Summary

Montage und Charakterisierung der biomolekularen Memristors bestehend aus Ionenkanal-dotierte Lipidmembranen

Published: March 09, 2019
doi:

Summary

Weich, nutzen Niederleistungs-biomolekularen Memristoren ähnlicher Zusammensetzung, Struktur und Mechanismen der Bio-Synapsen umschalten. Hier vorgestellten wird ein Protokoll zu montieren und zu charakterisieren, biomolekulare Memristoren aus isolierenden Lipid Bilayer gebildet zwischen Wassertröpfchen in Öl gewonnen. Die Einbeziehung der Spannung aktiviert Alamethicin Peptide Ergebnisse in Memristive ionische Leitfähigkeit durch die Membran.

Abstract

Die Fähigkeit zur synaptische Funktionalitäten in synthetischen Schaltkreiselemente neu unbedingt neuromorphen EDV-Systeme, die darauf abzielen, die kognitiven Kompetenzen des Gehirns mit vergleichbarer Effizienz und Dichte zu emulieren. Bisher haben Silizium-basierte 3-Terminal Transistoren und zwei-Terminal Memristors in neuromorphen Schaltungen, größtenteils aufgrund ihrer Fähigkeit zur Informationsverarbeitung und Speicher Zusammenlegung verbreitet. Doch diese Geräte die Vernetzung und die Komplexität des Gehirns erreichen können, weil sie sind machthungrigen, nicht wichtige synaptische Funktionalitäten zu imitieren, und leiden unter hohen Geräuschpegel und hohe Spannungen zu schalten. Um diese Einschränkungen zu überwinden, haben wir entwickelt und charakterisiert eine biomolekularen Memristor, die Zusammensetzung, Struktur und Schaltverhalten der biologische Synapsen imitiert. Hier beschreiben wir den Prozess der Montage und Charakterisierung biomolekularen Memristoren bestehend aus einem 5 nm dicken Lipid Bilayer zwischen Lipid funktionalisiert Wassertröpfchen in Öl gebildet und mit Spannung aktiviert Alamethicin Peptide dotiert. Während ähnliche Versammlung Protokolle verwendet wurden, um die biophysikalische Eigenschaften von Tröpfchen unterstützt Lipidmembranen und Membrane-springen Ionenkanäle untersuchen, dieser Artikel konzentriert sich auf wesentliche Änderungen der Tröpfchen Bilayer Schnittstellenmethode für konsequente Memristor Performance zu erreichen. Speziell, beschreiben wir die Liposomen-Herstellungsverfahren und die Übernahme der Alamethicin Peptide in Lipid Bilayer Membranen und die entsprechenden Konzentrationen von jeden Bestandteil, sowie deren Auswirkungen auf die Gesamtreaktion der Memristoren. Wir beschreiben auch die Charakterisierung Prozess der biomolekularen Memristors, einschließlich Messung und Analyse von Memristive Strom-Spannungs-Beziehungen über zyklische Voltammetrie sowie kurzfristige Plastizität erhalten und lernen schrittweise als Reaktion auf Spannung Impulsfolgen.

Introduction

Es ist allgemein anerkannt, daß biologische Synapsen verantwortlich für die hohe Effizienz und enorme Parallelität des Gehirns aufgrund ihrer Fähigkeit sind zu lernen und verarbeiten Informationen auf höchst anpassungsfähige Arten. Diese koordinierte Funktionalität ergibt sich aus mehreren, sehr komplexen molekularen Mechanismen diesem Laufwerk sowohl kurzfristige als auch langfristige synaptische Plastizität1,2,3,4,5. Neuromorphen-computing-Systeme wollen emulieren synaptische Funktionen auf Ebenen nähert sich die Dichte, Komplexität und Energieeffizienz des Gehirns, die notwendig sind, für die nächste Generation von Gehirn-wie Computer6,7 , 8. synaptische Funktionen mit Hilfe von traditionellen elektronischen Schaltelemente zu reproduzieren ist jedoch praktisch unmöglich9, stattdessen erfordert die Konstruktion und Herstellung der neuen Hardware-Elemente, die auf eingehende Signale anpassen können und erinnern Informationen Geschichten9. Diese Arten von Synapse-inspirierten Hardware sind als Mem-Elements9,10,11 (kurz für Speicherelemente), bekannt, die nach Di Ventra Et Al.9,11, passive, zwei-Terminal-Geräte, deren Widerstand, Kapazität oder Induktivität als Reaktion auf äußere Reize neu konfiguriert werden kann, und die vorherige Staaten11erinnern können. Um Energieverbräuche nähert sich in das Gehirn zu erreichen, sollten diese Elemente ähnliche Materialien und Mechanismen für die synaptische Plastizität12beschäftigen.

