透明大脑植入物可以从表面读取深层神经活动

导读 加州大学圣地亚哥分校的研究人员开发了一种神经植入物,当坐在大脑表面时,它可以提供有关大脑深处活动的信息。该植入物由薄的、透明的、柔...

加州大学圣地亚哥分校的研究人员开发了一种神经植入物,当坐在大脑表面时,它可以提供有关大脑深处活动的信息。该植入物由薄的、透明的、柔性的聚合物条组成,其中填充有密集的石墨烯电极阵列。该技术在转基因小鼠中进行了测试,使研究人员距离构建微创脑机接口(BCI)又近了一步,该接口通过使用大脑表面的记录提供有关深层神经活动的高分辨率数据。

该成果于1月11日发表在《自然·纳米技术》杂志上。

“我们正在利用这项技术扩大神经记录的空间范围,”该研究的资深作者、加州大学圣地亚哥分校雅各布斯工程学院电气与计算机工程系教授 Duygu Kuzum 说。“尽管我们的植入物位于大脑表面,但其设计超越了物理传感的限制,因为它可以从更深层次推断神经活动。”

这项工作克服了当前神经植入技术的局限性。例如,现有的表面阵列是微创的,但它们缺乏捕获大脑外层之外的信息的能力。相比之下,具有穿透大脑的细针的电极阵列能够探测更深层,但它们通常会导致炎症和疤痕,随着时间的推移会损害信号质量。

加州大学圣地亚哥分校开发的新型神经植入物兼具了两全其美的优点。

植入物是一种薄的、透明的、柔韧的聚合物条带,与大脑表面贴合。该条带嵌入了高密度的微小圆形石墨烯电极阵列,每个电极的直径为 20 微米。每个电极都通过微米级细的石墨烯线连接到电路板。

在转基因小鼠的测试中,植入物使研究人员能够同时捕获两种神经活动(电活动和钙活动)的高分辨率信息。当放置在大脑表面时,植入物记录了来自外层神经元的电信号。与此同时,研究人员使用双光子显微镜将激光照射到植入物上,对位于表面以下 250 微米深处的神经元的钙尖峰进行成像。研究人员发现表面电信号与深层钙峰值之间存在相关性。这种相关性使研究人员能够使用表面电信号来训练神经网络来预测不同深度的钙活动,不仅针对大量神经元,而且针对单个神经元。

“神经网络模型经过训练,可以学习表面电记录与深度神经元钙离子活动之间的关系,”库祖姆说。“一旦它了解了这种关系,我们就可以使用该模型来预测地表的深度活动。”

能够从电信号预测钙活性的一个优点是它克服了成像实验的局限性。当对钙尖峰进行成像时,受试者的头部必须固定在显微镜下。而且,这些实验一次只能持续一两个小时。

“由于电子记录没有这些限制,我们的技术使得进行更长时间的实验成为可能,在这些实验中,受试者可以自由走动并执行复杂的行为任务,”该研究的共同第一作者、电气和计算机工程人员 Mehrdad Ramezani 说。博士 库祖姆实验室的学生。“这可以更全面地了解动态、现实场景中的神经活动。”

设计和制造神经植入物

该技术的成功归功于几个创新的设计特点:透明度和高电极密度与机器学习方法相结合。

“这种以高密度嵌入的新一代透明石墨烯电极使我们能够以更高的空间分辨率对神经活动进行采样,”库祖姆说。“因此,信号质量显着提高。让这项技术更加引人注目的是机器学习方法的集成,这使得从表面信号预测深层神经活动成为可能。”

这项研究是加州大学圣地亚哥分校多个研究小组的合作成果。该团队由多模态神经接口开发领域的世界领导者之一 Kuzum 领导,成员包括纳米工程学教授 Ertugrul Cubukcu,他专门研究石墨烯材料的先进微米和纳米制造技术;电气和计算机工程教授 Vikash Gilja,他的实验室整合了基础神经科学、信号处理和机器学习领域的特定领域知识来解码神经信号;以及神经生物学和神经科学教授 Takaki Komiyama,他的实验室专注于研究灵活行为背后的神经回路机制。

透明度是这种神经植入物的关键特征之一。传统植入物的电极和电线使用不透明金属材料,这会在成像实验期间阻挡电极下方神经元的视野。相比之下,使用石墨烯制成的植入物是透明的,这在成像实验期间为显微镜提供了完全清晰的视野。

“只有这项技术才能同时记录电信号和神经活动的光学成像的无缝集成,”库祖姆说。“能够同时进行这两项实验为我们提供了更多相关数据,因为我们可以看到成像实验如何与电记录时间耦合。”

为了使植入物完全透明,研究人员使用超细长的石墨烯线代替传统的金属线将电极连接到电路板。然而,拉梅扎尼解释说,将单层石墨烯制造为又细又长的线材具有挑战性,因为任何缺陷都会使线材失效。“石墨烯线上可能有一个间隙,阻止电信号流过,所以基本上最终会出现断线。”

研究人员使用巧妙的技术解决了这个问题。他们没有将电线制造为单层石墨烯,而是将其制造为中间掺杂硝酸的双层。Ramezani 表示:“通过将两层石墨烯相互叠置,一层中的缺陷很可能会被另一层所掩盖,从而确保创建功能齐全、导电性提高的细长石墨烯线。”

免责声明:本文由用户上传,如有侵权请联系删除!

猜你喜欢

最新文章

<