによって達せられ得るゲームのレベルであり得る。ニューロンが化学化合物の作用の下にない間に、ベースライン認知機能値が決定され得る。ニューロンは、ある化学化合物（または複数の化学化合物）に露出され得、別の認知機能値が、（１つまたは複数の）化学化合物への露出中にまたは露出の後に（たとえば、ニューロンが化学化合物の作用の下にある間に）決定され得る。ニューロンの認知機能への（１つまたは複数の）化学化合物の作用は、次いで、露出後認知機能値とベースライン認知機能値との間の差に基づいて決定され得る。そのようなテストは、一般的な細胞株からのおよび／または特定の遺伝子型に関連付けられた幹細胞株からのものであり得る、ニューロンの多くの異なるグループまたはクラスターのために実施され得る。統計的分析が、その結果に対して実施されて、大きい集団にわたる化学化合物の作用を決定し得る。

【0009】

いくつかの実施形態では、決定された認知機能値は、神経臨界（ｎｅｕｒｏ ｃｒｉｔｉｃａｌｉｔｙ）値であるか、または神経臨界値に少なくとも部分的に基づく。ニューロンの神経臨界が測定され得、ニューロンが化学化合物の影響下にない間に、ベースライン神経臨界値がそれらのニューロンのために決定され得る。ニューロンは、次いで、１つまたは複数の化学化合物に露出され得、神経臨界が再び測定され得る。化学化合物の影響下のニューロンの神経臨界値は、ニューロンのベースライン神経臨界値と比較され得、化学化合物の影響を受けた（１つまたは複数の）神経臨界値と（１つまたは複数の）ベースライン神経臨界値との間の差が、ニューロンへの化学化合物の作用を決定するために使用され得る。

【0010】

人工ニューラルネットワークを符号化および復号するように開発された機構は、概して、生物学的ニューラルネットワークに適用不可能である。人工ニューラルネットワークでは、データが、浮動小数点ベクトルとして頻繁に符号化され、これは、次いで、人工ニューラルネットワークに入力される。人工ニューラルネットワークは、次いで、概して、さらなるベクトルを出力するようにトレーニングされ、これらのベクトルは、容易に復号可能である。しかしながら、生物学的ニューラルネットワークでは、データは、生物学的ニューロンの集団の活動電位（ａｃｔｉｏｎ ｐｏｔｅｎｔｉａｌ）のスパイク（たとえば、細胞膜にわたる電圧変動）として符号化される。実施形態では、生物学的コンピューティングプラットフォームは、生物学的ニューラルネットワークによって解釈され得るシグナルを生成するための、および生物学的ニューラルネットワークによって生成された出力シグナルを復号するための、エンコーダ／デコーダとして働く。

【0011】

実施形態は、コンピューティングデバイスに接続された光学入力および／または出力シグナルを使用する、多電極アレイ（ＭＥＡ：ｍｕｌｔｉｅｌｅｃｔｒｏｄｅ ａｒｒａｙ）および／またはＭＥＡに対するオプティクスベース等価物を含み得る、生物学的コンピューティングプラットフォームを提供する。コンピューティングデバイスは、物理的コンピューティングデバイスまたは仮想コンピューティングデバイスであり得る。コンピューティングデバイスは、コンピューティングデバイスが、ＭＥＡおよび／または他のシステムと（ならびにＭＥＡおよび／または他のシステム内に含まれている生物学的ニューラルネットワークと）通信することを可能にする、インターフェース（本明細書ではＭＥＡインターフェースと呼ばれるが、それは、オプティクスベースシステムまたは光学システムを備える基板など、他のシステムとインターフェースする（ｉｎｔｅｒｆａｃｅ）こともできる）を実行し得る。光学システムは、光学ＭＥＡ、ｐｈｏｓｏｍｉｌｉａシステム（ｐｈｏｓｏｍｉｌｉａ ｓｙｓｔｅｍ）、または光学エネルギー交換システムと呼ばれることがある。コンピューティングデバイスは、さらに、ＭＥＡインターフェースとインターフェースする、実験論理または仮想環境を実行し得る。ＭＥＡインターフェースは、実験論理または仮想環境からデジタル入力シグナルを受信し、デジタル入力シグナルをＭＥＡおよび／または他のシステムのための命令に変換し、次いで、それらの命令をＭＥＡおよび／または他のシステムに送り得る。それらの命令は、ＭＥＡおよび／または他のシステムが、２Ｄグリッド上の座標を有する励起サイト、あるいはＭＥＡおよび／または他のシステムにおけるサイト（たとえば、励起サイト）の他のアレイにおいて、複数の電気または光学インパルスを適用することを引き起こし得る。ＭＥＡインターフェースは、さらに、ＭＥＡおよび／または他のシステムからの２Ｄグリッドまたは他のアレイ上のロケーションにおいて測定された、電気および／または光学シグナルの表現を受信し、その表現に基づいて実験論理または仮想環境のための応答を生成し、それらの応答を実験論理または仮想環境に送り得る。このようにして、ＭＥＡインターフェースは、仮想環境または実験論理が、ＭＥＡおよび／または他のシステム上の生物学的ニューラルネットワークと相互作用することを可能にする。

【0012】

一実施形態では、生物学的コンピューティングプラットフォームは、コンピューティングデバイスに接続されたＭＥＡを含む。ＭＥＡは、励起サイトの２次元（２Ｄ）グリッドと、ＭＥＡ上に配設された複数の生物学的ニューロンと、処理デバイスまたは集積回路とを含み得る。代替的に、ＭＥＡは、回路のないチップであり得、これは、（たとえば、プリント回路板を介して）処理デバイスまたは集積回路に接続され得る。処理デバイスは、相補型金属酸化物半導体（ＣＭＯＳ）チップであり得る。一実施形態では、処理デバイスは、ネットワークアダプタ、アナログデジタル変換器および／またはデジタルアナログ変換器を含む、システムオンチップ（ＳｏＣ）の構成要素である。

【0013】

コンピューティングデバイスは、デジタル入力シグナルを受信または生成し、デジタル入力シグナルを複数の電気または光学インパルスのための命令に変換し、それらの命令をＭＥＡおよび／または他のシステムに送り得る。ＭＥＡおよび／または他のシステムは、デジタルアナログ変換器（ＤＡＣ）を使用して、それらの命令をデジタル形式からアナログ形式に変換し得、ＭＥＡおよび／または他のシステムの処理デバイスは、２Ｄグリッド上の座標を有する励起サイトまたは励起サイトの他のアレイにおいて、複数の電気または光学インパルスを適用し得る。実施形態では、細胞における電気応答を引き出すように設計された光学刺激と、細胞における電気応答を引き出すための電気刺激とは、両方とも、電気シグナルと呼ばれる。１つまたは複数のセンサーおよび／または処理デバイスは、２Ｄグリッドまたは他のアレイの座標において複数の生物学的ニューロンのうちの１つまたは複数によって出力された電気シグナルを測定し得る。実施形態では、ニューロンの励起は、光学センサーを使用してキャプチャされ得る。たとえば、ニューロンが発火したとき、そのような発火は、１つまたは複数の光学センサーによって光学的に検出され得る。したがって、本明細書で説明されるニューロンによって出力されるインパルスは、ニューロンの電気的状態を表現する光学シグナルとしてキャプチャされ得る。したがって、本明細書における、ニューロンによって出力される電気シグナルのいかなる説明も、１つまたは複数の光学センサーによって検出される光学シグナルとして測定され得る。処理デバイスは、次いで、電気シグナルおよび／または光学シグナルの表現を生成し得、その表現をコンピューティングデバイスに送り返し得る。コンピューティングデバイスは、その表現を、仮想環境または実験論理によって可読な応答に変換し得、その応答を実験論理または仮想環境に送り得る。

【0014】

いくつかの実施形態では、生物学的コンピューティングプラットフォームは、ＭＥＡがない完全光学システムである。代替的に、生物学的コンピューティングプラットフォームは、光学シグナルをニューロンに提供する、および／または光学シグナルをニューロンから受信する、光学システムとともにＭＥＡを含み得る。ＭＥＡに関して本明細書で説明される実施形態が、ＭＥＡ、ならびにＭＥＡと光学構成要素（たとえば、画像センサーおよび／または光源）とを含むハイブリッドシステムではなく、完全光学インターフェースが使用される、代替形態にも適用されることを理解されたい。光学インターフェースは、そのような実施形態においてＭＥＡによって旧来実施されるものと同様の機能を実施し得る。したがって、ＭＥＡへの言及は、ＭＥＡと同様の機能を実施する光学構成要素にも適用される。その上、本明細書で説明されるいかなる電気シグナルも、ニューロンに送達される電気シグナルとニューロンから受信される電気シグナルとを含む、電気シグナルの代わりにまたはそれに加えて光学シグナルが使用されるように、修正され得る。

【0015】

実施形態では、生物学的コンピューティングプラットフォームは、生物学的ニューロンと、それらのニューロンを１つまたは複数のタスクを実施するようにトレーニングすることができる仮想環境および／または実験論理との間のインターフェースを提供する。タスクを実施するニューロンの能力は、ニューロンの認知機能を表現し得、測定され得る。したがって、生物学的コンピューティングプラットフォームは、生物学的ニューロンの認知機能のｉｎ ｖｉｔｒｏテストを実施するために使用され得る。対照的に、認知機能をテストするための唯一のやり方は、歴史的に、ｉｎ ｖｉｖｏテストによるものであった。認知機能のｉｎ ｖｉｔｒｏテストを可能にすることによって、実施形態は、薬物テストのために使用され得るまったく新しい機構を提供する。本明細書で説明される実施形態を使用して、製薬会社は、一般的な集団へのおよび／または特定の遺伝子型への、開発中の薬物の作用をテストすることができる。さらに、製薬会社は、認知機能に影響する何らかの薬物相互作用があるかどうかを決定するために、薬物の複数の組合せのテストを実施することができる。そのようなテストは、各々別個のＭＥＡにおける、および、各々、タスクを実施するようにトレーニングされる、ニューロンの試料の多く（たとえば、数百個または数千個）をセットアップすることによって、ある規模において実施され得、そのタスクの実施は、測定され、認知機能を査定するために使用され得る。

【0016】

一実施形態では、認知機能のｉｎ ｖｉｔｒｏテストを実施する方法は、第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンを、タスクを実施するようにトレーニングすることであって、タスクを実施する第１の複数の生物学的ニューロンの能力が、第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの認知機能を表現する、第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンをトレーニングすることを含む。本方法は、タスクを実施する第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの能力に基づいて、第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの第１の認知機能値を決定することをさらに含む。本方法は、第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンを化学化合物に露出することをさらに含む。本方法は、化学化合物への露出中にまたは露出の後に、タスクを実施する第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの能力に基づいて、第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの第２の認知機能値を決定することをさらに含む。本方法は、第２の認知機能値を第１の認知機能値と比較することをさらに含む。本方法は、第２の認知機能値と第１の認知機能値との間の差に基づいて、第１の複数のｉｎ ｖｉｔｒｏ生物学的ニューロンの認知機能への化学化合物の作用を決定することをさらに含む。本方法は、第１の複数の生物学的ニューロンのために複数回実施され得、また、同じ遺伝子型および／または異なる遺伝子型の生物学的ニューロンの他のセットのために１回または複数回実施され得る。統計的分析が、その結果に対して実施されて、ニューロンの認知機能への化学化合物の作用を決定し得る。

