脑机接口突破在即！高密度透明石墨烯电极记录大脑信号 | Nature子刊

最新推荐文章于 2025-02-06 10:57:26 发布

脑机接口社区

最新推荐文章于 2025-02-06 10:57:26 发布

阅读量1.6k

点赞数 19

本文链接：https://blog.csdn.net/zyb228/article/details/135724772

版权

光学透明的神经微电极可促进大脑皮层的光学成像与电生理记录的结合。挑战在于将电极尺寸缩小到单细胞大小，并增加密度，以高空间分辨率记录神经活动，捕捉非线性神经动力学。

美国加州大学圣地亚哥分校（UCSD）的研究人员利用铂纳米颗粒克服了石墨烯的量子电容限制，将微电极直径缩小到20微米，进而开发了一种透明的石墨烯微电极，具有超小的开口和大的透明记录区域，无需引入任何金属延伸，可实现高达256通道的高密度微电极阵列。

具体而言，高密度的微小圆形石墨烯电极阵列被嵌入在一种纤薄、透明、柔韧的聚合物上。该聚合物条被植入大脑后可紧贴在大脑表层。石墨烯电极阵列上的每个电极直径为20微米，通过一根微米粗细的石墨烯导线与电路板相连。

图1. 高密度透明石墨烯阵列。a、透明且柔性的64通道石墨烯阵列（左）以及放大部分，石墨烯电线用白色虚线表示（右）。比例尺，100微米。b、HNO3-DLG的示意图。c、石墨烯电线上针孔缺陷的双光子显微镜图像。上下两根电线分别为单层石墨烯（SLG）和双层石墨烯（DLG）。比例尺，10微米。d、SLG、DLG和HNO3-DLG电线的电阻与电线长度的关系。圆圈和误差棒分别表示平均值和标准偏差（n = 4）。e、高密度256通道石墨烯阵列的光学图像。比例尺，1毫米。

为了验证该电极的潜力，这项研究使用了三只小鼠进行实验。在手术过程中，小鼠被麻醉并进行了头皮切除，植入了定制的头板以固定脑组织。开颅手术后，透明的电极阵列被放置在大脑皮层上，覆盖了初级视觉皮层（V1）和其他邻近的皮质区域。以此读取小鼠大脑表层信号。此外，本研究还记录了在没有任何刺激的情况下的自发活动。

然而，真正的进步在于这种薄膜是透明的。这使得研究人员可以同时发射激光穿过它，并使用双光子显微镜来成像位于表面下250微米深处的神经元的钙离子尖峰。钙是神经元相互传递数据的关键成分。

无缺陷低电阻透明石墨烯线

石墨烯阵列的完全透明对于具有完全清晰视场的多模态实验至关重要。石墨烯线在构建全透明记录区域的高密度石墨烯阵列时面临着一些挑战：

1）减小石墨烯导线的宽度和增加其长度会增加导线电阻，可能导致记录信号的衰减；

3）制造缺陷：细长的石墨烯线在生长和制造过程中容易受到缺陷的影响，导致石墨烯线中的开路并降低微电极阵列的成品率；

3）保持导电性：需要小型化石墨烯导线，以使其保持足够的导电性，同时避免导线电阻的大幅增加。

图2 . 使用PtNPss沉积克服量子电容并降低阻抗。

克服超小电极的量子电容

由于石墨烯的量子电容，将石墨烯电极小型化到单电池尺寸会导致大的阻抗。采用多层石墨烯并引入掺杂剂可以增加量子电容，但它仍然占总电容的主导地位（图2a）。为了降低阻抗，本研究利用电化学沉积了PtNPss，这是一种通过创建低阻抗并联电导路径来绕过量子电容效应限制的方法。PtNPs通过增加有效表面积和电化学反应，改变了由石墨烯量子电容主导的电容电极/电解质界面（图2b）。应用PtNPs沉积成功地将平均阻抗从5.4 MΩ降低到250 kΩ（图2c）。本研究研究结果证明了id-DLG和PtNPs的成功集成，实现了具有超小电极和低阻抗的高产量全透明石墨烯阵列，可用于多模态实验，且信号质量不受影响。

