Assembly and Characterization of Biomolecular Memristors consistant en des Membranes lipidiques dopé au canal ionique
Summary
Doux, faible puissance, biomoléculaire memristors tirer parti même composition, structure et mécanismes de bio-synapses de commutation. Présenté ici un protocole d’assembler et de caractérisation biomoléculaire memristors provient des bicouches lipidiques formés entre les gouttelettes d’eau dans l’huile d’isolation. L’incorporation des résultats de peptides activés par tension alaméthicin memristive conductance ionique à travers la membrane.
Abstract
La capacité de recréer les fonctionnalités synaptiques en éléments de circuits synthétique est essentielle pour neuromorphic informatique systèmes qui cherchent à imiter les compétences cognitives du cerveau avec densité et une efficacité comparable. A ce jour, trois bornes transistors à base de silicium et deux bornes memristors ont été largement utilisé dans les circuits de neuromorphic, en grande partie en raison de leur capacité de co-implantation de mémoire et traitement de l’information. Pourtant, ces dispositifs ne peuvent pas atteindre l’interconnectivité et la complexité du cerveau, parce qu’ils sont avides de pouvoir, ne parviennent pas à imiter principales fonctionnalités synaptiques et souffrent de bruit élevé et haute tensions de commande. Pour surmonter ces limitations, nous avons développé et caractérisé un memristor biomoléculaire qui imite la composition, structure et caractéristiques de commutation de synapses biologiques. Ici, les auteurs décrivent le processus d’assemblage et caractérisation biomoléculaire memristors consistant en une double couche lipidique 5 nm d’épaisseur formée entre les gouttelettes lipidiques fonctionnalisés dans l’huile et dopé avec des peptides alaméthicin activé par tension. Alors que des protocoles comparables de l’Assemblée ont été utilisés pour étudier les propriétés biophysiques de membranes soutenus par gouttelettes lipidiques et des canaux ioniques de la membrane-bondissent, cet article se concentre sur les principales modifications de la méthode d’interface bicouche goutte essentielle pour atteindre des performances cohérentes memristor. Plus précisément, nous décrivons le processus de préparation de liposome et l’incorporation des peptides alaméthicin dans les membranes de bicouche lipidique et les concentrations appropriées de chaque constituant ainsi que leur impact sur la réponse globale de la memristors. Nous détaillons également le processus de caractérisation des memristors biomoléculaire, y compris la mesure et l’analyse des relations courant-tension de memristive obtenu par voltamétrie cyclique, ainsi que la plasticité à court terme et l’apprentissage en réponse à lavage trains d’impulsions de tension.
Introduction
Il est largement admis que les synapses biologiques sont responsables du rendement élevé et l’énorme parallélisme du cerveau en raison de leur aptitude à acquérir et traiter l’information de façon très adaptables. Cette fonctionnalité coordonnée émerge de multiples, les mécanismes moléculaires complexes qui animent les deux à court et à long terme de la plasticité synaptique1,2,3,4,5. Neuromorphic systèmes informatiques visent à imiter les fonctionnalités synaptiques au niveau proche de la densité, complexité et l’efficacité énergétique du cerveau, qui sont nécessaires pour la prochaine génération des ordinateurs de type cerveau6,7 , 8. Toutefois, reproduisant les caractéristiques synaptiques utilisant des éléments traditionnels de circuit électronique est pratiquement impossible9, plutôt exigeant la conception et la fabrication de nouveaux éléments de matériel qui peut s’adapter aux signaux entrants et n’oubliez pas histoires d’information9. Ces types de matériels d’inspiration synapse sont connus comme mem-éléments9,10,11 (éléments de court pour mémoire), qui, selon Di Ventra et coll.9,11, sont passifs, deux bornes périphériques dont la résistance, capacité ou inductance peut être reconfiguré en réponse à des stimuli externes, et qui se souvient des États antérieurs11. Pour atteindre des niveaux de consommation d’énergie s’approchant de celles du cerveau, ces éléments devraient employer des matériaux et mécanismes de la plasticité synaptique12similaires.