【0017】

決定された認知機能は、電気アクティビティ（ａｃｔｉｖｉｔｙ）の単純な観測を超えるものである。電気アクティビティは、認知機能に相関しない生理的測度である。対照的に、実施形態は、認知機能のための測定可能なメトリックを提供する。このメトリックのための値が、化学化合物への露出の前および後に決定され得、これらの値間の差が、決定され、認知機能への化学化合物の定量化可能な作用を査定するために使用され得る。

【0018】

図１Ａは、一実施形態による、ニューロンの認知機能をテストするために使用され得る、生物学的コンピューティングプラットフォーム１００のための例示的なシステムアーキテクチャを示す。示されているように、生物学的コンピューティングプラットフォーム１００は、ネットワーク１２０を介して１つまたは複数のサーバコンピューティングデバイス１１０に接続された１つまたは複数のＭＥＡ１０５を含む。ネットワーク１２０は、ローカルエリアネットワーク、ワイドエリアネットワーク、プライベートネットワーク（たとえば、イントラネット）、パブリックネットワーク（たとえば、インターネット）、またはそれらの組合せであり得る。（１つまたは複数の）ＭＥＡ１０５と（１つまたは複数の）サーバコンピューティングデバイス１１０との間の接続は、ワイヤード接続、ワイヤレス接続、またはそれらの組合せを含み得る。代替的に、（１つまたは複数の）ＭＥＡ１０５は、（たとえば、ワイヤードまたはワイヤレス接続を介して）（１つまたは複数の）サーバコンピューティングデバイス１１０に直接接続され得る。

【0019】

サーバコンピューティングデバイス１１０は、物理機械、および／または物理機械によってホストされる仮想機械を含み得る。物理機械は、ラックマウントサーバ、デスクトップコンピュータ、または他のコンピューティングデバイスであり得る。一実施形態では、サーバコンピューティングデバイス１１０は、クラウドプロバイダシステムによって管理および提供される仮想機械を含む。クラウドサービスプロバイダによって与えられる各仮想機械は、クラウドの一部として構成された物理機械上でホストされ得る。そのような物理機械は、しばしば、データセンター中に位置する。クラウドプロバイダシステムおよびクラウドは、サービスとしてのインフラストラクチャ（ＩａａＳ）層として提供され得る。そのようなクラウドの一例は、Ａｍａｚｏｎ（登録商標）のＥｌａｓｔｉｃ Ｃｏｍｐｕｔｅ Ｃｌｏｕｄ（ＥＣ２（登録商標））である。

【0020】

サーバコンピューティングデバイス１１０は、ＭＥＡインターフェース１５０と１つまたは複数の仮想環境１５５とをホストし得る。ＭＥＡインターフェース１５０と（１つまたは複数の）仮想環境１５５とは、同じサーバコンピューティングデバイス１１０上でホストされ得るか、または、ネットワーク１２０を介して接続され得る、別個のサーバコンピューティングデバイス上でホストされ得る。

【0021】

（微小電極アレイとしても知られる）ＭＥＡ１０５は、ニューラルシグナルがそれらを通して取得および／または送達される複数のプレートまたはシャンクを含んでいるデバイスである。プレートまたはシャンクは、概して、グリッドまたは他のアレイで配置され、ニューロン１３５を電子回路に接続するニューラルインターフェースとして働く。ＭＥＡ１０５は、多くの生物学的ニューロン１３５および／あるいは溶液または他の培地（ｍｅｄｉｕｍ）（たとえば、栄養分の豊富な溶液）を収容する、記録チャンバ１４０を含む。これらの生物学的ニューロン１３５は、（たとえば、幹細胞からまたはラット脳から培養された）培養されたニューロンであり得る。生物学的ニューロン１３５は、一般的な細胞株からのものであり得るか、またはテストされるべき特定の形質をもつ細胞株からのものであり得る。たとえば、生物学的ニューロン１３５は、特定の遺伝子型を有する人の幹細胞から、またはテストが実施されるべきである特定の人から、または特定の病理を有する人から、培養され得る。

【0022】

生物学的ニューロンは、励起されたとき、それらの膜を通してイオン電流を作成し、これは、細胞の内側と外側との間の電圧の変化を引き起こす。記録するとき、ＭＥＡ上の電極は、イオンによって運ばれる、環境からの電圧の変化を、電子によって運ばれる電流（電子電流）にトランスデュースする。刺激するとき、電極は、電子電流を、培地を通るイオン性電流にトランスデュースし得る。これは、興奮性ニューロン（ｅｘｃｉｔａｂｌｅ ｎｅｕｒｏｎ）の膜上の電圧依存性（ｖｏｌｔａｇｅ－ｇａｔｅｄ）イオンチャネルをトリガし、ニューロンが、活動電位を脱分極およびトリガすることを引き起こす。

【0023】

記録されるシグナルのサイズおよび形状は、１つまたは複数のニューロンが位置する培地（たとえば、溶液）の性質（たとえば、培地の導電率、キャパシタンス、および均一性）と、ニューロンと電極との間の接触の性質（たとえば、接触のエリア、および密着性）と、電極の性質（たとえば、電極のジオメトリ、インピーダンス、およびノイズ）と、アナログシグナル処理（たとえば、システムの利得、帯域幅、およびカットオフ周波数の外側の挙動）と、データサンプリング特性（たとえば、サンプリングレートおよびデジタルシグナル処理）とに依存し得る。平面電極を部分的にカバーする単一のニューロンの記録では、接触パッドにおける電圧は、ニューロンと電極との重複する領域の電圧に、その重複する領域の表面エリアと電極全体のエリアとの比を乗算したものにほぼ等しい。ニューロン－電極挙動を予測する代替手段は、集中回路要素図においてシステムを単純化しすぎることの限界を避ける試みにおいて、ジオメトリベース有限要素分析を使用してシステムをモデル化することによるものである。

【0024】

（１つまたは複数の）ＭＥＡ１０５は、分離された細胞培養物（たとえば、生物学的ニューロンの培養物）に対して電気生理学的実験を実施するために使用され得る。分離されたニューロン培養物では、ニューロンは、生物学的ニューラルネットワークを自発的に形成する。（１つまたは複数の）ＭＥＡ１０５は、電極１３０のアレイと、生物学的ニューロン１３５の生きている培養物を、生物学的ニューロンを生きているように保つ、栄養分の豊富な溶液または他の溶液において含んでいる、記録チャンバ１４０とを含み得る。電極１３０のアレイは、平面アレイ（たとえば、２次元（２Ｄ）グリッド）または３次元（３Ｄ）アレイ（たとえば、３Ｄ行列）であり得る。優れたシグナル品質において、高い空間および時間分解能において、２Ｄ座標（または３Ｄ座標）において測定を行うために使用され得る、電極１３０のアレイ。さらに、電極１３０のアレイは、２Ｄ座標または３Ｄ座標において電気インパルスを適用するために使用され得る。

【0025】

（１つまたは複数の）ＭＥＡ１０５のうちの１つまたは複数が、ＣＭＯＳ回路など、集積回路１４５（または複数の集積回路）を含む、アクティブＭＥＡであり得る。（１つまたは複数の）集積回路１４５は、処理論理（たとえば、汎用または専用プロセッサ）、ネットワークアダプタ、デジタルアナログ変換器（ＤＡＣ）、アナログデジタル変換器（ＡＤＣ）、および／または他の構成要素を含み得る。ネットワークアダプタは、ワイヤードネットワークアダプタ（たとえば、イーサネットネットワークアダプタ）またはワイヤレスネットワークアダプタ（たとえば、Ｗｉ－Ｆｉネットワークアダプタ）であり得、（１つまたは複数の）ＭＥＡ１０５がネットワーク１２０に接続することを可能にし得る。一実施形態では、集積回路１４５は、汎用プロセッサ、マイクロコントローラ、デジタルシグナルプロセッサ（ＤＳＰ）、プログラマブル論理コントローラ（ＰＬＣ）、マイクロプロセッサ、あるいはフィールドプログラマブルゲートアレイ（ＦＰＧＡ）または複合プログラマブル論理デバイス（ＣＰＬＤ）などのプログラマブル論理デバイスであり得る、処理デバイスを含む。一実施形態では、集積回路１４５は、不揮発性メモリ（たとえば、ＲＡＭ）および／または揮発性メモリ（たとえば、ＲＯＭ、フラッシュなど）であり得る、メモリを含む。一実施形態では、集積回路１４５は、処理デバイス、メモリ、ネットワークアダプタ、ＤＡＣ、および／またはＡＤＣを含む、システムオンチップ（ＳｏＣ）である。

【0026】

一実施形態では、（１つまたは複数の）ＭＥＡ１０５のうちの１つまたは複数は、１つまたは複数のリード線および／またはプリント回路板（ＰＣＢ）を介して１つまたは複数の集積回路１４５に接続された、パッシブＭＥＡである。

【0027】

一実施形態では、ＭＥＡ１０５のうちの１つまたは複数は、２Ｄグリッドにおける指定された２Ｄ座標に光学インパルスを提供することが可能である光学源をさらに含む。光学源は、１つまたは複数の指定された波長を有する光を放出することが可能である発光要素（たとえば、発光ダイオード（ＬＥＤ）、電球、レーザーなど）を含み得る。したがって、ｏｐｔｏｇｅｎｉｃｓが、ニューラルアクティビティを操作するために使用され得る。さらに、特定の波長のレーザーが、特定のニューロンの高度に正確なターゲッティングのために使用され得る。光学刺激に対する応答は、次いで、以下でより詳細に説明されるように、（１つまたは複数の）ＭＥＡ１０５において電極によって、または画像センサーによって、測定され得る。電気刺激とは異なり、光刺激は、ターゲットにされたオプシンタンパク質を発現し得る特定の細胞（たとえば、ニューロン）を操作し、それにより、神経回路におけるニューロンの部分母集団の役割を調査することを可能にする。また、いくつかの実施形態では、ニューロンに入ると切断およびアクティブ化される特異的に修正されたカルシウムの免疫蛍光が、ニューロンのアクティブ化を画像化するためにカメラとペアにされ得る。

