Assemblaggio e caratterizzazione biomolecolare Memristors costituito da membrane lipidiche drogato con scanalatura dello ione
Summary
Morbido, bassa potenza, biomolecolari memristors sfruttare simile composizione, struttura e meccanismi di bio-sinapsi di commutazione. Presentato qui è un protocollo da assemblare e caratterizzazione biomolecolare memristors ottenuto da isolante lipidici formate tra le goccioline di acqua in olio. L’incorporazione di tensione-attivato alameticina risultati di peptidi in memristive conduttanza ionica attraverso la membrana.
Abstract
La capacità di ricreare la funzionalità sinaptica in elementi del circuito sintetico è essenziale per focalizzeranno informatica sistemi che cercano di emulare le competenze cognitive del cervello con densità ed efficienza paragonabile. Ad oggi, basata sul silicio transistori con tre terminali e due terminali memristors sono stati ampiamente utilizzati nei circuiti di neuromorphic, in gran parte dovuto la loro capacità di co-localizzare la memoria e l’elaborazione delle informazioni. Eppure questi dispositivi non possono raggiungere l’interconnettività e la complessità del cervello perché sono affamati di potere, non riescono a imitare chiave funzionalità sinaptica e soffrono di rumore elevati e alte tensioni di comando. Per superare queste limitazioni, abbiamo sviluppato e caratterizzato un memristor biomolecolari che simula la composizione, struttura e caratteristiche di commutazione delle sinapsi biologiche. Qui, descriviamo il processo di assemblaggio e caratterizzazione biomolecolare memristors costituito da un doppio strato di 5 nm di spessore lipidico formano tra le goccioline di acqua del lipido-funzionalizzati in olio e drogato con peptidi alameticina tensione-attivato. Mentre simili protocolli di assemblaggio sono stati utilizzati per indagare le proprietà biofisiche delle membrane lipidiche gocciolina-sostenuto e canali ionici di membrana-limita, in questo articolo si concentra sulle modifiche chiave del metodo gocciolina interfaccia doppio strato essenziale per ottenere prestazioni coerenti memristor. In particolare, descriviamo il processo di preparazione dei liposomi e l’incorporazione dei peptidi alameticina in membrane bilayer del lipido e le concentrazioni adeguate di ciascun costituente, nonché il loro impatto sulla risposta globale della memristors. Abbiamo inoltre dettagliatamente il processo di caratterizzazione di memristors biomolecolari, compresa la misurazione e analisi delle relazioni di tensione-corrente memristive ottenuta mediante voltammetria ciclica, come pure la plasticità a breve termine e l’apprendimento graduale in risposta a treni di impulsi di tensione.
Introduction
È ampiamente riconosciuto che le sinapsi biologiche sono responsabili per l’elevata efficienza ed enorme parallelismo del cervello dovuto la loro capacità di imparare ed elaborare le informazioni in modi altamente adattabili. Questa funzionalità coordinata emerge da multipli, altamente complessi meccanismi molecolari che guidano entrambi plasticità sinaptica a breve termine e a lungo termine1,2,3,4,5. Sistemi di calcolo focalizzeranno mirano a emulare le funzionalità sinaptiche a livelli prossimi alla densità, complessità e l’efficienza energetica del cervello, che sono necessari per la prossima generazione di computer cervello-come6,7 , 8. Tuttavia, riproduce la funzionalità sinaptica utilizzando elementi del tradizionale circuito elettronico è praticamente impossibile9, invece che richiedono la progettazione e la fabbricazione di nuovi elementi di hardware che può adattarsi ai segnali in ingresso e ricordare informazioni storie9. Questi tipi di sinapsi-ispirato hardware sono conosciuti come mem-elements9,10,11 (elementi di abbreviazione di memoria), che, secondo Di Ventra et al.9,11, sono passivo, due terminali dispositivi cui resistenza, capacitanza o induttanza possa essere riconfigurato in risposta agli stimoli esterni, e che può ricordare stati precedenti11. Per raggiungere livelli di consumo di energia si avvicina a quelli nel cervello, questi elementi dovrebbero impiegare materiali e meccanismi di plasticità sinaptica12simili.