A ce jour, deux bornes memristors13,14,15 ont principalement été construits complémentaire métal-oxyde-semiconducteur (CMOS) technologie, caractérisée par des tensions de commutation de haute et de bruit élevé. Cette technologie ne s’adapte pas bien en raison de la consommation d’énergie élevée et faible densité. Pour pallier ces lacunes, plusieurs memristors organiques et polymères ont été construits récemment. Toutefois, ces appareils présentent sensiblement plus lent commutation dynamique en raison de la diffusion d’ion temps sur un polymère conducteur matrice16,17. Par conséquent, les mécanismes par lesquels les deux dispositifs organiques et axés sur le CMOS memristive imiter synapse-inspiré des fonctionnalités sont hautement phénoménologiques, n’englobant que quelques fonctionnalités synaptiques telles que Spike Timing Dependent plasticité (Pdts) 18, alors que surplombant les autres clés caractéristiques qui jouent un rôle essentiel dans la fabrication du cerveau un ordinateur puissant et efficace, tels que la plasticité présynaptique, à court terme19.
Récemment, nous avons introduit une nouvelle classe de memristive dispositifs12 mettant en vedette les peptides activés par tension incorporés dans les membranes lipidiques biomimétique qui imite la composition biomoléculaire, structure de la membrane et le changement de chaîne déclenchée ion mécanismes de synapses biologique20. Ici, nous décrivons comment assembler et interroger électriquement ces appareils deux bornes, en mettant l’accent sur la façon d’évaluer la plasticité à court terme pour la mise en œuvre en ligne apprentissage demandes12. Assemblage de l’appareil est basé sur la méthode de21 de bicouche (DIB) d’interface des gouttelettes, qui a été largement utilisée ces dernières années pour étudier la biophysique du modèle membranes21 et membrane-bondissent ion canaux22,23, 24et en tant que blocs de construction pour le développement des matériaux sensibles aux stimuli25,26. Nous décrire le processus de montage et interrogatoire de membrane en détail pour ceux qui sont intéressés par les applications neuromorphic mais ont peu d’expérience en biomatériaux ou en biologie de la membrane. Le protocole prévoit également une description complète de la procédure de qualification, qui est aussi importante que le processus d’assemblage, compte tenu des propriétés électriques reconfigurables et dynamiques de l’ appareil27. La procédure et représentant les résultats décrite ici sont les bases d’une nouvelle classe de faible coût, faible puissance, mem-ments mous basées sur des interfaces de lipides et d’autres biomolécules pour applications en informatique neuromorphic, structures autonomes et systèmes, et même les interfaces cerveau-ordinateur adaptative.
Protocol
Representative Results
Discussion
Cet article présente un protocole pour l’assemblage et de caractérisation biomoléculaire memristors issu des ions biomembranes synthétique dopé au canal formé entre deux gouttes d’eau dans l’huile. Le dispositif doux-matter, deux bornes est conçu et étudié pour : 1) surmonter les contraintes qui sont associés à la technologie à l’état solide, tels que bruit élevé, forte consommation d’énergie et haute tensions, de commande 2) mieux imitent la composition, la structure mécanismes de synapses bi…
Divulgations
The authors have nothing to disclose.
Acknowledgements
Aide financière a été accordée par la National Science Foundation Grant NSF ECCS-1631472. Recherche pour G.J.T., C.D.S., D.A., et C.P.C. partiellement financé par le laboratoire de recherche réalisé et développement programme du Oak Ridge National Laboratory, géré par UT-Battelle, LLC, pour le U.S. Department of Energy. Une partie de cette recherche a été menée au centre pour les Sciences des matériaux Nanophase, qui est un bureau d’installations de la Science utilisateurs DOE.