【0028】

一実施形態では、ＭＥＡ１０５のうちの１つまたは複数は、２Ｄグリッドにおける指定された２Ｄ座標に電気刺激を提供するが、光学シグナルが測定される。ＭＥＡ１０５は、ニューロンの電気励起を光学的に検出し、ニューロンのそのような検出された電気励起に基づいて光学シグナルを生成することが可能な、１つまたは複数の光学／画像センサーを含み得る。したがって、ｏｐｔｏｇｅｎｉｃｓが、ニューラルアクティビティを検出するために使用され得る。光学センサーは、電荷結合デバイス（ＣＣＤ）、相補型金属酸化物（ＣＭＯＳ）デバイス、および／または他のタイプの光学センサーを含み得る。

【0029】

ニューラルアクティビティを光学的に検出するための機構が、以下でさらに詳細に説明される。いくつかの実施形態では、ニューロンに入ると切断およびアクティブ化される特異的に修正されたカルシウムの免疫蛍光が、ニューロンのアクティブ化を画像化するために１つまたは複数の画像センサーとペアにされ得る。いくつかの実施形態では、遺伝的に符号化された電圧検出器が、所与のポイントにおいて細胞に導入され、光で刺激されたときにニューロンのアクティブ化を検出するために使用され得る。いくつかの実施形態では、ルシフェラーゼベース反応が、細胞に導入され、外部光刺激の必要なしに電圧の変化を検出するようにニューロンの電圧変化を検出する別の方法とペアにされ得る。

【0030】

一実施形態では、完全光学システムが、ＭＥＡの代わりに使用され得る。そのような実施形態では、ニューロンがプレーティングされた基板、および／または追加の構成要素が、２Ｄグリッドにおける指定された２Ｄ座標に光学インパルスを提供することが可能である、光学源を含み得る。光学源は、１つまたは複数の指定された波長を有する光を放出することが可能である発光要素（たとえば、発光ダイオード（ＬＥＤ）、電球、レーザーなど）を含み得る。さらに、特定の波長のレーザーが、特定のニューロンの高度に正確なターゲッティングのために使用され得る。さらに、基板および／または他の構成要素は、ニューロンの電気励起を光学的に検出し、ニューロンのそのような検出された電気励起に基づいて光学シグナルを生成することが可能な、１つまたは複数の光学センサーを含み得る。したがって、ｏｐｔｏｇｅｎｉｃｓが、ニューラルアクティビティを操作および検出するために使用され得る。

【0031】

アクティブＭＥＡ１０５の場合、オンチップシグナル多重化が、電気シグナルを記録することと、電気インパルスを提供することとにおいて、高い空間時間分解能を達成するために、多数の電極を提供するために使用され得る。その上、弱いニューロンシグナルが、専用回路ユニットによって電極において正しく調整され得、これは、大きいシグナル対ノイズ比を提供する。最終的に、アナログデジタル変換がチップ上で実施され得、したがって、安定したデジタルシグナルが生成される。

【0032】

ＭＥＡインターフェース１５０は、（１つまたは複数の）仮想環境１５５の入力／出力と、（１つまたは複数の）ＭＥＡ１０５の入力／出力との間で翻訳することを担当し得る。各仮想環境１５５が、１つまたは複数のＭＥＡ１０５および／または外部源から入力を受信し得る、ならびに出力を生成し得る、何らかの処理論理を含み得る。仮想環境の処理論理の一例は、人工ニューラルネットワーク、深層ニューラルネットワーク、畳み込みニューラルネットワーク、リカレントニューラルネットワークなど、機械学習モデルである。仮想環境中に含まれる他の機械学習モデルは、ｋ近傍法アルゴリズム、学習ベクトル量子化、自己組織化マップ、回帰分析、規則化アルゴリズムなどを適用し得る。仮想環境の処理論理の別の例は、サーバコンピューティングデバイス上で実行するアプリケーションである。たとえば、アプリケーションは、ゲーム（たとえば、Ｐｏｎｇ）であり得、ＭＥＡ１０５上の生物学的ニューロン１３５は、ゲームをプレイするようにトレーニングされ得る。アプリケーションはまた、実施されるべき１つまたは複数のタスクまたは解決されるべき問題を含む、任意の他のプログラムであり得、ＭＥＡ１０５上の生物学的ニューロン１３５は、１つまたは複数のタスクを実施するようにトレーニングされ得る。

【0033】

サーバコンピューティングデバイス１１０は、サードパーティが、仮想環境１５５をアップロードし、それらの仮想環境１５５を１つまたは複数のＭＥＡ１０５に接続することを可能にする、１つまたは複数のアプリケーションプログラミングインターフェース（ＡＰＩ）を提供し得る。各仮想環境１５５は、以下でより詳細に説明されるように、１つまたは複数のＭＥＡ１０５を割り当てられ得、それらのＭＥＡ１０５上のニューロン１３５を何らかのタスクを実施するようにトレーニングし得る。各仮想環境１５５は、仮想環境識別子（ＩＤ）を割り当てられ得、各ＭＥＡ１０５が、ＭＥＡ ＩＤを割り当てられ得る。仮想環境ＩＤは、データベースまたは他のデータストアにおいてＭＥＡ ＩＤ１０５に関連付けられ得、これらは、（１つまたは複数の）サーバコンピューティングデバイス１１０によって維持され得る。

【0034】

仮想環境１５５がＭＥＡ１０５とペアにされると、その仮想環境は、ＭＥＡ１０５のためにデジタル入力シグナルを提供し始め得る。仮想環境１５５は、たとえば、ベクトル（たとえば、疎なベクトルおよび／または浮動小数点ベクトル）、何らかの通信プロトコールに準拠するメッセージ、あるいは値の２Ｄまたは３Ｄ行列であり得る、デジタル入力シグナルを生成し得る。ＭＥＡインターフェース１５０は、ＭＥＡ１０５の電極１３０のアレイに関する情報を含み得る。これは、電極１３０の数、および電極１３０が記録チャンバ１４０においてどのように配置されるか（たとえば、電極の２Ｄグリッドでは、電極の数または行および列）に関する情報を含み得る。ＭＥＡインターフェース１５０は、仮想環境１５５からのデジタル入力シグナルを、１つまたは複数の電気または光学インパルスのための命令に変換し得、各電気または光学インパルス命令が、２Ｄ座標または３Ｄ座標に関連付けられる。各電気または光学インパルス命令は、適用すべきインパルスの振幅または強度、適用すべきインパルスの周波数または波長、および／あるいは適用すべきインパルスの電流に関する情報をさらに含み得る。したがって、各インパルスのための情報は、（ｘ座標、ｙ座標、ｚ座標、強度／振幅、周波数／波長、電流）のうちの１つまたは複数を含むタプルであり得る。

【0035】

ＭＥＡインターフェース１５０が、仮想環境からのデジタル入力シグナルを、１つまたは複数の光学または電気インパルスのための情報に変換すると、ＭＥＡインターフェース１５０は、情報を適切なＭＥＡ１０５に送る。次いで、ＭＥＡ１０５の集積回路１４５が、（たとえば、ＤＡＣを使用して）情報を光学または電気インパルスのための１つまたは複数のアナログシグナルに変換し、指定された座標において、および／または指定された強度／振幅、周波数／波長などで、光学または電気インパルスを適用するために、１つまたは複数のアナログシグナルを適切な電極１３０（または発光要素）に適用する。

【0036】

指定された座標における電気または光学インパルスの適用に応答して、記録チャンバ１４０における生物学的ニューラルネットワークにおける生物学的ニューロン１３５のうちの１つまたは複数は、電気シグナルを生成することになる。電極１３０は、アレイ（たとえば、電極１３０の２Ｄまたは３Ｄグリッド）内の様々な座標において発生し得る電気シグナルを測定するためのセンサーとして使用され得る。たとえば、集積回路１４５（たとえば、ＣＭＯＳチップ）は、電極１３０において受信された電気インパルスを読み取り得る。代替的に、別個のセンサーが、記録チャンバ１４０において配置され得る。ニューロン１３５によって出力された電気シグナルは測定され得、それらの座標がその測定に関連付けられ得る。振幅（たとえば、電圧）、電流および／または周波数など、他の情報も測定され得る。集積回路１４５は、次いで、（たとえば、ＡＤＣを使用して）１つまたは複数の測定された電気シグナルのデジタル表現を生成し得る。このデジタル表現は、次いで、ＭＥＡ１０５からＭＥＡインターフェース１５０に送られ得る。

【0037】

生物学的ニューラルネットワークにおける１つまたは複数の生物学的ニューロン１３５が電気シグナルを生成したとき、いくつかの状況では、これは、１つまたは複数の近くの生物学的ニューロンも、電気シグナルを生成することを引き起こし得る。１つまたは複数の近くの生物学的ニューロンの電気シグナルは、またさらなる生物学的ニューロンをも、電気シグナルを生成するようにトリガすることもトリガしないこともあり、これは、さらにより多くのニューロンのアクティビティをトリガし得、以下同様である。ニューロンのグループからの実験記録は、べき乗則分布に従うサイズをもつ、アクティビティのバースト、いわゆるニューロンなだれを示した。神経科学では、臨界脳仮説は、いくつかの生物学的ニューラルネットワークが相転移の近くで動作することを述べている。この仮説によると、脳（または概して、生物学的ニューラルネットワーク）のアクティビティは、２つの相、アクティビティが急速に低減し、消えることになる相と、アクティビティが経時的に蓄積し、増幅することになる別の相との間で転移する。神経臨界では、情報のための生物学的ニューラルネットワークキャパシティは、臨界未満の、臨界のおよびわずかに臨界超過の分岐プロセスが、生物学的ニューラルネットワークがどのように機能するかを記述し得るように、向上される。（ターゲット神経臨界値を有し得る）神経臨界は、相転移の値またはポイントを指す。相転移のポイントは、チッピングポイントにおけるものであるアクティビティの量であり、それを下回ると減衰力が優勢であり（ニューラルアクティビティが急速に消滅し）、それを上回ると強化力が優勢である（アクティビティの指数関数的急増がある）。神経臨界は、平均して、ニューロンが発火する（たとえば、電気シグナルを生成する）たびに、これが、大体１つの他のニューロンも発火することを引き起こすことを暗示する。しかしながら、（ターゲット神経臨界値を上回る）一部の入力は、アクティビティのカスケードを引き起こすことがあり、（ターゲット神経臨界値を下回る）他の入力は、ごくわずかなアクティビティを引き起こすことがある。

