Son zamanlarda yayınlanan bir çalışmada Doğa Nanoteknolojisi, Bir grup araştırmacı, beyin yüzeyi elektrofizyolojik kayıtlarında ve kalsiyum görüntülemede gelişmiş uzaysal çözünürlük için yüksek yoğunluklu, çok küçük, şeffaf grafen mikroelektrotlar geliştirdi ve yüzey potansiyellerinden tek hücreli ve ortalama sinirsel aktivitelerin kodunun çözülmesini sağladı.
Ders çalışma: Yüzey potansiyel kayıtlarından derinlemesine hücresel kalsiyum aktivitesini tahmin etmek için yüksek yoğunluklu şeffaf grafen dizileri. Resim Kredisi: Gorodenkoff/Shutterstock.com
Olayın Arka Planı
Çeşitli mekansal ve zamansal ölçeklerde beyin mekanizmalarını keşfetmek, sinir dinamiklerini anlamak için çok önemlidir ve çeşitli yöntemleri entegre eden araçlar gerektirir.
Geleneksel şeffaf mikroelektrot teknolojileri, ilerlemelerine rağmen boyut ve kanal yoğunluğu nedeniyle sınırlıdır.
Bu teknolojilerin canlı sinir dokusuyla entegrasyonunu geliştirmek, uzun vadeli stabiliteyi ve biyouyumluluğu optimize etmek ve uygulamalarını daha geniş bir yelpazedeki nörolojik çalışmalara ve terapötik müdahalelere genişletmek için daha fazla araştırmaya ihtiyaç vardır.
Çalışma hakkında
Araştırmacılar, bir polidimetilglutarimid (PMGI) SF3 kurban tabakası ile bir silikon levha üzerine bir perilen C (PC) tabakası yerleştirerek yüksek yoğunluklu şeffaf grafen dizileri geliştirdiler.
Daha sonra metal teller ve temas yüzeyleri oluşturmak için krom ve altını püskürttüler. İlk grafen katmanı, elektrokimyasal delaminasyon kullanılarak aktarıldı ve tel direncini azaltmak için nitrik asit (HNO3) çözeltisine daldırıldı.
Temizlendikten sonra ikinci bir grafen katmanı eklendi. İki katmanlı bir fotorezist kullandılar ve grafeni oksijen plazmasıyla kazıdılar, ardından temizlediler. Sonraki aşamalarda grafeni korumak için üzerine silikon dioksit aşındırmayı durdurucu bir katman püskürttüler.
Kapsülleme katmanı olarak başka bir PC katmanını yerleştirip desenlendirdikten sonra, grafene erişmek için silikon dioksit katmanını çıkardılar ve dizileri levhadan ayırdılar.
Ekip, elektrot karakterizasyonu için platin nanopartiküllerin (PtNP'ler) elektrokimyasal biriktirilmesini ve fosfat tamponlu salin solüsyonunda Gamry 600 plus kullanarak elektrokimyasal karakterizasyonları gerçekleştirdi.
Elektromanyetik gürültüyü önlemek için ölçümler Faraday kafesinde yapıldı. PtNP biriktirme, grafen elektrottan karşı elektrota akan bir akımla iki elektrotlu bir konfigürasyonda gerçekleştirildi.
Elektrotların empedansının 150 saniyelik PtNP birikiminden sonra doyduğu bulundu.
Araştırmacılar, elektrotları analiz etmek, kuantum kapasitans etkisini, grafen tellerin direncini ve PtNP'nin sözde kapasitansını (Cp) yakalamak için geleneksel Randles modelini değiştirdiler.
Elektrot/elektrolit arayüzü için eşdeğer devre modelinden kuantum kapasitans bileşenini çıkardılar ve PtNP'nin sahte kapasitansını temsil etmek için Cp ve yük aktarım direncini (Rct) eklediler. Devre modellerindeki kapasitanslar, elektrokimyasal empedans spektroskopisi ölçüm verilerinin yerleştirilmesiyle çıkarıldı.
Hayvan prosedürleri, California Üniversitesi San Diego Kurumsal Hayvan Bakım ve Kullanım Komitesi tarafından onaylanan protokolleri takip etti. Yetişkin farelere anestezi uygulandı ve kafatasına özel yapım bir kafa plakası yerleştirildi.
Sol yarıkürede bir kraniyotomi yapıldı ve şeffaf PtNP'ler/çift katmanlı grafen (id-DLG) elektrot dizisi, açıkta kalan kortekse yerleştirildi.
Hayvanlara görsel uyaranlar sunuldu ve iki fotonlu görüntüleme ve görüntüleme verilerinin analizi, ticari bir iki fotonlu mikroskop kullanılarak gerçekleştirildi.
RHD2000 amplifikatör kartı kullanılarak elektrofizyolojik kayıtlar yapıldı ve veriler Matrix Laboratuvarı'nda (MATLAB) özel komut dosyaları kullanılarak analiz edildi. Kalsiyum aktivitesi ile analiz ve korelasyon için empedansları 10 MΩ'un üzerinde olan elektrotlar hariç tutuldu.
