RICARDO DELGADO: HALLAZGO IRREFUTABLE !!!

Aktive Graphen-Sensor-Arrays für die langfristige und drahtlose Kartierung der epikortikalen Hirnaktivität mit breitem Frequenzband
nature.com/articles/s41467-020-20546-w

Aktive Graphensensoren haben vielversprechende Fähigkeiten zur Erkennung elektrophysiologischer Signale im Gehirn gezeigt. Ihre funktionellen Eigenschaften zusammen mit ihrer Flexibilität sowie ihrer erwarteten Stabilität und Biokompatibilität haben sie zu einem vielversprechenden Baustein für großflächige sensorische neuronale Schnittstellen gemacht.

Um jedoch zuverlässige Werkzeuge für Anwendungen in den Neurowissenschaften und der Biomedizintechnik bereitzustellen, muss der Reifegrad dieser Technologie gründlich untersucht werden. Hier bewerten wir die Leistung von 64-Kanal-Graphensensor-Arrays in Bezug auf Homogenität, Empfindlichkeit und Stabilität unter Verwendung einer drahtlosen, quasi-kommerziellen Kopfbühne und demonstrieren die Biokompatibilität von chronischen epikortikalen Graphenimplantaten. Außerdem, Um das Potenzial der Technologie zur Erkennung kortikaler Signale von infralangsamen bis zu hohen Gamma-Frequenzbändern zu veranschaulichen, führen wir eine konzeptionelle Langzeit-Wireless-Aufzeichnung bei einem sich frei verhaltenden Nagetier durch. Unsere Arbeit zeigt die Reife der Graphen-basierten Technologie, die einen vielversprechenden Kandidaten für chronische, breitbandige neuronale Sensorschnittstellen darstellt.

Einführung

Die Erhöhung der Bandbreite neuroelektronischer Schnittstellen in Bezug auf räumliche Auflösung und Empfindlichkeit in einem weiten Frequenzbereich ist eine große und ständige Herausforderung in der Neurotechnik. In den letzten Jahrzehnten wurden große Anstrengungen unternommen, um neuronale Sensorschnittstellen mit hoher Sensoranzahl auf konformen Substraten 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10 zu entwickeln , die für hoch biokompatible intrakranielle neurale Sonden 11 , 12 , 13 , 14. In dieser Linie haben sich aktive Sensoren als vielversprechender Baustein für neuronale Schnittstellen mit hoher Bandbreite 4 , 6 , 15 , 16 , 17 , 18 , 19 herausgestellt, da sie in einem Multiplex-Array 2 , 4 , 6 , 7 , 8 . angeordnet werden können , 9 ermöglicht Sonden mit hoher Sensoranzahl. Das Detektionsprinzip aktiver Sensoren basiert typischerweise auf der Modulation der Leitfähigkeit eines Transistorkanals, der über sein Gate 8 , 9 , 15' elektrisch mit der biologischen Umgebung gekoppelt ist, 18 , 20 , 21 , 22 , wodurch eine lokale Signalvorverstärkung erzeugt wird. Obwohl aktive Sensortechnologien gegenüber herkömmlichen Mikroelektroden-Arrays erhebliche Vorteile bieten, ist ihre Implementierung derzeit durch die erforderlichen anspruchsvollen Materialeigenschaften begrenzt. Um langfristige und hochempfindliche neuronale Aufzeichnungen zu erzielen, werden von Materialien für die aktive Sensorik neben einer hohen Stabilität, einer einfachen Integration in flexible Substrate und einer Biokompatibilität auch halbleitende oder halbmetallische Eigenschaften, eine hohe elektrische Mobilität und ein geringes Eigenrauschen erwartet.

Einige aktive Sensoren auf Basis organischer Halbleiter und dünner Si-Nanomembranen haben mit neuartigen Transistorarchitekturen vielversprechende Leistungen gezeigt 17, 22 und Isoliertechnologien 4 , 14 verbessern ihre Leistung in einigen typisch eingeschränkten Aspekten wie ihrem Frequenzgang oder ihrer Langzeitstabilität. Graphenbasierte aktive Sensoren sind aufgrund der Flexibilität von Graphen 23 , 24 , seiner hohen erwarteten Stabilität 25 und Biokompatibilität 26 , 27 sowie seiner elektronischen Eigenschaften, einschließlich einer hohen Mobilität der Ladungsträger 28 , ein weiterer vielversprechender Kandidat, um diese Anforderungen zu erfüllen. 29 . Lösungsgesteuerte Graphen-Feldeffekttransistoren (g-SGFETs) haben eine hohe Empfindlichkeit für die Detektion lokaler Feldpotentiale gezeigt15 (LFP) sowie eine hohe Performance im Multiplexbetrieb 6 , 7 . Darüber hinaus haben g-SGFETs kürzlich eine hohe Sensitivität für die Kartierung der infralangsamen (<0,5 Hz) Gehirnaktivität (ISA) 30 , 31 , 32 mit hoher räumlicher Auflösung 6 , 7 , 33 , 34 gezeigt .

