Un estudio de modelado computacional de la excitación de células neuronales con nanogeneradores triboeléctricos

Scientific Reports volumen 12, Número de artículo: 13411 (2022) Citar este artículo

1081 Accesos

2 citas

1 Altmetric

Detalles de métricas

Los trastornos neurológicos y las lesiones nerviosas, como las lesiones de la médula espinal, los accidentes cerebrovasculares y la esclerosis múltiple, pueden provocar la pérdida de la función muscular. La estimulación eléctrica de las células neuronales es el tratamiento clínico actualmente disponible en este sentido. Como un recolector de energía efectivo, los nanogeneradores triboeléctricos (TENG) se pueden usar para estimulaciones neuronales/musculares autoalimentadas porque la salida del TENG proporciona pulsos de estimulación para los nervios. En el presente estudio, utilizando un enfoque de modelado computacional, se investigó el efecto de los micropatrones de superficie en la distribución del campo eléctrico, el voltaje inducido y la capacitancia de las estructuras TENG. Incorporando el efecto de la TENG dentro del modelo matemático del comportamiento eléctrico de las neuronas (ecuación del cable con modelo de Hodgkin-Huxley), se ha estudiado su impacto en el comportamiento eléctrico de las neuronas. Los resultados muestran que el TENG opera de manera diferente con varias modificaciones superficiales. El desempeño del TENG en la excitación de las neuronas depende de la velocidad de contacto y liberación de sus electrodos en consecuencia.

Los seres humanos están rodeados de varios tipos de fuentes de energía en el medio ambiente, incluidas las energías solar, térmica, mecánica, química y biológica1. Además, el propio cuerpo humano es una fuente favorable de energía ya que es semipermanente y fácilmente disponible2. Además, el desarrollo de fuentes de energía sostenibles es una demanda inevitable debido a la aparición de dispositivos electrónicos portátiles y redes de sensores3. Entre los diversos tipos de fuentes de energía, la energía mecánica ha atraído una atención considerable debido a su disponibilidad universal en el entorno natural, el cuerpo humano y las actividades vivas4. Por lo tanto, se han realizado investigaciones para desarrollar sistemas integrados llamados Nanoenergía, explotando micro y nanoestructuras capaces de recolectar fácilmente la energía del medio ambiente y operar de manera continua, independiente y efectiva5,6,7. Las técnicas de recolección de energía constituyen una posible solución al problema del suministro de energía de los dispositivos electrónicos portátiles, los dispositivos para el cuidado de la salud y los sensores inalámbricos8 que actualmente se alimentan con baterías. La aplicación de las baterías habituales se está volviendo poco práctica y desfavorable, principalmente debido a su vida útil limitada, las dificultades de mantenimiento y los peligros ambientales debido a la fuga de productos químicos9,10. Además de las tecnologías tradicionales de recolección de energía mecánica para proporcionar energía a los dispositivos electrónicos, los nanogeneradores triboeléctricos (TENG) han recibido mucha atención en los últimos años debido a su gran potencial para su uso en sistemas autoalimentados11. Los TENG se utilizan ampliamente para recolectar y convertir energía mecánica en energía eléctrica en diferentes aplicaciones12. El principio de funcionamiento del TENG se basa en la triboelectrificación por contacto junto con efectos de inducción electrostática13. Como un viejo fenómeno familiar, el efecto triboeléctrico ocurre entre dos materiales con diferentes afinidades triboeléctricas y conduce a la transferencia de cargas y al aumento del tribopotencial14,15. Cuando dos materiales están en contacto y luego se separan, el potencial alterno impulsará electrones hacia el circuito eléctrico externo haciendo que se muevan de un lado a otro16.

Los TENG han sido ampliamente utilizados17,18 en diversas aplicaciones biomédicas, como terapia contra el cáncer19, marcapasos20, monitoreo de glucosa21, sensores22,23, detección de iones24, así como en dispositivos para estimulación muscular25 debido a su considerable potencia de salida, bajo peso y fácil fabricación. proceso con bajo costo, compatibilidad ambiental, abundante selección disponible de materiales, disponibilidad universal y estructura simple.