Fin qui, due terminali memristors13,14,15 principalmente sono state costruite utilizzando tecnologia di (CMOS) metallo-ossido-semiconduttore complementare, caratterizzata da tensioni di commutazione ad alta e alta rumore. Questa tecnologia non si adatta bene a causa di alto consumo energetico e bassa densità. Per risolvere queste limitazioni, più organici e polimerici memristors sono state costruite recentemente. Tuttavia, questi dispositivi presentano significativamente più lento commutazione dinamica a causa della diffusione di ioni richiede molto tempo attraverso un polimero conduttivo matrice16,17. Di conseguenza, i meccanismi con cui entrambi i dispositivi basati su CMOS e organici memristive emulano sinapsi-ispirato funzionalità sono altamente fenomenologici, che comprende solo alcune funzionalità sinaptica come plasticità dipendente Timing (STDP) Spike per il 18, mentre con vista altro tasto funzioni che svolgono anche un ruolo essenziale nel rendere il cervello un computer potente ed efficiente, come plasticità a breve termine, pre-sinaptica19.
Recentemente, abbiamo introdotto una nuova classe di memristive dispositivi12 con peptidi attivati tensione incorporati nelle membrane lipidiche biomimetici che simula la composizione biomolecolare, struttura della membrana e ione canale attivato commutazione meccanismi biologici sinapsi20. Qui, descriviamo come assemblare ed elettricamente interrogare questi dispositivi di due terminali, con focus specifico su come valutare la plasticità a breve termine per l’attuazione nella linea di apprendimento applicazioni12. Montaggio del dispositivo si basa sul metodo della gocciolina interfaccia doppio strato (DIB)21 , che è stato usato estesamente negli ultimi anni per studiare la biofisica delle membrane modello21 e membrana-limitano agli ioni canali22,23, 24e come blocchetti di costruzione per lo sviluppo di materiali stimoli-sensible a reagire25,26. Descriviamo il processo di assemblaggio e interrogatorio di membrana in dettaglio per coloro che sono interessati nelle applicazioni focalizzeranno ma hanno limitato l’esperienza in biomateriali o membrana biologia. Il protocollo comprende anche una descrizione completa della procedura di caratterizzazione, che è importante quanto il processo di assemblaggio, dato il dinamica e riconfigurabile proprietà elettriche del dispositivo27. La procedura e rappresentante risultati descritti qui sono fondamenti per una nuova classe di basso costo, basso consumo, mem-elementi morbidi basati su interfacce del lipido e altre biomolecole per le applicazioni in focalizzeranno computing, strutture autonome e sistemi, e anche interfacce cervello-computer adattivo.
Protocol
Representative Results
Discussion
Questa carta presenta un protocollo per l’assemblaggio e caratterizzazione biomolecolare memristors basato su ione drogato con canale sintetico biomembrane formata tra due gocce d’acqua in olio. Il dispositivo materia soffice, due terminali è stato progettato e studiato per: 1) superare i vincoli che sono associati con tecnologia a stato solido, come rumore elevato, elevato consumo di energia e alta commutazione tensioni, imitare 2) più molto attentamente la composizione, struttura commutazione meccanismi biologiche si…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Sostegno finanziario è stato fornito dalla National Science Foundation Grant NSF ECCS-1631472. Ricerca per G.J.T., C.D.S, A.B., e c.p.c. parzialmente è stato sponsorizzato dal diretto di laboratorio ricerca e sviluppo programma di Oak Ridge National Laboratory, gestito da UT-Battelle, LLC, per l’US Department of Energy. Una parte di questa ricerca è stata condotta presso il centro per Nanophase Materials Sciences, che è un DOE Office of Science utente Facility.
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).