Bisher worden zwei-Terminal Memristoren13,14,15 überwiegend gebaut mit komplementären Metall-Oxid-Halbleiter (CMOS) Technologie, zeichnen sich durch hohe schaltende Spannungen und hohen Geräuschpegel. Diese Technologie skaliert nicht gut wegen hoher Stromverbrauch und geringe Dichte. Um diese Einschränkungen zu beheben, wurden mehrere organische und Polymere Memristoren vor kurzem gebaut. Diese Geräte weisen jedoch deutlich langsamer Schaltdynamik durch zeitaufwendige Ion Diffusion durch ein leitfähiges Polymer-Matrix16,17. Infolgedessen sind die Mechanismen, mit denen beide CMOS-basierte und organischen Memristive Geräte Synapse-inspirierte Funktionen emulieren, hoch phänomenologische, umfasst nur wenige synaptische Funktionen wie Spike Timing abhängigen Plastizität (STDP) 18, während mit Blick auf andere wichtige Funktionen auch spielen eine entscheidende Rolle bei der Herstellung des Gehirns eines leistungsfähigen und effizienten Computers, z. B. präsynaptischen, kurzfristige Plastizität19.

Vor kurzem führten wir eine neue Klasse von Memristive Geräten12 mit Spannung aktiviert Peptide biomimetische Lipidmembranen gegründet, die imitiert, biomolekulare Zusammensetzung, Membran-Struktur und Ion Kanalumschaltung ausgelöst Mechanismen der biologischen Synapsen20.  Wir beschreiben hier, wie zu montieren und diese zwei-Terminal-Geräte, elektrisch zu verhören mit besonderem Schwerpunkt auf kurzfristige Plastizität für die Umsetzung in Online-Bewertung lernen Anwendungen12. Gerätemontage basiert auf die Tröpfchen Interface Bilayer (DIB)21 -Methode, die in den letzten Jahren weitgehend verwendet worden ist, um die Biophysik des Modells Membranen21 und Membrane-springen Ionen-Kanäle22,23zu studieren, 24, und als Bausteine für die Entwicklung der Reize reagierende Materialien25,26. Wir beschreiben Membranverfahren Montage- und Verhör im Detail für Interessenten in neuromorphen Anwendungen aber wenig Berufserfahrung in Biomaterialien oder Membran Biologie. Das Protokoll enthält auch eine vollständige Beschreibung des Verfahrens Charakterisierung, die ebenso wichtig wie der Montage, die dynamische und rekonfigurierbaren elektrischen Eigenschaften der Vorrichtung27gegeben ist. Die hier beschriebenen Verfahren und Vertreter Ergebnisse sind Grundlagen für eine neue Klasse von Low Cost, Low-Power, weiche Mem-Elemente basierend auf Lipid-Schnittstellen und andere Biomoleküle für Anwendungen im neuromorphen computing, autonome Strukturen und Systeme, auch adaptive Gehirn-Computer-Schnittstellen.

Protocol

1. Allgemeine Anweisungen und Vorsichtsmaßnahmen Wählen Sie geeignete, unbeschädigte Messung/mischen Glaswaren (Fläschchen, Becher, etc.) und andere Labware (Spatel, Löffel, etc.) für den Einsatz. Mit Glaswaren sorgfältig durch, um Beschädigungen zu vermeiden, und Latex oder Nitril Handschuhe zur Vermeidung einer Kontamination der Glaswaren/Labware mit Rückständen von Fingerspitzen und zum Schutz Ihrer Haut. Saubere gewählten Glaswaren/Labware gründlich mit Wasse…

Representative Results

Abbildung 1 zeigt den Versuchsaufbau zu montieren und zu charakterisieren, der biomolekularen Memristor verwendet. Senken die freien Enden der Elektroden an der Unterseite des Ölbehälters, wie in Abbildung 1 b, fand hilfreich zur Minimierung von Schwingungen der Elektroden und Tröpfchen, die in Variationen in gemessenen Strom und Bilayer Bereich, insbesondere in Fällen führen kann wo das Heizöl konvektive Strömung im Öl erzeugen kann. <strong class="xfig…

Discussion

Dieser Beitrag stellt ein Protokoll für die Montage und Charakterisierung von biomolekularen Memristoren basierend auf Ionen-Kanal-dotierte synthetische Biomembranen zwischen zwei Wassertröpfchen in Öl gebildet. Das weiche Materie, zwei-Terminal Gerät konzipiert und studierte bis: 1) besiegten Einschränkungen, die mit Solid-State-Technologie verbunden sind, wie z. B. hohe Rauschen, hohen Energieverbrauch und hohe Spannungen, Wechsel (2) genauer Zusammensetzung, imitieren strukturieren Wechsel Mechanismen der biologi…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Finanziell unterstützt wurde von der National Science Foundation Grant NSF ECCS-1631472. Forschung für G.J.T., C.D.S, A.B und C.P.C wurde teilweise vom Labor gerichtet Research and Development Program des Oak Ridge National Laboratory, verwaltet von UT-Battelle, LLC, für das US-Department of Energy gesponsert. Ein Teil dieser Forschung wurde in der Mitte für Anwendungspotential Materialwissenschaften durchgeführt, die eine Damhirschkuh Büro der Wissenschaft Benutzer Anlage ist.