La medición de señales electrofisiológicas de músculos o tejidos neurales es de gran importancia en el diagnóstico de muchas disfunciones neuronales mientras que la estimulación eléctrica de la médula espinal y las neuronas puede utilizarse para el tratamiento de ciertas enfermedades26,27. El daño al sistema nervioso humano durante un accidente cerebrovascular o lesiones de la médula espinal daría como resultado la debilidad de los músculos o la atrofia y podría deteriorarse hasta la parálisis28,29. La falta de inervación neuronal debido al daño neurológico promueve la incapacidad muscular para producir las fuerzas voluntarias necesarias para crear el movimiento de las articulaciones30. Por lo tanto, numerosas investigaciones científicas se han centrado en los dispositivos y estrategias para ayudar al cuerpo a restaurar la atrofia muscular, recuperar el movimiento y la función muscular después de una lesión o cirugía30,31.

En este sentido, los TENG pueden servir simultáneamente como generadores de formas de onda y como fuente de energía para la estimulación eléctrica de los músculos29. La salida del TENG se puede utilizar directamente para la estimulación de nervios y músculos29,32. Dentro del cuerpo humano, las señales eléctricas transportan información de estímulo y regulan las actividades neuronales. Los trastornos neurológicos y las lesiones nerviosas pueden conducir a la pérdida de la función muscular con un aumento de la atrofia muscular como síntomas iniciales, que finalmente pueden culminar en la parálisis. Las electroestimulaciones musculares se han aplicado como una poderosa herramienta para tratar trastornos neurológicos, prevenir y restaurar la atrofia muscular y recuperar los movimientos musculares31.

En los últimos años, las corrientes eléctricas generadas por los TENG se han utilizado con éxito en varios estudios para la estimulación eléctrica de las células33,34, los nervios35 y el cerebro36. A nivel celular, se ha diseñado un sistema de estimulación eléctrica impulsado por TENG para promover la proliferación celular de las células L929 que demuestra la eficacia del TENG y sus condiciones operativas seguras en estimulación biomédica37. Los resultados demuestran que la estimulación basada en TENG regula la proliferación celular y la migración de los fibroblastos37. Li et. al.33 fabricó un TENG que producía una salida de corriente pulsada estable para estimular el rejuvenecimiento de las células estromales mesenquimales envejecidas. Los resultados indicaron que la estimulación triboeléctrica mejoró la proliferación de células estromales mesenquimales de médula ósea envejecidas y aumentó su pluripotencia y capacidad de diferenciación.

A nivel de nervio periférico, Zhang et al. demostró por primera vez la estimulación directa con TENG con un voltaje de salida máximo de 265 V y una densidad de corriente de 18,3 μA/cm2, que también se aplicó con éxito para estimular el nervio ciático de una rana38. En otro estudio realizado por Lee et al., se explotó un TENG apilado con la configuración de polidimetilsiloxano estampado, película de tereftalato de polietileno y electrodo de cobre como fuente potencial de energía para la estimulación neural y se demostró que generaba un voltaje de salida y una corriente de cortocircuito de 160 V. y 6,7 μA, respectivamente. Operar el dispositivo podría estimular directamente el nervio ciático de la rata, mientras controla la contracción muscular y monitorea las señales musculares39. En otro estudio, Lee et. al.40 desarrollaron un nuevo TENG híbrido de agua/aire para la estimulación de los nervios periféricos. Yao y colaboradores41 presentaron un sistema de estimulación nerviosa implantado con TENG en el nervio vago de la rata para reducir la ingesta de alimentos y lograron el control del peso. El sistema de estimulación nerviosa no tenía batería y respondía espontáneamente a los movimientos del estómago. La estrategia se aplicó con éxito a los modelos de ratas. En 100 días, se controló el peso corporal medio, que era un 38 % inferior al del grupo de control. A nivel cerebral, Dai et al.42 demostraron la estimulación directa con TENG de la corteza somatosensorial y la corteza motora de la rata. El dispositivo, que estaba conectado al cerebro del ratón en la corteza de barril somatosensorial primaria, podía imitar la percepción del ratón y dirigir las actividades del ratón.