【0038】

実施形態では、生物学的ニューラルネットワークの１つまたは複数の神経臨界値が測定される。これらの測定された神経臨界値は、次いで、デバイス上の計算を向上させ、予測し、および／または達成するために使用され得る。たとえば、生物学的ニューラルネットワークにおける神経臨界のための統計的マーカーが、生物学的ニューラルネットワークの電気アクティビティを分析することによって決定され得る。たとえば、電気アクティビティ情報が、電気アクティビティのカスケードを識別すること、電気アクティビティの分布を決定すること、カスケードがどのくらい長く持続するかを決定すること、発火ニューロンのチェーンによって形成されるパスを決定することなどを行うために、電気アクティビティ情報に対する統計的分析を実施する、処理論理に入力され得る。そのような情報は、生物学的ニューラルネットワークの神経臨界値を決定するために使用され得る。実施形態では、生物学的ニューラルネットワークのためのターゲット神経臨界値があり得る。測定された神経臨界値がターゲット臨界値を下回る場合、生物学的ニューラルネットワークは、臨界を下回ると決定され得る。測定された臨界値がターゲット神経臨界値を上回る場合、生物学的ニューラルネットワークは、臨界を上回ると決定され得る。臨界を上回るまたは下回るのいずれかであることは、生物学的ニューラルネットワークの機能を損なうことがある。したがって、生物学的ニューラルネットワークの臨界値を測定し、その臨界値が、臨界（たとえば、ターゲット神経臨界値）にあるのか、臨界を上回るのか、臨界を下回るのかを決定する、能力が、生物学的ニューラルネットワークの認知機能を査定することにおいて有用であり得る。

【0039】

実施形態では、ニューラルアクティビティの１つまたは複数の他の測度も、測定され、デバイス上の計算を向上させ、予測し、および／または達成するために、使用され得る。そのような他の測度は、情報含有量、複雑さ、エントロピー、またはそれらの組合せを測定し得る。いかなるそのような測度も、実施形態において、別々に使用されるかまたは神経臨界とともに使用され得る。

【0040】

一実施形態では、１つまたは複数のカメラが、アクティブ化されたニューロンを測定するために使用される。ニューロンが特定の状況下で蛍光を発することを引き起こすために、特異的に修正されたカルシウムが使用され得る。そのカルシウムは、そのカルシウムがニューロンに入ったとき、切断およびアクティブ化され得る（これは、ニューロンまたはニューロンのペアがアクティブ化されたとき、起こり得る）。そのカルシウムの切断は、それが免疫蛍光を呈することを引き起こし得る。１つまたは複数のカメラは、蛍光を検出し、蛍光が発生したロケーションを決定することができる。代替的に、ＭＥＡまたはコンピューティングデバイスは、カメラから画像を受信し、蛍光がどこで発生したかを決定することができる。特に、ＭＥＡまたはコンピューティングデバイスは、光が画像から測定されたところの座標を決定し得る。ＭＥＡまたはコンピューティングデバイスは、次いで、光が検出されたロケーション（たとえば、免疫蛍光を呈したロケーション）のデジタル表現を生成し得る。

【0041】

ＭＥＡインターフェース１５０は、次いで、ＭＥＡ１０５から受信されたデジタル表現に基づいてデジタル応答メッセージを生成し得る。応答メッセージを生成することは、その表現を、仮想環境１５５によって可読であるフォーマットに変換することを含み得る。これは、一実施形態では、（たとえば、様々な座標における電気および／または光学シグナルを表現する値の行列の形態のものであり得る）その表現を、疎なベクトルまたはテンソルに変換することを含み得る。ＭＥＡインターフェース１５０は、次いで、応答メッセージを仮想環境１５５に送り得る。

【0042】

仮想環境１５５は、応答メッセージを処理し得、その処理に基づいて、ニューロン１３５によって出力された電気シグナルが、仮想環境１５５（または他の論理）によって設定されたターゲットに対応するかどうかを決定し得る。ターゲットは、ＭＥＡインターフェース１５０および／またはＭＥＡ１０５に知られていないことがある。電気シグナルがターゲットに対応した場合、仮想環境１５５は、ＭＥＡインターフェース１５０のＡＰＩを使用して、正の強化トレーニングシグナルをＭＥＡインターフェース１５０に送り得る。正の強化トレーニングシグナルは、デジタル入力シグナルに応答してニューロン１３５によって出力された電気シグナルが、仮想環境１５５の何らかの規準を満たしたことを示す（たとえば、仮想環境の何らかのターゲット目的が１つまたは複数の電気シグナルの表現によって満たされたことを示す）。代替的に、いくつかの実施形態では、正の強化トレーニングシグナルは、生成されないかまたはＭＥＡインターフェースに送られない。また、電気シグナルがターゲットに対応することに失敗した場合、仮想環境１５５は、ＭＥＡインターフェース１５０のＡＰＩを使用して、負の強化トレーニングシグナルをＭＥＡインターフェース１５０に送り得る。負の強化トレーニングシグナルは、デジタル入力シグナルに応答してニューロン１３５によって出力された電気シグナルが、仮想環境１５５の何らかの規準を満たすことに失敗したことを示す（たとえば、仮想環境の何らかのターゲット目的が１つまたは複数の電気シグナルの表現によって満たされなかったことを示す）。代替的に、いくつかの実施形態では、負の強化トレーニングシグナルは、生成されないかまたは送られない。代わりに、ニューロン１３５に対するすべての入力が、電気シグナルがターゲットに対応することに失敗した場合、短い時間期間の間休止され得る。一実施形態では、正の強化シグナルは使用されるが、負の強化シグナルは使用されない。一実施形態では、正の強化シグナルと負の強化シグナルの両方が使用される。一実施形態では、正の強化シグナルではなく、負の強化シグナルが使用される。

【0043】

一実施形態では、正の強化シグナルは、予測可能なシグナルであるかまたは予測可能なシグナルを含み、負の強化シグナルは、予測不可能なシグナルであるかまたは予測不可能なシグナルを含む。予測可能なシグナルは、設定されたパターンに従うシグナルであり得る。ニューロン（および脳）は、予測機械であり、正確な予測を行うことによって、またはそれらの予測を正確にするように環境を修正することによってのいずれかで、外部状態を正確に予測しようとする。このことの暗示は、予測可能な刺激または予測不可能な刺激が、電気刺激、光学刺激、または化学刺激であるかどうかにかかわらず、予測不可能な刺激は、罰の形態として使用され得、予測可能な刺激は、報酬の形態として使用され得ることを示唆する。予測可能な刺激と予測不可能な刺激とは、実施形態においてニューロンの挙動を整形するために使用され得る。一例では、ＭＥＡは、２～２０個の（たとえば、８つまたは１０個の）感覚電極、または所与のあらかじめ定義されたエリアにわたる感覚野の連続体など、（刺激電極とも呼ばれる）複数の感覚電極を含み得る。これらの感覚電極は、仮想環境１５５および／またはトレーニング論理の１つまたは複数のルールに従って電気シグナルを送達し得る。同様に、光学構成要素（たとえば、光源）が、仮想環境１５５および／またはトレーニング論理の１つまたは複数のルールに従って光学シグナルを送達し得る。これは、ニューロンを、これらの感覚電極（または感覚電極の何らかのサブセット）が、仮想環境１５５のルールに従って、いくつかの予測可能な状況下で電気刺激を受信することを予想するように、トレーニングすることができる。同様に、これは、ニューロンを、仮想環境のルールに従って、いくつかの予測可能な状況下で光学シミュレーションを予想するように、トレーニングすることができる。そのような電気および／または光学シグナルが、予想されるように受信されたとき、これは、ニューロンに対する報酬として働く。しかしながら、電気および／または光学シグナルは、ランダム様式で、または仮想環境１５５のために適用されていない１つまたは複数の何らかの他のルールに従って、送達され得、これらは、すべて予測不可能な電気刺激である。たとえば、仮想環境がゲームＰｏｎｇである場合、移動するボールの近傍にあるロケーションに関連付けられた感覚電極のうちの１つまたは複数は、ニューロンが、パドルが移動するボールの前に移動されることを引き起こしたとき、励起され得、これらの感覚電極の励起は、断定できる刺激であることになる。しかしながら、仮想環境１５５におけるパドルがボールの前に移動されない場合、感覚電極のすべてまたは感覚電極のランダムサンプリングが励起され得、これらの感覚電極の励起は、予測不可能な刺激であることになる。予測不可能な刺激は、たとえば、感覚電極のランダム選択による電気および／または光学シグナルのランダムシーケンスであり得、ランダムシーケンスは、いかなる構造も有しない。実験は、予測不可能な刺激が生物学的ニューラルネットワークの内部ダイナミクスを混乱させ得ることと、予測可能な刺激がニューロン間の既存の接続を強化することとを示した。

【0044】

いくつかの実施形態では、ニューロン１３５は、いかなる正の刺激も負の刺激も使用することなしにトレーニングされる。標準的な動作中のニューロン１３５に対する仮想環境１５５を表現する、またはその仮想環境１５５に関連付けられた、シグナルの定常ストリームまたは周期的ストリームがあり得る。シグナルの各セットが、指定された座標において、および／または指定された強度／振幅、周波数／波長などで、光学または電気インパルスを適用するために、適切な電極１３０（または発光要素）に送達される、アナログシグナルを含み得る。シグナルの各セットについて、ニューロン１３５は、（たとえば、電気インパルス／シグナルを生成することによって）応答を生成し得る。ニューロン１３５によって生成された電気シグナルがターゲットに対応する（たとえば、ターゲット範囲内である）場合、仮想環境に関連付けられたシグナルのストリームは継続し得る。しかしながら、ニューロン１３５によって生成された電気シグナルがターゲットに対応しない場合、仮想環境に関連付けられたシグナルのストリームはある期間（たとえば、１～５秒）の間休止され得、したがって、これは、ニューロン１３５から刺激を奪う。実験は、ニューロンが、刺激を効果的に望み、刺激を受信する機会を増加させる様式で動作することになることを示した。したがって、ニューロンは、ニューロンが、望まれるように働くことに失敗したとき、ニューロンから刺激を奪うことによって、タスクを実施するようにトレーニングされ得る。これは、これらの実施形態では、明示的に設定された報酬シグナルまたは罰シグナルがないことがあるので、強化学習とは異なる、学習のパラダイムである。

【0045】

（報酬シグナルまたは罰シグナルであり得る）トレーニングシグナルを受信することに応答して、ＭＥＡインターフェース１５０は、生物学的ニューロン１３５のための電気または化学報酬刺激または罰刺激を決定し得、ならびに／あるいは電気または化学報酬刺激または罰刺激を出力するための命令をＭＥＡ１０５に送り得る。代替的に、ＭＥＡインターフェース１５０は、仮想環境に関連付けられた刺激を提供することを継続するべきであるのか、仮想環境に関連付けられた刺激を提供することをある時間の間停止すべきであるのかを決定し得る。集積回路１４５は、電気または化学報酬刺激または罰刺激を出力するための（あるいは仮想環境に関連付けられた刺激を提供することを継続するかまたは停止するための）命令を受信し得、次いで、電気または化学報酬刺激または罰刺激が生物学的ニューロン１３５に出力されることを引き起こし得る（あるいは仮想環境に関連付けられた刺激が継続することを許可するか、または仮想環境に関連付けられた刺激がニューロン１３５に送達されることを停止し得る）。