Materials
| 1,2-diphytanoy-sn-glycero-3-phosphocholine (DPhPC) | Avanti Polar Lipids | 850356P/850356C | Purchased as lyophilized powder (P) or in chloroform (C) |
| Agarose | Sigma-Aldrich | A9539 | |
| Agarose (0.5g Agarose Tablets) | Benchmark | A2501 | You can either use the powder form or the tablets |
| Alamethicin | AG Scientific | A-1286 | |
| Analytical balance | Mettler Toledo | ME204TE/00 | |
| Axopatch 200B Amplifier | Molecular Devices | – | |
| BK Precision 4017B 10 MHz DDs Sweep/Function Generator | Digi-Key | BK4017B-ND | |
| Borosilicate Glass Capillaries | World Precision Instruments | 1B100F-4 | |
| Brain Total Lipid Extracts (Porcine) | Avanti Polar Lipids | 131101 | |
| DigiData 1440A system | Molecular Devices | – | |
| Extruder Set With Holder/Heating Block | Avanti Polar Lipids | 610000 | This includes a mini-extruder, 2 syringes, 100 PC membranes, 100 filter supports, and 1 holder/heating block |
| Freezer (-20 °C) | VWR International | SCUCBI0420AD | |
| Glassware | VWR International | – | |
| Hexadecane, 99% | Sigma-Aldrich | 544-76-3 | |
| Isopropyl Alcohol | VWR International | BDH1133-4LP | |
| Microelectrode Holder | World Precision Instruments | MEH1S | |
| MOPS | Sigma-Aldrich | M1254 | |
| Nitrogen (N2) Gas | Airgas | UN1066 | |
| Parafilm M All-Purpose Laboratory Film | Parafilm | PM999 | |
| Powder Free Soft Nitrile Examination Gloves | VWR International | CA89-38-272 | |
| Precleaned Microscope Sildes | Fisher Scientific | 22-267-013 | |
| Refrigirator (4 °C) | VWR International | SCUCFS-0504G | |
| Silver wire | GoodFellow | 147-346-94 | Different diameters could be used depending on the application |
| Sodium Chloride (KCl) | Sigma-Aldrich | P3911 | |
| Stirring Hot Plate | Thermo Scientific | SP131325 | |
| VWR Light-Duty Tissue Wipers | VWR International | 82003-820 | |
| VWR Scientific 50D Ultrasonic Cleaner | VWR International | 13089 |
References
- Thompson, R. F. The neurobiology of learning and memory. Science. 233 (4767), 941-947 (1986).
- Squire, L. R. Memory systems of the brain: a brief history and current perspective. Neurobiology of learning and memory. 82 (3), 171-177 (2004).
- Benfenati, F. Synaptic plasticity and the neurobiology of learning and memory. Acta Bio Medica Atenei Parmensis. 78 (1Suppl), 58-66 (2007).
- Marx, G., Gilon, C. The molecular basis of memory. ACS Chemical Neuroscience. 9 (8), 633-642 (2012).
- Izquierdo, I., Medina, J. H. Memory formation: the sequence of biochemical events in the hippocampus and its connection to activity in other brain structures. Neurobiology of learning and memory. 68 (3), 285-316 (1997).
- Merolla, P. A. A million spiking-neuron integrated circuit with a scalable communication network and interface. Science. 345 (6197), 668-673 (2014).
- Benjamin, B. V. Neurogrid: A mixed-analog-digital multichip system for large-scale neural simulations. Proceedings of the IEEE. 102 (5), 699-716 (2014).
- Furber, S. Large-scale neuromorphic computing systems. Journal of neural engineering. 13 (5), 051001 (2016).
- Di Ventra, M., Pershin, Y. V. The parallel approach. Nature Physics. 9 (4), 200-202 (2013).
- Chua, L. Memristor-the missing circuit element. IEEE Transactions on circuit theory. 18 (5), 507-519 (1971).
- Di Ventra, M., Pershin, Y. V., Chua, L. O. Circuit elements with memory: memristors, memcapacitors, and meminductors. Proceedings of the IEEE. 97 (10), 1717-1724 (2009).
- Najem, J. S. Memristive Ion Channel-Doped Biomembranes as Synaptic Mimics. ACS Nano. , (2018).
- Strukov, D. B., Snider, G. S., Stewart, D. R., Williams, R. S. The missing memristor found. Nature. 453 (7191), 80-83 (2008).