Como se mencionó anteriormente, los TENG de alto rendimiento podrían lograrse a través de una estructura de dispositivo optimizada, una selección adecuada de materiales funcionales en la serie triboeléctrica y modificaciones de la superficie para mejorar el área de contacto17.

Los métodos de simulación son técnicas poderosas que ofrecen una visión profunda del mecanismo de trabajo de los dispositivos, la selección de materiales, la exploración de nuevas funciones, las condiciones de funcionamiento y el análisis del rendimiento de salida de los sistemas TENG43. Parece necesario estudiar el mecanismo en cada aplicación, mientras que calcular los valores para diversas condiciones a través de pruebas de laboratorio suele ser una tarea larga, costosa y que requiere mucho tiempo44. Además, los resultados de la simulación podrían acelerar el diseño de nuevos sistemas. Con este fin, se han empleado modelos y simulaciones computacionales para determinar la estructura y los materiales de TENG apropiados, y evitar diseños que disminuyan el rendimiento de salida3.

En este artículo, basado en un enfoque de modelado computacional multifísico, hemos estudiado el rendimiento de la estructura TENG para la excitación de células neuronales. El efecto de las estructuras superficiales y la morfología de diferentes sustratos, así como la velocidad de impacto, se han estudiado en los potenciales de acción evocados de las neuronas en consecuencia. Utilizando el método de elementos finitos (FEM) en el entorno COMSOL y mediante la búsqueda de la distribución del campo eléctrico para varios parámetros de diseño estructural, los valores de la tensión y la capacitancia generadas se calcularon inicialmente para un TENG en un modo de separación de contacto en cada posición relativa de sus electrodos. El modelo construido podría explotarse como una herramienta de diseño efectiva no solo para la predicción de la respuesta de un modo TENG de contacto-separación, sino también para la selección de valores óptimos de los parámetros estructurales como el ancho, la altura y la distancia entre el micro -estructuras11. Luego, las características de salida intrínsecas del voltaje de circuito abierto (Voc) y la capacitancia inherente calculada previamente del modo de separación de contacto se acoplan a la ecuación del cable con el modelo de Hodgkin-Huxley (H–H) para representar el comportamiento electrofisiológico de la neurona en respuesta a la estructura TENG. Hasta donde sabemos, este es el primer estudio computacional centrado en representar el efecto de la estructura TENG en el comportamiento electrofisiológico de las neuronas.

El estrecho contacto entre el TENG y la estructura de la neurona se ilustra esquemáticamente en la Fig. 1, para lo cual los valores de la tensión de salida y la capacitancia se calculan en varias ubicaciones de los electrodos resolviendo la ecuación de Poisson. La respuesta de la neurona a la excitación del TENG se calcula con base en el modelo desarrollado que incluye la ecuación del cable (con el modelo H–H) junto con el modelo TENG.

Diagrama esquemático del funcionamiento de TENG y estimulación eléctrica de la neurona.

Teniendo en cuenta la influencia de la morfología del material de la superficie del sustrato y su geometría en el campo eléctrico local y la densidad de carga de la superficie, se desarrolló un modelo 3D que incorpora varios tipos y parámetros geométricos. Se resolvió la ecuación de Poisson para la estructura para distintas distancias entre los dos sustratos. Después de encontrar la distribución del campo eléctrico, se calculó la capacitancia para cada estructura mediante la Ec. (1). El modelo consideró no solo el efecto de la rugosidad de la superficie, sino también la variación en la distancia entre los dos sustratos en el rendimiento de salida. Teniendo en cuenta el tamaño y el rango de frecuencia, se consideró el módulo AC/DC con la física electrostática. La Figura 2a muestra el modelo geométrico desarrollado en el entorno COMSOL para varias distancias (Fig. 2b) entre los sustratos con diferentes modificaciones en la superficie del electrodo. Para ello se construyó un TENG con modo contacto-separación vertical a base de seda y poliimida (Kapton) como materiales triboeléctricos y también se consideraron dos capas de oro (Au) como electrodos metálicos. Se seleccionaron seda y poliimida ya que se ubican en casi dos extremos de la serie triboeléctrica (43). Los parámetros utilizados para el TENG en el modelo se dan en la Tabla 1.