【0046】

一実施形態では、報酬刺激または罰刺激は、電極１３０のアレイを介して送達され得る電気刺激である。たとえば、報酬刺激は、デルタ波形を有する電気インパルスであり得る。デルタ波形を有する電気インパルスは、複数の電極において（たとえば、いくつかの実施形態では電極のすべてにおいて）適用されて、アレイにおける（たとえば、２Ｄまたは３Ｄグリッドにおける）複数のロケーションに電気インパルスを送達して、生物学的ニューロン１３５にデルタ形の刺激を提供し得る。

【0047】

一実施形態では、報酬刺激は化学報酬刺激である。ＭＥＡ１０５は、特定の波長の光を放出することができる１つまたは複数の光源をさらに含むか、またはそれらの光源に接続され得る。これらの光源は、実施形態において集積回路１４５によってアクティブ化され得る。さらに、記録チャンバ１４０は、光の特定の波長に敏感である、その中に配設されたタンパク質を含み得る。タンパク質（たとえば、オプシンタンパク質）は、ドーパミンあるいは別の化合物または物質と結びつけられ得る。タンパク質が光の特定の波長に露出されたとき、タンパク質は、いくらかの量の結びつけられたドーパミンあるいは他の化合物または物質をリリースし得る。

【0048】

一実施形態では、報酬刺激は、１つまたは複数のニューロンのテタヌス刺激（ｔｅｔａｎｉｃ ｓｔｉｍｕｌａｔｉｏｎ）を含む。テタヌス刺激は、ニューロン（またはニューロンのグループ）の個々の刺激の高周波シーケンスを含む。一実施形態では、高周波刺激は、約１００Ｈｚ以上の周波数において送達される１つまたは複数のニューロンの個々の刺激のシーケンスを含む。高周波刺激は、テタヌス刺激後増強（ｐｏｓｔ－ｔｅｔａｎｉｃ ｐｏｔｅｎｔｉａｔｉｏｎ）と呼ばれる、将来における細胞発火の確率の増加を引き起こす。シナプス前イベントは、シナプス前終末に対するカルシウム流入によって引き起こされ、これは、結局、リリース確率を変えるとともにベシクルの即時リリース可能プールを増加させることになる。複合カルシウム－タンパク質相互作用が、次いで、ベシクルエキソサイトーシスの変化をもたらす。そのような変化の結果は、関係する経路が電圧変化に遭遇したとき、シナプス後ニューロンが活動電位を発火する可能性が高くなることを引き起こす。

【0049】

化学報酬刺激、電気報酬刺激、およびテタヌス刺激形態の報酬刺激は、すべて、生物学的ニューロン１３５のために強化学習の形態を提供する。罰刺激も、強化学習の形態を提供し得る。生物学的ニューロン１３５は、生物学的ニューロン１３５が、仮想環境１５５の何らかの規準を満たす電気シグナルを生成したとき、報酬を与えられ、および／または生物学的ニューロン１３５が規準を満たすことに失敗する電気シグナルを生成したとき、罰を与えられ、経時的に、ターゲットが何であるかを学習し、それらのターゲットをどのように達成すべきかを学習することになる。生物学的ニューロン１３５は、自己組織化していることがあり、ターゲットを達成するために接続を形成し得る。一実施形態では、生物学的ニューロン１３５の各成功とともに、化学または電気報酬刺激は低減される（たとえば、リリースされるドーパミンの量は低減される）。一実施形態では、ニューロン１３５は、ヘッブ学習を介して学習し得る。たとえば、２つのニューロンが、一緒に発火して、何かを起こし、報酬を与えられた場合、次回、それらの２つのニューロンに再び発火させるためのアクティブ化または電圧が少なくなり、したがって、この出来事の頻度を増加させる。

【0050】

デジタル入力シグナル、電気または光学インパルスのための命令、電気および／または光学シグナルの表現ならびに／あるいは応答メッセージは、（たとえば、検討および／または分析のために）データストアに記憶され得る。世界中からの研究者が、ネットワーク１２０に接続されたクライアントコンピューティングデバイス１２５を介して検討のために、記憶されたデータおよび／または仮想環境にアクセスし得る。たとえば、研究者は、人工環境または仮想環境１５５（たとえば、ゲーム）を開発し、ゲームをニューロン１３５に適用する実験を稼働し、その実験からのデータを受信し得る。実験からのデータは、その場合、クラウドを介して、その研究者および／または他の研究者にとって利用可能であり得る。

【0051】

一実施形態では、サーバコンピューティングデバイス１１０は、（たとえば、仮想環境１５５の外部にあり得る）人工ニューラルネットワークをさらに含む。人工ニューラルネットワークは、ニューロン１３５を備える生物学的ニューラルネットワークと並列にトレーニングされ得る。たとえば、デジタル入力シグナルが、人工ニューラルネットワークに入力され得、そのデジタル入力シグナルに関連付けられたターゲットが、人工ニューラルネットワークに提供され得る。人工ニューラルネットワークは、生物学的ニューラルネットワークがトレーニングされるのと同時に、（たとえば、バックプロパゲーションを使用して）トレーニングされ得る。

【0052】

一実施形態では、（１つまたは複数の）サーバコンピューティングデバイス１１０は、ニューロン１３５上の化学化合物のテストに関する動作を実施するように構成された化合物分析器１７５を含む。さらに、化学源１６０が、化学入力１６５を介してニューロン１３５に薬剤などの１つまたは複数の化学化合物を送達し得る。化学入力１６５は、たとえば、化学源１６０に接続する管であり得る。バルブが、ニューロン１３５に化学化合物または化学化合物の混合物の厳密な適用量（ｄｏｓｅ）を送達するように開かれ得る。

【0053】

一実施形態では、ニューロン１３５が、仮想環境１５５によってタスクを実施するようにトレーニングされると、タスクを実施することにおけるニューロン１３５の技能のレベルまたは成功の程度を示すスコアまたは値が決定され得る。ニューロン１３５が実施するようにトレーニングされ得る多くの異なるタイプのタスクがある。本明細書で提供される一例は、コンピュータゲームＰｏｎｇをプレイするタスクである。Ｐｏｎｇは、２つのパドルとボールとを特徴とする単純な「テニスのような」ゲームである。ｐｏｎｇの目標は、（たとえば、仮想環境によって提供されるコンピュータ対戦相手、実際の人間の対戦相手、またはトレーニングされたニューロンの別のセットであり得る）対戦相手を、最初に１０ポイントを獲得するものになることによって負かすことである。Ｐｏｎｇでは、プレーヤは、対戦相手がボールを逃すと（これは、それらが、それらのパドルをボールの前に移動させることに失敗し、ボールがそれらのパドルを過ぎてスクリーンのエッジまで移動することを可能にしたとき、発生する）、ポイントを受信する。ニューロンは、移動するボールと２つのパドルとを含む、Ｐｏｎｇゲームエリアを知覚し、パドルのうちの１つを移動させてボールをインターセプトするようにトレーニングされ得る。認知機能値が、トレーニングされたニューロンがＰｏｎｇゲームをどのくらいうまくプレイするかに基づいて、化合物分析器１７５によって決定され得る。たとえば、認知機能値は、ニューロンの勝利対敗北比に基づき得る、ニューロンがどのくらい長くボールをプレイ中に保つことが可能であるかに基づき得る、ニューロンが、Ｐｏｎｇゲームで敗北する前にどのくらい多くのポイントを達成することができるかに基づき得る、などである。

【0054】

一実施形態では、化合物分析器１７５は、ニューロン１３５のためのベースライン認知機能値を決定する。ベースライン認知機能値は、ニューロンが実施するようにトレーニングされたタスクを実施するためのニューロンの１つまたは複数の試みに基づいて決定され得る。一実施形態では、認知機能値が、タスクを実施するためのニューロン１３５の各試みについて決定され、平均ベースライン認知機能値が、認知機能値の平均（たとえば、移動平均）に基づいて決定される。

【0055】

一実施形態では、化合物分析器１７５は、上記で説明されたように、ニューロン１３５のためのベースライン神経臨界値を決定する。ベースライン神経臨界値は、ターゲット臨界値におけるものまたはその近くのものであり得、したがって、臨界におけるもの（たとえば、相転移におけるもの）であると見なされ得る。一実施形態では、ベースライン認知機能値は、ベースライン神経臨界値であるか、ベースライン神経臨界値に少なくとも部分的に基づく。一実施形態では、ベースライン認知機能値は、ベースライン臨界値とは別個のものである。そのような実施形態では、ベースライン認知機能値とベースライン臨界値とは、ニューロン１３５のベースライン認知機能を確立するために一緒に使用され得る。

【0056】

化合物分析器１７５は、化学源１６０が、化学入力１６５を介して１つまたは複数の化学化合物の適用量を送達することと、ニューロン１３５を化学化合物の適用量に露出することとを引き起こし得る。ニューロン１３５は、次いで、そのニューロンがトレーニングされた、タスクを実施するために使用され得、化学化合物の影響下にある間の、タスクを実施するニューロンの能力に基づいて、露出後認知機能値が決定され得る。このプロセスは、複数の露出後認知機能値を生成するために複数回繰り返され得る。平均露出後認知機能値が、複数の露出後認知機能値に基づいて決定され得る。いくつかの実施形態では、ニューロン１３５は、異なる時間において化学化合物の異なる適用量に露出され、露出後認知機能値（たとえば、平均露出後認知機能値）は、適用量の各々について決定される。

【0057】

化合物分析器１７５は、１つまたは複数の露出後認知機能値をベースライン認知機能値と比較し得る。その比較に基づいて、化合物分析器１７５は、認知機能値が、（１つまたは複数の）化学化合物へのニューロンの露出の前および後に、増加するのか、減少するのか、同じままであるのかを決定し得る。（１つまたは複数の）露出後認知機能値がベースライン認知機能値よりも高い場合、これは、ニューロンの認知機能が化学化合物への露出の結果として増加したことのインジケータである。さらに、認知機能の改善の量が、認知機能値の差の大きさに基づいて定量化され得る。同様に、（１つまたは複数の）露出後認知機能値がベースライン認知機能値よりも低い場合、これは、ニューロンの認知機能が化学化合物への露出の結果として減少したことのインジケータである。さらに、認知機能の障害の量が、認知機能値の差の大きさに基づいて定量化され得る。

【0058】

一実施形態では、化合物分析器１７５は、上記で説明されたように、ニューロン１３５のための露出後神経臨界値を決定する。露出後神経臨界値は、ターゲット臨界値にあるか、ターゲット臨界値を上回るか、またはターゲット臨界値を下回り得る。露出後神経臨界値がターゲット臨界値を上回る場合、露出後神経臨界値は臨界を上回ると見なされ得る。露出後神経臨界値がターゲット臨界値を下回る場合、露出後神経臨界値は臨界を下回ると見なされ得る。いくつかの実施形態では、露出後神経臨界値はベースライン神経臨界値と比較され得、それらの間のいかなる差も測定され得る。露出後臨界値とベースライン臨界値との間の差は、ニューロンの認知機能の変化を示し得る。たとえば、露出後臨界値がベースライン臨界値を下回る場合、ニューロンは、認知的に障害があると見なされ得る。

