Montering och karakterisering av biomolekylär Memristors bestående av jonkanal-dopade Lipid membran
Summary
Mjuk, låg strömförbrukning, biomolekylär memristors utnyttja liknande sammansättning, struktur och byta mekanismer av bio-synapser. Presenteras här erhålls ett protokoll att montera och karakterisera biomolekylär memristors från isolerande lipid lipidmonolager bildas mellan vattendroppar i olja. Införlivandet av spänning-aktiverad alamethicin peptider resulterar i memristive Joniska konduktans över membranet.
Abstract
Möjlighet att återskapa synaptic funktioner i syntetiska kretselement är viktigt för neuromorphic computing system som syftar till att efterlikna hjärnans kognitiva befogenheter med jämförbar effektivitet och densitet. Hittills har kiselbaserade tre-terminal transistorer och två-terminal memristors har använts i neuromorphic kretsar, till stor del på grund av deras förmåga att samlokalisera informationsbehandling och minne. Men dessa enheter inte kan nå den sammankoppling och komplexiteten av hjärnan eftersom de är makthungriga, misslyckas med att imitera nyckel synaptic funktioner och lider av högt buller och hög Växla spänningar. För att övervinna dessa begränsningar, har vi utvecklat och kännetecknas en biomolekylär memristorn som efterliknar sammansättningen, strukturen och växling egenskaper biologiska synapser. Här beskriver vi processen för montering och karaktärisera biomolekylär memristors bestående av en 5 nm tjock lipid lipidens bildas mellan lipid-functionalized vattendroppar i olja och dopade med spänning-aktiverad alamethicin peptider. Medan liknande montering protokoll har använts för att undersöka biofysiska egenskaper av droplet-stödda lipid membran och membran-bundna jonkanaler, fokuserar denna artikel på viktiga ändringar av droplet lipidens gränssnittsmetoden avgörande för att uppnå konsekvent memristorn prestanda. Specifikt, beskriver vi processen Liposom förberedelse och införlivandet av alamethicin peptider i lipid lipidens membran, och lämpliga koncentrationer av varje beståndsdel samt deras inverkan på memristors samlade respons. Vi också detalj karakterisering processen av biomolekylära memristors, inklusive mätning och analys av memristive ström-spänning relationer erhålls via cyklisk voltametri, samt kortsiktiga plasticitet och lärande som svar på överläggsgrafer spänning puls tåg.
Introduction
Det är allmänt erkänt att biologiska synapser ansvarar för hög effektivitet och enorma parallellitet i hjärnan på grund av deras förmåga att lära sig och bearbeta information i mycket adaptivt sätt. Denna samordnade funktion framträder från flera, mycket komplexa molekylära mekanismer som driver både kortsiktiga och långsiktiga synaptisk plasticitet1,2,3,4,5. Neuromorphic computing system syftar till att efterlikna synaptic funktioner på nivåer som närmar sig den täthet, komplexitet och energieffektivitet av hjärnan, som behövs för nästa generation av hjärnan-liknande datorer6,7 , 8. reproducera synaptic funktioner använder traditionell elektronisk kretselement är dock nästan omöjligt9, i stället kräva design och tillverkning av ny hårdvara element som kan anpassas till inkommande signaler och minns information historia9. Dessa typer av synaps-inspirerade maskinvara är kända som mem-elements9,10,11 (kort för minne element), som enligt Di Ventra et al.9,11, passiv, två-terminal enheter vars resistans, kapacitans och induktans kan konfigureras som svar på yttre stimuli, och som kan komma ihåg tidigare stater11. För att uppnå energi konsumtionsnivåer närmar sig dem i hjärnan, bör dessa element anställa liknande material och mekanismer för synaptisk plasticitet12.
Hittills har två-terminal memristors13,14,15 huvudsakligen byggts med kompletterande metall-oxid-halvledare (CMOS) tekniken, kännetecknas av hög-Växla spänningar och hög ljudnivå. Denna teknik skalar inte väl på grund av hög energiförbrukning och låg densitet. För att hantera dessa begränsningar, har flera organiska och polymera memristors nyligen byggts. Dessa enheter uppvisar dock betydligt långsammare växlingen dynamics på grund av tidskrävande ion diffusion genom en ledande polymer matris16,17. Som ett resultat, är de mekanismer som både CMOS-baserade och ekologiska memristive enheter emulera synaps-inspirerade funktioner mycket fenomenologiska, som omfattar endast ett fåtal synaptic funktioner såsom Spike Timing beroende plasticitet (STDP) 18, medan med utsikt över andra viktiga funktioner som också spela viktiga roller i att göra hjärnan en kraftfull och effektiv dator, till exempel pre synaptic, kortfristiga plasticitet19.
Nyligen har introducerat vi en ny klass av memristive enheter12 med spänning-aktiverat peptider införlivas i biomimetiska lipid membran som härmar biomolekylär sammansättning, membranstruktur, och ion kanalväxling utlöses mekanismer för biologiska synapser20. Här beskriver vi hur du monterar och elektriskt förhöra dessa två-terminal enheter, med särskild fokus på hur man utvärderar kortsiktiga plasticitet för genomförandet i online lärande program12. Enheten församling är baserad på droplet lipidens (DIB)21 gränssnittsmetoden, som har använts i stor utsträckning under de senaste åren för att studera biofysik modell membran21 -membran-bundna ion kanaler22,23, 24, och som byggstenar för utveckling av stimuli-lyhörd material25,26. Vi beskriver membran montering och förhör processen i detalj för dem intresserade av neuromorphic program men har begränsad erfarenhet av biomaterial eller membran biologi. Protokollet innehåller även en fullständig beskrivning av förfarandet för karakterisering, som är lika viktig som församlingen processen, då de dynamiska och omkonfigurerbara elektriska egenskaperna enhet27. Förfarande och representant resultaten beskrivs här är grunden för en ny klass av låg kostnad, låg strömförbrukning, mjuk mem-element utifrån lipid gränssnitt och andra biomolekyler för applikationer i neuromorphic computing, autonoma strukturer och system, och även adaptiv hjärna-dator gränssnitt.
Protocol
Representative Results
Discussion
Detta dokument presenterar ett protokoll för montering och karaktärisera biomolekylär memristors baserat på ion kanal-dopade syntetiska biomembranes bildas mellan två vattendroppar i olja. Den mjuka alster, två-terminal enheten är utformad och studerade till: 1) övervinna begränsningar som är associerade med SSD-teknik, såsom högt buller, hög energiförbrukning och hög Växla spänningar, 2) närmare efterlikna sammansättning, struktur byta mekanismer av biologiska synapser, och 3) utforska mekanismer och …
Disclosures
The authors have nothing to disclose.
Acknowledgements
Ekonomiskt stöd tillhandahölls av det nationella Science Foundation Grant NSF ECCS-1631472. Forskning för G.J.T., C.D.S., A.B., och C.P.C. var delvis sponsrad av laboratorium riktad forskning och utveckling Program av Oak Ridge National Laboratory, förvaltas av UT-Battelle, LLC, för US Department of Energy. En del av denna forskning utfördes vid centrum för Nanophase materialvetenskaper, som är en DOE Office av vetenskap användaren anläggning.
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).