ISA hat in letzter Zeit aufgrund seiner einzigartigen neurophysiologischen Grundlage 30 und seiner Beziehung zu Ruhezustandsnetzwerken 31 , 35 , 36 , 37 und zu Gehirnzuständen 36 , 38 , 39 , 40 zunehmende Aufmerksamkeit auf sich gezogen . Bis heute wurde ISA typischerweise mit Vollband-Elektroenzephalographie (fb-EEG) 41 , 42 untersucht . Die Erhöhung der räumlichen Auflösung der ISA-Überwachung durch Verwendung kleiner Elektroden ist jedoch letztendlich durch die Abhängigkeit der Verstärkerverstärkung von der Impedanz der verwendeten Elektroden begrenzt. Diese Abhängigkeit führt zu Signal-Rausch-Verlust und Signalverzerrung 43bei niedrigen Frequenzen. Aus diesem Grund beschränkten sich Untersuchungen der ISA mit hoher Ortsauflösung typischerweise auf indirekte Messverfahren wie die funktionelle Magnetresonanztomographie 31 , 37 , optische Verfahren 44 oder die Analyse infralangsamer Änderungen der Signalleistung bei höheren Frequenzen 45 .

G-SGFETs als aktive Sensoren, transduzieren die elektrochemische Potential Signale im Gehirn ( V sig ) in Drain-zu-Source - Strom ( I ds ) Signale (siehe Fig. 1a ). Die Amplitude der gewandelten Signale ist proportional zur Steilheit ( g m ), definiert als die Steigung von I ds–V gs -Kurven geteilt durch V ds (siehe Abb. 1b ). g m ist proportional zur Gate-Kapazität pro Flächeneinheit (intensive Eigenschaft) und zum W / L- Verhältnis des Transistors, jedoch nicht zu seiner aktiven Fläche 17 , 46 , 47 , 48 , 49. Die auf dem Feldeffektmechanismus basierende Signalerkennung ermöglicht es daher, die Signalverzerrung und den Verstärkungsverlust zu verhindern, die bei kleinen passiven Sensoren im infralangsamen Frequenzband beobachtet werden. Dieser Vorteil soll für alle FET-basierten Sensortechnologien mit stabilen Übertragungseigenschaften gelten, experimentelle Nachweise wurden jedoch nur für g-SGFETs erbracht, die eine besonders hohe chemische Inertheit aufweisen 25 , 33 .

Die Eigenschaften von g-SGFETs stellen eine qualitative Veränderung in der Untersuchung von ISA dar, die es ermöglicht, ihre physiologische Rolle mit einer verbesserten räumlichen Auflösung zu erforschen. Um jedoch bei der tatsächlichen Anwendung von g-SGFET-Arrays Fortschritte zu erzielen, müssen noch einige technische Aspekte gründlich bewertet werden.

Abb. 1: Aktive Graphen-Sensor-Arrays für die chronische, drahtlose Überwachung der epikortikalen neuralen Aktivität im breiten Frequenzband.

a Schema eines g-SGFET und seines Ersatzschaltbildes. Die Kleinsignaltransduktion von Spannung zu Strom wird durch die Stromquelle G m V sig modelliert , wobei G m ≡ d I ds / d V gs . Der Gleichstrom wird durch das R ds -Element modelliert . b Durchschnittliche stationäre Übertragungseigenschaften von 8 g-SGFETs (linke Achse) und g m von 64 g-SGFETs (rechte Achse). Der ausgefüllte Bereich gibt die Standardabweichung an. CIllustration der Ratte mit implantiertem ungebundenen Aufzeichnungssystem. Die Kopfbühne und der 3D-gedruckte Rahmen, um sie zu halten, werden von einem 3D-gedruckten Gehäuse abgedeckt. Oben sind die Positionsmarker des Motion Capture (Mocap) Systems befestigt, die das Licht zu den im Raum platzierten Mocap-Kameras zurückreflektieren.

Die von den Graphensensoren gewandelten neuronalen Signale werden digitalisiert und drahtlos an den Signalempfänger übertragen, der zur Signalaufzeichnung mit einem Computer verbunden ist. d g-SGFET-Array, platziert auf dem Rattenkortex; die Position der Referenzelektrode in Kontakt mit dem Kleinhirn und zwei Pt-Ir-Elektroden auf beiden Seiten des g-SGFET-Arrays sind mit Pfeilen markiert. e Fotografie der für diese Experimente entwickelten drahtlosen Kopfbühne. FFoto des 64-g-SGFET-Arrays, das auf einem kundenspezifischen Anschluss montiert ist (links) und vergrößertes Bild des aktiven Bereichs der Sonde (rechts). Die roten Quadrate zeigen die g-SGFETs des Arrays an, die mit den Eingängen der Kopfstufe mit DC-Fähigkeit verbunden sind.

es geht weiter...schauen Sie mal unter der Internetadresse oben, es ist alles auf Englisch, bitte "auf Deutsch übersetzen" anklicken.