【0059】

一実施形態では、露出後認知機能値は、露出後神経臨界値であるか、露出後神経臨界値に少なくとも部分的に基づく。代替的に、露出後認知機能値は、情報含有量、複雑さ、エントロピー、またはそれらの組合せの測度など、上記で概説されたものなどの他の測度に基づき得る。いくつかの実施形態では、露出後認知機能値は、臨界とこれらの他の測度のうちの１つまたは複数との組合せに基づく。一実施形態では、露出後認知機能値は、露出後臨界値とは別個のものである。そのような実施形態では、露出後認知機能値と露出後臨界値とは、ニューロン１３５の露出後認知機能を確立するために一緒に使用され得る。

【0060】

さらに、化合物分析器１７５は、化学化合物の異なる適用量（または１つまたは複数の化学化合物の適用量の異なる組合せ）に関連付けられた露出後認知機能値および／または神経臨界値を、互いと、ならびに／あるいは（１つまたは複数の）ベースライン認知機能値および／または（１つまたは複数の）ベースライン神経臨界値と比較し得る。そのような比較に基づいて、化合物分析器１７５は、認知機能改善および／または障害が、適用量の増加とともに増加するのか減少するのか、ならびに／あるいは、そこを越えるとさらなる改善または障害が測定されない、ピーク適用量があるかどうかを決定し得る。多くの他の洞察も、化学化合物の１つまたは複数の適用量に露出されているニューロン１３５のために決定された認知機能値および／または神経臨界値の統計的分析に基づいて獲得され得る。認知機能値に関係する本明細書における以下の説明が、神経臨界値にも適用されることと、実施形態において、認知機能値が、神経臨界値に少なくとも部分的に基づき得ることとを理解されたい。

【0061】

図１Ｂは、一実施形態による、例示的なｉｎ ｖｉｔｒｏ化学化合物テストシステム１７０を示す。ｉｎ ｖｉｔｒｏ化学化合物テストシステム１７０は、図１Ａの生物学的コンピューティングプラットフォーム１００の同じ構成要素の一部または全部を含み得る。いくつかの実施形態では、ｉｎ ｖｉｔｒｏ化学化合物テストシステム１７０は、図１Ａの生物学的コンピューティングプラットフォーム１００に対応する。ｉｎ ｖｉｔｒｏ化学化合物テストシステム１７０は、ＭＥＡインターフェース１５０と、１つまたは複数の仮想環境１５５と、化合物分析器１７５とを有する、（１つまたは複数の）サーバコンピューティングデバイス１１０を含む。ｉｎ ｖｉｔｒｏ化学化合物テストシステム１７０は、クライアント化合物デバイス１２５と、ネットワーク１２０と、化学源１６０と、ＭＥＡ１０５Ａ、ＭＥＡ１０５Ｂ～ＭＥＡ１０５Ｎを含む、複数のＭＥＡとをさらに含み得る。ＭＥＡ１０５Ａ～Ｎの各々が、ニューロン１３５Ａ、１３５Ｂ～１３５Ｎのそれぞれの試料または培養物を含み得る。

【0062】

図１Ａに関して上記で説明されたように、ニューロン１３５Ａ～Ｎの各々が、タスクを実施するようにトレーニングされ得る。実施形態では、ニューロン１３５Ａ～Ｎの各々は、同じタスクを実施するように教示される。代替的に、異なるニューロンが、異なるタスクを実施するようにトレーニングされ得る。ニューロン１３５Ａ～Ｎがタスクを実施するようにトレーニングされると、ベースライン認知機能値が、化合物分析器１７５によってニューロン１３５Ａ～Ｎの各々について決定される。その後、化学源１６０は、化学入力１６５を介してニューロン１３５Ａ～Ｎに、１つまたは複数の化学化合物の１つまたは複数の適用量を送達し得る。次いで、露出後認知機能値が、化合物分析器１７５によってニューロン１３５Ａ～Ｎの各々について決定され得る。

【0063】

化合物分析器１７５は、次いで、ニューロン１３５Ａ～Ｎの複数のセットのために決定された認知機能値に対して統計的分析を実施し得る。実施形態では、ニューロン１３５Ａ～Ｎの異なるセットが、同じ遺伝的系統（ｇｅｎｅｔｉｃ ｓｔｏｃｋ）（たとえば、同じ細胞株）からのものであるか、または異なる遺伝的系統からのものであり得る。たとえば、ニューロンの複数のセットが、複数の遺伝子型の各々についておよび／または異なる病理を有する幹細胞株についてトレーニングされ得、化合物分析器１７５は、（１つまたは複数の）化学化合物に露出されたとき、異なる、遺伝子型、および／または特定の病理を有するニューロンによって、異なる作用が呈されるかどうかを決定し得る。そのような情報は、クライアントコンピューティングデバイス１２５を介して製薬会社によってアクセスされ得、たとえば、クライアントコンピューティングデバイス１２５は、開発中の薬物の利益および／または危険を査定する際にそのようなデータを使用し得る。

【0064】

図２～図４は、ニューロンの認知機能への化学化合物の作用を査定するために使用され得る、生物学的コンピューティングプラットフォームを提供する方法を示す流れ図およびシーケンス図である。これらの方法は、サーバコンピューティングデバイスの処理論理ならびにＭＥＡの処理論理によって実施され得、その各々は、ハードウェア（たとえば、回路、専用論理、プログラマブル論理、マイクロコードなど）、（処理デバイス、汎用コンピュータシステム、または専用機械上で稼働される命令などの）ソフトウェア、ファームウェア、またはそれらの組合せを含み得る。方法は、ＭＥＡおよび／またはサーバコンピューティングデバイスによって実施され得る。たとえば、一部の動作がＭＥＡによって実施され得、他の動作がコンピューティングデバイスによって実施され得る。

【0065】

説明を簡単にするために、方法は、一連の行為として示され、説明される。ただし、本開示による行為は、様々な順序でおよび／または同時に、ならびに本明細書で提示および説明されない他の行為とともに行われ得る。さらに、開示される主題による方法を実装するために、すべての図示された行為が実施されるとは限らない。さらに、当業者は、方法が、代替的に、状態図またはイベントを介して一連の相関状態として表現され得ることを理解し、諒解するであろう。

【0066】

図２は、生物学的コンピューティングプラットフォームを使用する方法２００のための一実施形態を示すシーケンス図である。クライアントコンピューティングデバイス１２５が、サーバコンピューティングデバイス１１０に（人工環境または実験論理とも呼ばれる）仮想環境をアップロードし得る２０５。サーバコンピューティングデバイス１１０は、次いで、ブロック２１０において仮想環境を実行し得、仮想環境は、デジタル入力シグナルを生成し得る。サーバコンピューティングデバイス１１０上で実行するＭＥＡインターフェースが、デジタル入力シグナルを受信し、ブロック２１５においてデジタル入力シグナルを電気または光学インパルスのための命令に変換し得る。サーバコンピューティングデバイス１１０は、次いで、それらの命令をＭＥＡ１０５に送り得る２２０。いくつかの実施形態では、デジタル入力シグナルは、ＭＥＡ１０５の集積回路（たとえば、処理デバイス）によって可読であり、ブロック２１５において変換が実施されない。そのような実施形態では、デジタル入力シグナルは、ブロック２２０において、ＭＥＡ１０５に送られ、ＭＥＡによって処理され得る。

【0067】

ＭＥＡ１０５は、命令に基づいて（またはデジタル入力シグナルに基づいて）、１つまたは複数のアナログ光学または電気インパルス（入力シグナル）を生成し得る。それらのシグナルは、ブロック２２５において、特定のロケーション（たとえば、ｘ，ｙ座標またはｘ，ｙ，ｚ座標）を有する特定の電極において適用され得る。ブロック２３０において、ＭＥＡ１０５は、次いで、ＭＥＡ１０５における生物学的ニューラルネットワークの生物学的ニューロンによって生成された出力電気シグナルを測定し得る。ＭＥＡ（または光学構成要素）は、次いで、ブロック２３５において電気シグナルの表現を生成し得る。これは、アナログデジタル変換器を使用して、アナログ電気シグナルをデジタル値に変換することを含み得る。

【0068】

ブロック２４０において、ＭＥＡは、ニューロンによって出力された測定された電気シグナルの表現をサーバコンピューティングデバイスに送る。ブロック２４５において、サーバコンピューティングデバイス上のＭＥＡインターフェースは、表現を、仮想環境の処理論理によって可読である仮想環境のための応答メッセージに変換し得る。ＭＥＡインターフェースは、次いで、応答メッセージを仮想環境に送り得る。ブロック２５０において、仮想環境は、次いで、応答メッセージを処理し得る。いくつかの実施形態では、電気シグナルの表現は、仮想環境によって可読であり、ブロック２４５において変換が実施されない。そのような実施形態では、表現は、仮想環境に送られ、仮想環境によって処理され得る。仮想環境は、次いで、結果を生成し得、サーバコンピューティングデバイス１１０は、それらの結果をクライアントコンピューティングデバイス１２５に送り得る。

【0069】

実施形態では、ブロック２１０～２５０は、何らかの停止シグナルが適用されるまで連続的に稼働されるループを形成する。たとえば、ブロック２５０の動作が完了した後に、方法はブロック２１０に戻り得、ブロック２１０の動作は繰り返され得る。

【0070】

図３は、生物学的コンピューティングプラットフォームにおいて生物学的ニューロンに強化学習を提供する方法３００のための一実施形態を示すシーケンス図である。方法３００は、方法２００が完了した後に実施され得る。ブロック３０５において、サーバコンピューティングデバイス１１０上で実行する仮想環境は、応答メッセージ（またはＭＥＡ１０５上のニューロンによって出力された電気シグナルの表現）が何らかの規準を満たすかどうかを決定する。応答メッセージ（または電気シグナルの表現）が規準を満たした場合、仮想環境は、第１のトレーニングシグナルを生成し、サーバコンピューティングデバイス１１０上で実行するＭＥＡインターフェースに第１のトレーニングシグナルを提供し得る。応答メッセージ（または電気シグナルの表現）が規準を満たすことに失敗した場合、仮想環境は、第２のトレーニングシグナルを生成し、サーバコンピューティングデバイス１１０上で実行するＭＥＡインターフェースに第２のトレーニングシグナルを提供し得る。ＭＥＡインターフェースは、次いで、第１のトレーニングシグナルに基づく報酬命令、または第２のトレーニングシグナルに基づく罰命令を生成し（ブロック３１５）、報酬命令または罰命令をＭＥＡ１０５に送り得る（ブロック３２０）。代替的に、ＭＥＡインターフェースは、トレーニングシグナルをＭＥＡ１０５にフォワーディングし得る。ブロック３２５において、ＭＥＡは、次いで、適宜に、電気または化学報酬刺激または罰刺激をＭＥＡ１０５上の生物学的ニューラルネットワークに出力し得る。