转基因小鼠体内多模态实验

使用透明PtNPs/id-DLG阵列进行了多模态实验，记录来自皮质皮层的电生理信号，同时在大多数皮质兴奋性神经元中表达GCaMP6s的转基因小鼠的同侧视觉皮层使用双光子显微镜进行钙成像。本研究在动物呈现时同时在两个不同深度（L1和L2/3）进行电生理记录和钙成像用漂移光栅作为视觉刺激（图3a）。植入阵列的高光学透明度使得兴奋性神经元及其隔室易于检测，并以单细胞分辨率记录钙信号（图3b）。从64个石墨烯电极记录的代表性电信号如图3c所示。L2/3兴奋性神经元的试验平均钙活性（图3d）和来自L1和L2/3的代表性光学信号（图3e-g）突出了漂移光栅引发的神经元反应的不同范围。为了确保在皮层上的电生理记录是一致的，检查了记录信号的噪声水平，并证明了噪声在阵列上是均匀的。

图3. 多模态实验：结合皮层电位记录和两光子成像的多种实验。

本研究的柔性阵列能够记录跨越皮质大面积（2.5 × 2.5 mm2）的64个通道的皮层电位（图4a）。在如此广阔的空间覆盖范围内，能够检查视觉刺激反应的传播（图4b）。本研究分析了不同频带的视觉诱发反应功率，发现高频频带（γ和MUA）比低频频带（δ和θ）更局部化，低频频带传播到其他皮质区域（图4c），与先前的研究发现一致。

图4. 使用皮层电极检测到的刺激诱发局部场电位和高频活动。

根据皮层记录预测深度的神经活动

此外，研究人员还进行解码大脑的神经活动。在解码模型预测钙活性的实验中，使用了Python实现了一个神经网络模型，该模型由一个线性隐藏层、一个单层双向长短期记忆（BiLSTM）网络和一个线性读出层组成（图5a）。使用多模态数据集对模型进行训练，以学习细胞钙活性与皮层电位之间的非线性关系。从皮层电位预测的钙活性与两层钙荧光的真值变化很好地吻合（图5b）。为了评估不同通道在空间上的贡献，使用了最接近视场的通道子集进行解码。随着信道的增加，解码性能也随之提高（图5c），表明不同的信道提供了互补的信息。然而，当使用约20个信道时，解码性能达到饱和，这表明额外的信道提供了超过此点的冗余信息。然后，研究了不同频段的贡献，发现当包括MUA， γ和H-γ时，解码性能达到最佳，这表明高频成分携带了大量的神经活动信息，包括视场中的细胞尖峰（图5d）。

图5. 从记录的皮层电位解码平均钙活性。a、解码模型示意图。不同频带（以十个通道为例）在时间t附近的信号功率被用作模型的输入，以解码时间t的钙活性。该模型包括一个线性隐藏层、一个单层双向LSTM网络和一个线性读出层。b、解码的（橙色）与地面实况的（黑色）L1（像素平均）和L2/3（细胞平均）的∆F/F值。c、利用所有七个频带但不同数量的通道解码的L1和L2/3（细胞和像素平均）的性能。圆圈和误差条分别表示平均值和平均标准误差（n = 5）。d、利用距离视场最近的20个通道的低频（δ、θ、α和β）和高频（γ、H-γ和MUA）成分解码的L1和L2/3（细胞和像素平均）的性能。条形和黑线分别表示平均值和平均标准误差（n = 5）。

该研究的工作人员Mehrdad Ramezani说：“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，在实验中，受试者可以自由移动并执行复杂的行为任务。这可以让我们更全面地了解动态、真实场景中的神经活动。”

在这项工作中，研究团队开发了一种透明的高密度石墨烯阵列，内含超小电极，成功应用于多模态实验中，用于研究不同皮层层次的神经动力学。该石墨烯阵列的完全透明性为进行无干扰的多模态实验提供了可能，同时结合光学成像和电生理记录，提供了互补的时空分辨率。

该研究的成果为延长脑机接口的寿命提供了可能，同时还有利于增强电生理学研究的解释，并扩大神经记录的空间范围，促进脑机接口技术在处理复杂运动和行为任务方面的能力。

参考内容

https://www.nature.com/articles/s41565-023-01576-z

—— End ——

仅用于学术分享，若侵权请留言，即时删侵！