近几年，类器官（organoids）技术为体外疾病建模和药物筛选带来了巨大的可能性。但一个关键瓶颈始终存在：随着类器官体积的增大，其内部往往缺乏血管，导致营养与氧气无法有效输送，从而限制了其生长和功能成熟。为了解决这一问题，科研人员将类器官与微流控芯片结合，发展出vascularized organoid-on-a-chip（VOoC）平台。这种系统通过在芯片内建立灌注性的微血管网络，为类器官提供“血管化”支持，逐步接近体内真实的生理环境。
类器官在获得血管支持后，物质交换能力增强，体积得以进一步增大，同时多种血管相关细胞的共培养显著提高了其微环境复杂性。然而，复杂结构与芯片材料的异质性会引起光散射和折射率不匹配，使共聚焦显微镜的成像深度通常受限于约100μm，难以全面解析VOoC的三维结构与生理活动。近年来，CLARITY、CUBIC等组织透明化（TOC）方法被引入VOoC研究，并与光片显微镜（LSFM）结合，实现快速、高效的三维成像。同时，深度学习在细胞识别、定位和血管网络分析中展现出优势，为VOoC的大规模自动化分析提供了重要支撑。
一项发表在Angiogenesis的综述Vascularized organoid-on-a-chip: design, imaging, and analysis，主要围绕VOoC的芯片设计与血管化策略、成像与透明化技术，以及血管分析方法与未来挑战展开讨论。
TOC on-chip
组织透明化（TOC）的核心目标，就是通过去水、脱脂、去钙、脱色与折射率匹配等手段，降低吸收与散射，同时尽可能保持荧光信号和抗原分子，从而让三维组织由“黑盒”变为“透明体”。
近年来，研究者将多种 TOC 方法与微流控芯片结合，探索更高效的透明化路径。
1、Ahn等人改进CUBIC方法，在肿瘤球（HepG2 spheroid）中成功观察到深层CD31血管信号。
2、Chen等人将球体形成、CLARITY清除与成像集成到螺旋结构芯片，实现快速标记、透明化与胰岛血管成像。
3、Santisteban等人开发大规模集成微流控（mLSI）平台，结合CLARITY并利用pH渗透泵加速脂质去除，大幅缩短脂肪来源干细胞球的透明化时间。
这些方法展示了TOC在VOoC体系中的多种可行路径，也突出了微流控系统在快速液体交换与自动化处理方面的优势。
图像分析赋能
1、经典方法：从二维到三维
在VOoC体系中，血管分析通常围绕长度、直径、分支点数量、血管密度、通透性等指标展开。早期研究多依赖于二维显微图像，通过ImageJ、AngioTool等软件进行半自动测量。但随着类器官和血管网络的三维化，二维方法显然不足以反映整体结构。为此，Imaris、Amira 等三维可视化软件被广泛应用，可以在透明化与高通量成像的基础上，重建完整的血管网络并进行量化。
2、深度学习：让分析更快更准
随着数据体量的增加，人工和半自动分析效率低、主观性强的问题日益突出。近年来，深度学习（Deep Learning）成为血管分析的核心工具。基于U-Net、CNN的算法已成功应用于血管分割、追踪与三维重建，不仅极大提高了速度和准确性，还能实现自动识别和定量。研究者还利用VOoC的高可控性，生成标准化的大规模训练数据集，从而不断优化模型性能。这种“VOoC 产数→ AI分析→反哺实验”的闭环，使血管网络分析进入了自动化和智能化阶段。
结语
血管化类器官芯片（VOoC）为突破类器官体积与功能的限制提供了新的解决思路，而组织透明化（TOC）和先进成像手段的引入，使得三维血管网络的全景呈现成为可能。在此基础上，图像分析方法，尤其是深度学习的应用，正在推动血管定量研究从二维走向三维、从人工走向智能化。未来，随着芯片设计、透明化流程与图像分析算法的协同发展，VOoC将在疾病建模与药物筛选中发挥更大作用，也为组织工程和精准医疗开辟了新的研究方向。
参考文献：
Yu, Tingting et al. “Vascularized organoid-on-a-chip: design, imaging, and analysis.” Angiogenesis vol. 27,2 (2024): 147-172. doi:10.1007/s10456-024-09905-z
晗澄生物平台可提供类器官培养基试剂盒清单:
欢迎联系我们：
上海晗澄生物科技有限公司
微信：15502157206
公众号：晗澄生物