【0071】

一例では、仮想環境は、Ｐｏｎｇなどのビデオゲームを含む。そのような実施形態では、デジタル入力シグナルは、ゲーム世界の投影（たとえば、ディスプレイのフレームまたはゲームのユーザインターフェース）であり得る。一実施形態では、ゲーム世界の投影は、所与の時間的ポイントにおけるゲームのためのディスプレイのピクセルのマッピングである。ディスプレイにおける各ピクセルが、ＭＥＡ１０５上の電極の２Ｄグリッドにおけるロケーションに関連付けられ得る。ディスプレイの分解能と電極の２Ｄグリッドにおける行および列の数とに応じて、ディスプレイのピクセルとＭＥＡにおける電極との間の１対１マッピング、１対ＸマッピングまたはＸ対１マッピングがあり得、ここで、Ｘは正の整数である。サーバコンピューティングデバイス１１０上で稼働するＭＥＡインターフェースが、ゲームのためのディスプレイのピクセルとＭＥＡ１０５における２Ｄグリッドとの間のマッピングを決定し得る。たとえば、ｘ，ｙピクセル１，３が、２Ｄグリッドの列２，行６における電極にマッピングし得る。一実施形態では、ブロック２１５においてデジタル入力シグナルを変換することは、２Ｄグリッドの各ロケーションについて、ロケーションが、アクティブ化されるべきであるのか（インパルスがロケーションにおける電極に送られる）、非アクティブ化されるべきであるのか（インパルスがロケーションにおける電極に送られない）を決定することを含む。したがって、電気または光学シグナルは、指定されたアクティブ化されたロケーションにおいて適用され得る。Ｐｏｎｇの例では、電気／光学インパルスのための命令は、コート、コートにおけるボールの位置およびパドルの位置を表現し得る。

【0072】

別の例示的なマッピングシステムでは、コート空間（ｘ，ｙ）におけるボールの位置、（ｚ）としてのパドルの位置、ボールからパドルまでの距離（ｄ）など、特徴が、離散値としてマッピングされ、領域が、チップの表面上で恣意的に割り当てられ、刺激される。

【0073】

上記の例では、生物学的ニューラルネットワークは、パドルを移動させてボールをインターセプトするようにトレーニングされ得る。これは、ＭＥＡ１０５における２Ｄグリッドを４つの象限に分画することによって達成され得る。生物学的ニューラルネットワークに適用される電気／光学インパルスの各セットにより、ニューロンによって生成された電気シグナルは測定され得る。測定された電気シグナルの大部分が右上象限からのものである場合、これは、仮想環境が右パドルを上に移動させることを引き起こし得る。測定された電気シグナルの大部分が右下象限からのものである場合、これは、仮想環境が右パドルを下に移動させることを引き起こし得る。次いで、上記で説明されたように、ボールが右パドルをインターセプトしたとき、正の報酬刺激が、生物学的ニューラルネットワークに提供され得る。

【0074】

図４は、生物学的コンピューティングプラットフォームを使用する方法４００のための一実施形態を示す流れ図である。ブロック４０５において、コンピューティングデバイスが、仮想環境からデジタル入力シグナルを受信する。ブロック４１０において、コンピューティングデバイスは、デジタル入力シグナルを電気／光学インパルスのための命令に変換する。ブロック４２０において、コンピューティングデバイスは、命令をＭＥＡに提供し、ＭＥＡは、電極のアレイ（たとえば、電極の２Ｄグリッドまたは３Ｄ行列）に電気／光学インパルスを適用する。

【0075】

ブロック４２５において、ＭＥＡまたは他の構成要素は、アレイの座標において（たとえば、２Ｄグリッドまたは３Ｄ行列の座標において）生物学的ニューロンによって出力された、電気シグナルを測定する。電気シグナルは、アナログシグナルであり得る。ブロック４３０において、ＭＥＡは、電気シグナルのデジタル表現を生成し得る。ブロック４４０において、ＭＥＡは、デジタル表現をコンピューティングデバイスに送り得、コンピューティングデバイスは、デジタル表現を仮想環境のための応答メッセージに変換し得る。ブロック４４５において、コンピューティングデバイスは、応答メッセージを仮想環境に提供し得る。

【0076】

ブロック４５０において、コンピューティングデバイスは、仮想環境からトレーニングシグナルを受信し得る。ブロック４５２において、処理論理が、１つまたは複数の規準（たとえば、ターゲット目的）が満たされたかどうか、および／またはトレーニングシグナルが、報酬（正の強化）シグナルであるのか罰（負の強化）シグナルであるのかを決定し得る。その目的が満たされた、および／またはトレーニングシグナルが報酬シグナルであった場合、方法はブロック４５５に続く。その目的が満たされなかった、および／またはトレーニングシグナルが罰シグナルであった場合、方法はブロック４６５に続く。

【0077】

ブロック４５５において、コンピューティングデバイスは、電気または化学報酬刺激（たとえば、予測可能な刺激）を決定し、電気または報酬刺激を適用するようにＭＥＡに命令し得る。代替的に、コンピューティングデバイスは、トレーニングシグナルをＭＥＡにフォワーディングし得る。ブロック４６０において、ＭＥＡは、次いで、生物学的ニューロンに電気または報酬刺激を適用する。

【0078】

ブロック４６５において、コンピューティングデバイスは、電気または化学罰刺激（たとえば、予測不可能な刺激）を決定し、電気または罰刺激を適用するようにＭＥＡに命令し得る。代替的に、コンピューティングデバイスは、トレーニングシグナルをＭＥＡにフォワーディングし得る。ブロック４７０において、ＭＥＡは、次いで、生物学的ニューロンに電気または化学罰刺激を適用する。

【0079】

このプロセスは継続し得、生物学的ニューラルネットワークがトレーニングされ得る。

【0080】

図５～図６は、ニューロンの認知機能への１つまたは複数の化学化合物の作用のｉｎ ｖｉｔｒｏテストを実施する方法を示す流れ図である。これらの方法は、コンピューティングデバイス（たとえば、サーバコンピューティングデバイス）の処理論理ならびにＭＥＡの処理論理によって実施され得、その各々は、ハードウェア（たとえば、回路、専用論理、プログラマブル論理、マイクロコードなど）、（処理デバイス、汎用コンピュータシステム、または専用機械上で稼働される命令などの）ソフトウェア、ファームウェア、またはそれらの組合せを含み得る。方法は、ＭＥＡおよび／またはコンピューティングデバイスによって実施され得る。たとえば、一部の動作がＭＥＡによって実施され得、他の動作がコンピューティングデバイスによって実施され得る。

【0081】

説明を簡単にするために、方法は、一連の行為として示され、説明される。ただし、本開示による行為は、様々な順序でおよび／または同時に、ならびに本明細書で提示および説明されない他の行為とともに行われ得る。さらに、開示される主題による方法を実装するために、すべての図示された行為が実施されるとは限らない。さらに、当業者は、方法が、代替的に、状態図またはイベントを介して一連の相関状態として表現され得ることを理解し、諒解するであろう。

【0082】

図５を参照すると、方法５００のブロック５０５において、処理論理が、複数のｉｎ ｖｉｔｒｏ生物学的ニューロンを、タスクを実施するようにトレーニングする。タスクを実施するためのニューロンの成功の程度は、複数のニューロンの認知機能を表現し得る。ニューロンは、本明細書で上記で説明されたように、タスクを実施するようにトレーニングされ得る。ブロック５１０において、処理論理は、複数のニューロンがトレーニングされた、タスクを実施するそれらのニューロンの能力に基づいて、それらのニューロンの第１の認知機能値を決定する。第１の認知機能値は、タスクがどのくらいうまく実施されたか、タスクを完了するのにどのくらい長くかかったか、ニューロンがどのくらい長くタスクを実施し続けることが可能であったかなどの測度であり得る。一例では、タスクは、複数のマイルストーンを含み、および／またはサブタスクに分割され得、第１の認知機能値は、達成されたマイルストーンの数、および／または完了されたサブタスクの数に基づき得る。第１の認知機能値は、ベースライン認知機能値であり得る。

【0083】

ブロック５１５において、複数のニューロンは、化学化合物に露出される。ニューロンは、化学化合物の特定の用量（ｄｏｓａｇｅ）に露出され得る。代替的に、ニューロンは、複数の化学化合物の混合物に露出され得る。混合物は、混合物中の化学化合物の各々についての決定された用量を含み得、同じまたは異なる用量が、異なる化学化合物のために使用され得る。一実施形態では、化学化合物（または複数の化学化合物のうちの少なくとも１つ）は、当該の薬物である。

【0084】

ブロック５２０において、処理論理は、化学化合物（または化学化合物の混合物）への複数のニューロンの露出中におよび／または露出の後に、複数のニューロンの第２の認知機能値を決定する。ブロック５２５において、処理論理は、第２の認知機能値を第１の認知機能値と比較する。ブロック５３０において、処理論理は、比較の結果に基づいて複数のニューロンの認知機能への（１つまたは複数の）化学化合物の作用を決定する。

【0085】

方法５００は、同じまたは異なる条件下で（たとえば、化学化合物へのニューロンの異なる露出条件下で）、ニューロンの同じセットのために複数回繰り返され得る。追加または代替として、方法５００は、（たとえば、各々、異なるＭＥＡにおける）ニューロンの多くの異なるセットのために実施され得る。ニューロンの異なるセットは、同じ遺伝的系統からのものであるか、または（たとえば、異なる遺伝子型および／または病理を有する）異なる遺伝的系統からのものであり得る。複数のテストの結果は、図６を参照しながら説明されるように、統計的分析を使用して分析され得る。

【0086】

次に図６を参照すると、方法６００のブロック６０５において、処理論理が、（各々、複数のｉｎ ｖｉｔｒｏ生物学的ニューロンを含んでいる）複数のニューロン試料を、ニューロン試料の認知機能を表現するタスクを実施するようにトレーニングする。いくつかの実施形態では、すべてのニューロン試料が、同じタスクを実施するようにトレーニングされる。代替的に、異なるニューロン試料が、異なるタスクを実施するようにトレーニングされ得る。たとえば、（各々それ自体のＭＥＡにおける）ニューロン試料の第１のセットが、第１のタスクを実施するようにトレーニングされ得、（各々それ自体のＭＥＡにおける）ニューロン試料の第２のセットが、第２のタスクを実施するようにトレーニングされ得る。

【0087】

ブロック６１０において、処理論理は、トレーニングされたニューロン試料の各々についてベースライン認知機能値を決定する。ブロック６１５において、処理論理は、各ニューロン試料を化学成分（または化学成分の混合物）に露出する。異なるニューロン試料が、化学化合物の同じまたは異なる適用量に露出され得る。さらに、異なるテストが、同じニューロン試料に対して実施され得、各テストについて、化学化合物の同じまたは異なる用量が使用され得る。