- Prezioso, M. Training and operation of an integrated neuromorphic network based on metal-oxide memristors. Nature. 521 (75550), 61-64 (2015).
- Prodromakis, T., Toumazou, C., Chua, L. Two centuries of memristors. Nature Materials. 11 (6), 478 (2012).
- Berzina, T. Optimization of an organic memristor as an adaptive memory element. Journal of Applied Physics. 105 (12), 124515 (2009).
- van de Burgt, Y., Melianas, A., Keene, S. T., Malliaras, G., Salleo, A. Organic electronics for neuromorphic computing. Nature Electronics. 1, (2018).
- Dan, Y., Poo, M. M. Spike timing-dependent plasticity: from synapse to perception. Physiological reviews. 86 (3), 1033-1048 (2006).
- Zucker, R. S., Regehr, W. G. Short-term synaptic plasticity. Annual Reviews of Physiology. 64 (1), 355-405 (2002).
- Shepherd, J. D., Huganir, R. L. The cell biology of synaptic plasticity: AMPA receptor trafficking. Annual Review of Cell Developmental Biology. 23, 613-643 (2007).
- Taylor, G. J., Venkatesan, G. A., Collier, C. P., Sarles, S. A. Direct in situ measurement of specific capacitance, monolayer tension, and bilayer tension in a droplet interface bilayer. Soft Matter. 11 (38), 7592-7605 (2015).
- Najem, J. S. Activation of bacterial channel MscL in mechanically stimulated droplet interface bilayers. Scientific Reports. 5, 13726 (2015).
- Taylor, G. J. Capacitive Detection of Low-Enthalpy, Higher-Order Phase Transitions in Synthetic and Natural Composition Lipid Membranes. Langmuir. 33 (38), 10016-10026 (2017).
- Taylor, G. Electrophysiological interrogation of asymmetric droplet interface bilayers reveals surface-bound alamethicin induces lipid flip-flop. Biochimica et biophysica acta (BBA)-Biomembranes. , (2018).
- Sarles, S. A., Garrison, K. L., Young, T. T., Leo, D. J. Formation and Encapsulation of Biomolecular Arrays for Developing Arrays of Membrane-Based Artificial Hair Cell Sensors. Proceedings of the Asme Conference on Smart Materials, Adaptive Structures and Intelligent Systems (Smasis 2011), Vol 2. , 663-671 (2011).
- Sarles, S. A., Leo, D. J. Membrane-based biomolecular smart materials. Smart Materials & Structures. 20 (9), (2011).
- Sarles, S. A. . Physical encapsulation of interface bilayers. , (2010).
- JoVE Science Education Datatbase. Organic Chemistry II. Cleaning Glassware. Journal of Visualized Experiments. , (2018).
- Taylor, G. J., Sarles, S. A. Heating-enabled formation of droplet interface bilayers using Escherichia coli total lipid extract. Langmuir. 31 (1), 325-337 (2014).
- Shlyonsky, V., Dupuis, F., Gall, D. The OpenPicoAmp: an open-source planar lipid bilayer amplifier for hands-on learning of neuroscience. Plos One. 9 (9), e108097 (2014).
- Najem, J. S. Micropipette-based Method for Incorporation And Stimulation of Bacterial Mechanosensitive Ion Channels in Droplet Interface Bilayers. Journal of Visualized Experiments. (105), (2015).
- Bayley, H. Droplet interface bilayers. Molecular Biosystems. 4 (12), 1191-1208 (2008).
- Nguyen, M., Srijanto, B., Retterer, S., Collier, C. P., Sarles, S. A. Hydrodynamic trapping for rapid assembly and in situ electrical characterization of droplet interface bilayer arrays. Lab on a Chip. 16, 3576-3588 (2016).
- Weiss, R., Najem, J. S., Hasan, M. S., Schuman, C. D., Belianinov, A., Collier, C. P., Sarles, S. A., Rose, G. S. A Soft-Matter Biomolecular Memristor Synapse for Neuromorphic Systems. , (2018).