Ekip, farklı frekans bantlarını izole etmek ve görsel olarak uyarılmış potansiyelleri çıkarmak için yüzey kayıtlarına çeşitli filtreler uyguladı.
Ayrıca yüzey potansiyellerinden kalsiyum aktivitesini tahmin etmek için Python'da bir sinir ağı modeli geliştirdiler, çift yönlü uzun kısa süreli bellek (BiLSTM) katmanını uyguladılar ve kayıp fonksiyonu olarak ortalama karesel hatayı kullandılar.
Yüksek boyutlu verilerin paylaşılan değişkenliğini tanımlayan gizli temsilleri çıkarmak için üretken bir model olan Gaussian süreç faktör analizi (GPFA) kullanıldı. BiLSTM modelinden öngörülen kalsiyum sinyalleri, gerçek kalsiyum sinyalleriyle karşılaştırıldı.
İstatistiksel analiz için, kod çözme performanslarını karşılaştırmak amacıyla iki taraflı bir Wilcoxon sıra toplamı testi kullanıldı.
Çalışma sonuçları
Araştırmacılar, ultra küçük elektrotlara sahip yüksek yoğunluklu şeffaf grafen mikroelektrot dizileri geliştirmede önemli zorlukların üstesinden geldi. PtNP'leri kullanarak Dirac noktasına yakın durum yoğunluğunun düşük olduğu bilinen bir malzeme olan grafendeki kuantum kapasitansı ile ilgili sorunları ele aldılar.
Bu yenilikçi yöntem, düşük empedanslı bir yol oluşturarak elektrot empedansını 5.4 MΩ'dan 250 kΩ'a önemli ölçüde düşürdü. Ekip ayrıca bu elektrotların elektrokimyasal empedansını analiz etmek için id-DLG ve PtNP'lerin başarılı entegrasyonunu gösteren eşdeğer bir devre modeli geliştirdi.
Bu, ultra küçük elektrotlarla bile sinyal kalitesini koruyan, yüksek verimli, tamamen şeffaf grafen dizileriyle sonuçlandı.
In in vivo Ekip, deneylerde bu dizileri transgenik farelerin kortikal yüzeyinden elektrofizyolojik sinyalleri kaydetmek ve aynı zamanda iki fotonlu mikroskopi ile kalsiyum görüntülemeyi gerçekleştirmek için kullandı.
Bu yaklaşım, araştırmacıların uyarıcı nöronları ve bunların bölmelerini tek hücreli çözünürlükle gözlemlemesine olanak sağladı. Görsel uyaranlara verilen çeşitli nöronal tepkileri kaydedebilirler ve korteks boyunca tek tip elektrofizyoloji kayıtları sağlayabilirler.
Grafen dizisinin şeffaflığı ve PtNP elektrotlarının ultra küçük boyutu, görüş alanını engellemeden geniş uzaysal kapsamayı mümkün kıldı ve böylece korteksin geniş bir alanı üzerinde yüzey potansiyellerinin yüksek çözünürlüklü gözlemlenmesini kolaylaştırdı.
Araştırmacılar daha sonra, yalnızca kortikal yüzeyden alınan yüksek çözünürlüklü elektrik kayıtlarını kullanarak daha derin katmanlardaki beyin aktivitesini tahmin etmek için tek katmanlı BiLSTM ağı da dahil olmak üzere yapay sinir ağlarını kullandılar.
Modeller, hücresel kalsiyum aktiviteleri ile yüzey potansiyelleri arasındaki doğrusal olmayan ilişkileri anlamak için çok modlu veri kümeleri üzerinde eğitildi.
Bu yaklaşım, her iki katman için öngörülen ve gerçek kalsiyum aktiviteleri arasında güçlü bir korelasyon gösterdi; bu da farklı kanalların kod çözme için tamamlayıcı bilgiler sağladığını gösteriyor.
Ekip ayrıca, yüksek boyutlu kalsiyum floresan sinyallerini temsil eden düşük boyutlu gizli değişkenleri çıkarmak için GPFA kullanarak yüzey potansiyellerinden tek hücreli aktiviteleri tahmin etmenin uygulanabilirliğini de araştırdı.
Bu yöntem, yüzeydeki elektriksel aktiviteleri kullanarak derinlemesine nöronların kalsiyum aktivitesini etkili bir şekilde ortaya çıkardı.
Bununla birlikte, popülasyon eşleşmesinin kod çözme performansını belirleyen tek faktör olmadığını da buldular; bireysel hücre aktivitesinin çıkarımına katkıda bulunurken diğer faktörlerin de rol oynadığını öne sürdüler.
Bu, grafen dizileri tarafından kaydedilen yüzey potansiyellerinin, farklı beyin katmanlarındaki nöron faaliyetleri hakkında değerli bilgiler taşıdığını ve tek hücre düzeyinde bile sinir popülasyonu dinamiklerinin çıkarımını mümkün kıldığını gösteriyor.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
- PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
- PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
- PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
- Kaynak: https://www.news-medical.net/news/20240115/Revolutionary-transparent-graphene-microelectrodes-enhance-brain-imaging-and-stimulation.aspx