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

  1. Thompson, R. F. The neurobiology of learning and memory. Science. 233 (4767), 941-947 (1986).
  2. Squire, L. R. Memory systems of the brain: a brief history and current perspective. Neurobiology of learning and memory. 82 (3), 171-177 (2004).
  3. Benfenati, F. Synaptic plasticity and the neurobiology of learning and memory. Acta Bio Medica Atenei Parmensis. 78 (1Suppl), 58-66 (2007).
  4. Marx, G., Gilon, C. The molecular basis of memory. ACS Chemical Neuroscience. 9 (8), 633-642 (2012).
  5. 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).
  6. Merolla, P. A. A million spiking-neuron integrated circuit with a scalable communication network and interface. Science. 345 (6197), 668-673 (2014).
  7. Benjamin, B. V. Neurogrid: A mixed-analog-digital multichip system for large-scale neural simulations. Proceedings of the IEEE. 102 (5), 699-716 (2014).
  8. Furber, S. Large-scale neuromorphic computing systems. Journal of neural engineering. 13 (5), 051001 (2016).
  9. Di Ventra, M., Pershin, Y. V. The parallel approach. Nature Physics. 9 (4), 200-202 (2013).
  10. Chua, L. Memristor-the missing circuit element. IEEE Transactions on circuit theory. 18 (5), 507-519 (1971).
  11. 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).
  12. Najem, J. S. Memristive Ion Channel-Doped Biomembranes as Synaptic Mimics. ACS Nano. , (2018).
  13. Strukov, D. B., Snider, G. S., Stewart, D. R., Williams, R. S. The missing memristor found. Nature. 453 (7191), 80-83 (2008).
  14. Prezioso, M. Training and operation of an integrated neuromorphic network based on metal-oxide memristors. Nature. 521 (75550), 61-64 (2015).
  15. Prodromakis, T., Toumazou, C., Chua, L. Two centuries of memristors. Nature Materials. 11 (6), 478 (2012).
  16. Berzina, T. Optimization of an organic memristor as an adaptive memory element. Journal of Applied Physics. 105 (12), 124515 (2009).
  17. van de Burgt, Y., Melianas, A., Keene, S. T., Malliaras, G., Salleo, A. Organic electronics for neuromorphic computing. Nature Electronics. 1, (2018).
  18. Dan, Y., Poo, M. M. Spike timing-dependent plasticity: from synapse to perception. Physiological reviews. 86 (3), 1033-1048 (2006).
  19. Zucker, R. S., Regehr, W. G. Short-term synaptic plasticity. Annual Reviews of Physiology. 64 (1), 355-405 (2002).
  20. 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).
  21. 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).
  22. Najem, J. S. Activation of bacterial channel MscL in mechanically stimulated droplet interface bilayers. Scientific Reports. 5, 13726 (2015).
  23. 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).
  24. Taylor, G. Electrophysiological interrogation of asymmetric droplet interface bilayers reveals surface-bound alamethicin induces lipid flip-flop. Biochimica et biophysica acta (BBA)-Biomembranes. , (2018).
  25. 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).
  26. Sarles, S. A., Leo, D. J. Membrane-based biomolecular smart materials. Smart Materials & Structures. 20 (9), (2011).
  27. Sarles, S. A. . Physical encapsulation of interface bilayers. , (2010).
  28. JoVE Science Education Datatbase. Organic Chemistry II. Cleaning Glassware. Journal of Visualized Experiments. , (2018).
  29. 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).
  30. 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).
  31. 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).
  32. Bayley, H. Droplet interface bilayers. Molecular Biosystems. 4 (12), 1191-1208 (2008).
  33. 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).
  34. 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).

Play Video

Cite This Article
Najem, J. S., Taylor, G. J., Armendarez, N., Weiss, R. J., Hasan, M. S., Rose, G. S., Schuman, C. D., Belianinov, A., Sarles, S. A., Collier, C. P. Assembly and Characterization of Biomolecular Memristors Consisting of Ion Channel-doped Lipid Membranes. J. Vis. Exp. (145), e58998, doi:10.3791/58998 (2019).

View Video