【0088】

ブロック６２０において、処理論理は、ニューロン試料の各々について、およびそれらのニューロン試料に対して実施されるテストの各々について、露出後認知機能値を決定する。たとえば、複数の露出後認知機能値が、ある時間期間にわたって同じニューロン試料について決定されて、そのニューロン試料についての統計的に有意な量のデータポイントを取得し得る。これは、各々、ニューロン試料が化学化合物に露出されたときからの異なる時間オフセットにおいて、ニューロン試料が化学化合物に露出された後に、露出後認知機能値を決定することを継続することを含み得る。追加または代替として、化学化合物の複数の異なる用量が、１つまたは複数の同じニューロン試料に対してテストされ得、１つまたは複数の露出後認知機能値が、各用量の量について決定され得る。

【0089】

ブロック６２５において、処理論理は、各ニューロン試料について、それぞれの（１つまたは複数の）露出後認知機能値と、そのニューロン試料についての（１つまたは複数の）ベースライン認知機能値との比較に基づいて、ニューラル試料への化学化合物の作用を決定する。これは、各々、ニューロン試料が化学化合物に露出されたときからの異なる時間の長さに関連付けられた、複数の露出後認知機能値を比較することによって、経時的なニューロン試料の認知機能への化学化合物の作用を決定することを含み得る。そのような情報は、化学化合物がニューロン試料の認知機能にどのくらい長く影響するか、ニューロン試料の認知機能への化学化合物の作用がどのくらい速く、なくなるか、および／または、経時的なニューロン試料への化学化合物の作用の減少が線形であるのか非線形であるのかを決定するために使用され得る。たとえば、経時的なニューロン試料の認知機能への化学化合物の作用を定義する曲線の形状が、決定され得る。

【0090】

ブロック６３０において、処理論理は、複数のニューロン試料への化学化合物の決定された作用に対する統計的分析を実施する。そのようなデータは、薬物が認知機能に適用されるときのその薬物の有効性、薬物が認知機能に適用されるときのその薬物の副作用などを決定するために使用され得る。そのような統計的分析は、たとえば、認知機能への作用が、遺伝子型によって、病理によって、および／または他の変数によって、変動するかどうかを決定するためにも使用され得る。そのような分析は、治療ウィンドウをテストして、化学化合物の最小有効性レベルおよび／または毒性限界を決定するためにも実施され得る。さらに、患者固有のラインが、異なる遺伝的背景をテストするために使用され得る。

【0091】

図７は、機械に本明細書で説明される方法論のうちのいずれか１つまたは複数を実施させるための命令のセットが実行され得る、コンピューティングデバイス７００の例示的な形態の機械の図式表現を示す。代替実施形態では、機械は、ローカルエリアネットワーク（ＬＡＮ）、イントラネット、エクストラネット、またはインターネット中で他の機械に接続され（たとえば、ネットワーク化され）得る。機械は、クライアントサーバネットワーク環境内のサーバ機械またはクライアント機械の資格で動作するか、あるいはピアツーピア（または分散型）ネットワーク環境内のピア機械として動作し得る。機械は、パーソナルコンピュータ（ＰＣ）、タブレットコンピュータ、セットトップボックス（ＳＴＢ）、携帯情報端末（ＰＤＡ）、セルラー電話、ウェブアプライアンス、サーバ、ネットワークルータ、スイッチまたはブリッジ、あるいはその機械によってとられるべき活動を指定する命令のセット（連続またはそれ以外）を実行することが可能な任意の機械であり得る。さらに、単一の機械のみが示されているが、「機械」という用語はまた、本明細書で説明される方法論のうちのいずれか１つまたは複数を実施するために命令のセット（または複数のセット）を個々にまたは一緒に実行する、機械（たとえば、コンピュータ）の任意の集合を含むと解釈されるものとする。

【0092】

例示的なコンピューティングデバイス７００は、バス７３０を介して互いと通信する、処理デバイス７０２と、メインメモリ７０４（たとえば、読取り専用メモリ（ＲＯＭ）、フラッシュメモリ、同期ＤＲＡＭ（ＳＤＲＡＭ）またはＲａｍｂｕｓ ＤＲＡＭ（ＲＤＲＡＭ）などのダイナミックランダムアクセスメモリ（ＤＲＡＭ）など）と、スタティックメモリ７０６（たとえば、フラッシュメモリ、スタティックランダムアクセスメモリ（ＳＲＡＭ）など）と、２次メモリ（たとえば、データストレージデバイス７１８）とを含む。

【0093】

処理デバイス７０２は、マイクロプロセッサ、中央処理ユニットなど、１つまたは複数の汎用プロセッサを表現する。より詳細には、処理デバイス７０２は、複合命令セットコンピューティング（ＣＩＳＣ）マイクロプロセッサ、縮小命令セットコンピューティング（ＲＩＳＣ）マイクロプロセッサ、超長命令語（ＶＬＩＷ）マイクロプロセッサ、他の命令セットを実装するプロセッサ、または命令セットの組合せを実装するプロセッサであり得る。処理デバイス７０２はまた、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタルシグナルプロセッサ（ＤＳＰ）、ネットワークプロセッサなど、１つまたは複数の専用処理デバイスであり得る。処理デバイス７０２は、本明細書で説明される動作およびステップを実施するための処理論理（命令７２２）を実行するように構成される。

【0094】

コンピューティングデバイス７００は、ネットワークインターフェースデバイス７０８をさらに含み得る。コンピューティングデバイス７００は、ビデオディスプレイ７１０（たとえば、液晶ディスプレイ（ＬＣＤ）または陰極線管（ＣＲＴ））、英数字入力デバイス７１２（たとえば、キーボード）、カーソル制御デバイス７１４（たとえば、マウス）、および／またはシグナル生成デバイス７１６（たとえば、スピーカー）をも含み得る。

【0095】

データストレージデバイス７１８は、本明細書で説明される方法論または機能のうちのいずれか１つまたは複数を具現する命令７２２の１つまたは複数のセットが記憶された機械可読記憶媒体（またはより詳細には、コンピュータ可読記憶媒体）７２８を含み得る。命令７２２はまた、コンピュータシステム７００による命令７２２の実行中に、メインメモリ７０４内におよび／または処理デバイス７０２内に完全にまたは少なくとも部分的に存在し得、メインメモリ７０４および処理デバイス７０２は、コンピュータ可読記憶媒体をも構成する。

【0096】

コンピュータ可読記憶媒体７２８はまた、（前の図に関して説明されたような）ＭＥＡインターフェース１５０、化合物分析器１７５、および／または仮想環境１５５、ならびに／あるいはＭＥＡインターフェース１５０、化合物分析器１７５、および／または仮想環境１５５を呼び出す方法を含んでいるソフトウェアライブラリを記憶するために使用され得る。コンピュータ可読記憶媒体７２８は、例示的な実施形態において単一の媒体であることが示されているが、「コンピュータ可読記憶媒体」という用語は、命令の１つまたは複数のセットを記憶する単一の媒体または複数の媒体（たとえば、集中型または分散型データベース、ならびに／あるいは関連付けられるキャッシュおよびサーバ）を含むと解釈されるべきである。「コンピュータ可読記憶媒体」という用語はまた、本明細書で説明される方法論のうちのいずれか１つまたは複数を機械に実施させる、機械による実行のための命令のセットを記憶または符号化することが可能である、任意の非一時的媒体を含むと解釈されるものとする。「非一時的コンピュータ可読記憶媒体」という用語は、したがって、限定はしないが、固体メモリと、光学および磁気媒体とを含むと解釈されるものとする。

【0097】

詳細な説明のいくつかの部分は、コンピュータメモリ内のデータビット上の動作のアルゴリズムおよび記号表現の見地から提示された。これらのアルゴリズム説明および表現は、データ処理技術分野の当業者が、他の当業者に自身の仕事の本質を最も効果的に伝えるために使用される手段である。アルゴリズムは、ここでは、および一般的には、所望の結果をもたらすステップの自己矛盾のないシーケンスであると考えられる。それらのステップは、物理量の物理的操作を必要とするステップである。通常、ただし必ずしもそうであるとは限らないが、これらの量は、記憶され、転送され、組み合わせられ、比較され、場合によっては操作されることが可能な電気シグナルまたは磁気シグナルの形態をとる。場合によっては、主に広く使用されているという理由から、これらのシグナルを、ビット、値、要素、シンボル、文字、項、数などと呼ぶことが好都合であることが判明している。

【0098】

しかしながら、これらの用語および同様の用語はすべて適切な物理量に関連付けられ、これらの量に適用される好都合な標識にすぎないことを念頭に置くべきである。別段に明記されていない限り以下の説明から明らかなように、説明全体にわたって、「受信すること」、「変換すること」、「送ること」などの用語を利用する説明は、コンピュータシステムまたは同様の電子コンピューティングデバイスの活動およびプロセスを指し、これは、コンピュータシステムのレジスタおよびメモリ内の物理（電子）量として表現されるデータを操作し、そのデータを、コンピュータシステムメモリまたはレジスタ、あるいは他のそのような情報ストレージ、送信または表示デバイス内の物理量として同様に表現される他のデータにトランスフォームすることを諒解されたい。

【0099】

本開示の実施形態はまた、本明細書の動作を実施するための装置に関する。この装置は、説明される目的のために特別に構築され得、および／または、この装置は、コンピュータシステムに記憶されたコンピュータプログラムによって選択的にプログラムされる汎用コンピュータシステムを備え得る。そのようなコンピュータプログラムは、限定はしないが、各々がコンピュータシステムバスに結合された、フロッピーディスクと、光学ディスクと、ＣＤ－ＲＯＭと、磁気光学ディスクとを含む、任意のタイプのディスク、読取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、消去可能プログラマブル読取り専用メモリ（ＥＰＲＯＭ）、電気的消去可能プログラマブル読取り専用メモリ（ＥＥＰＲＯＭ）、磁気ディスク記憶媒体、光学記憶媒体、フラッシュメモリデバイス、他のタイプの機械アクセス可能記憶媒体、または電子命令を記憶するのに好適な任意のタイプの媒体など、コンピュータ可読記憶媒体に記憶され得る。

【0100】

上記の説明は、例示的なものであり、限定的なものではないことを理解されたい。多くの他の実施形態は、上記の説明を読み、理解すると、当業者には明らかであろう。本開示は特定の例示的な実施形態に関して説明されたが、本開示が、説明された実施形態に限定されず、添付の特許請求の範囲の趣旨および範囲内で修正および改変を加えて実施され得ることを認識されよう。したがって、本明細書および図面は、限定的な意味ではなく例示的な意味で考慮されるべきである。したがって、本開示の範囲は、添付の特許請求の範囲を参照しながら、そのような特許請求の範囲が権利を与えられる等価物の全範囲とともに、決定されるべきである。

【図1A】

【図1B】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【国際調査報告】