( a ) Representación geométrica de los electrodos TENG con diferentes modificaciones superficiales. (b) Representación del modelo computacional en el entorno COMSOL para el cálculo de capacitancia y carga para diferentes distancias entre los electrodos de las TENG.

En las superficies exteriores de la caja de simulación, la carga cero se consideró como la condición límite, mientras que la densidad de carga superficial se consideró para el lado interior de los electrodos del TENG.

Se derivó la diferencia de potencial eléctrico entre los dos sustratos (salida de circuito abierto, Voc) y se calculó la capacitancia usando

donde VOC es el voltaje de salida de circuito abierto y Q denota la carga triboeléctrica.

La propagación del potencial de acción en un axón es un proceso electrofísico que ha sido estudiado utilizando la teoría del cable acoplada al modelo de Hodgkin-Huxley (H-H) que involucra diferentes corrientes iónicas45. En este sentido, el cable Eq. (2) se utilizó para encontrar el comportamiento de la membrana en respuesta a los estímulos externos que se deriva sobre la base del modelo de núcleo-conductor46

donde a es el radio del cilindro (axón), Vm es el potencial transmembrana, Is es la corriente de estimulación transmembrana, Cm es la capacitancia de la membrana por unidad de área, re y ri son las resistencias axiales extracelular e intracelular por unidad de longitud respectivamente, y Iion es la suma de diferentes componentes de corriente iónica (Na, K y otros componentes).

El modelo H–H se desarrolló en 1952 como resultado de los extensos estudios de Hodgkin y Huxley sobre el axón gigante del calamar47. Describe cómo se inicia el potencial de acción y cómo se propaga en una neurona48. Las corrientes iónicas a través de la membrana se pueden calcular mediante la ecuación. (3).

donde gL es la conductancia de fuga, gNa es la conductancia de sodio, gK es la conductancia de potasio, Vm es el potencial transmembrana, EL es el potencial de Nernst para la conductancia de fuga, ENa es el potencial de Nernst para el canal de sodio y EK es el Nernst potencial para el canal de potasio.

Los valores de las conductancias, gNa y gK, se formulan con base en el experimento H–H en el axón del calamar gigante46,49 y gL se considera fijo, y

donde n, h y m son variables de puerta, que están restringidas entre 0 y 1, y representan la probabilidad de apertura o cierre de un canal. Los términos con barra representan la conductancia máxima de cada canal.

La Tabla 2 muestra los parámetros utilizados en la ecuación del cable y el modelo H–H.

Para incorporar el efecto de la presencia del TENG sobre el comportamiento electrofisiológico de la neurona y la propagación del potencial de acción, se introdujo su influencia en la ecuación del cable como corriente externa (Ec. 6).

Para resolver numéricamente la ecuación, todas las derivadas fueron reemplazadas por diferencias (Ec. 7) y finalmente la Ec. (8) se derivó en consecuencia.

donde dx/dt representa la velocidad de liberación de contacto de los dos sustratos y C denota la capacitancia entre los electrodos TENG. El subíndice m representa la membrana y el superíndice i denota el i-ésimo paso de tiempo.

El conjunto completo de ecuaciones, que describe la generación y propagación de los potenciales de acción para cualquier axón, se resolvió numéricamente utilizando nuestro propio código desarrollado en MATLAB.

Como se mencionó anteriormente, se consideró un modo de separación de contacto vertical para la configuración de TENG en la que el electrodo inferior estaba fijo mientras que el electrodo superior estaba libre y podía moverse hacia arriba y hacia abajo. También se consideraron dos electrodos de Au como contactos eléctricos con el material tribo (es decir, seda y Kapton). Para estudiar el efecto de la rugosidad de la superficie, las simulaciones se realizaron para las superficies con cuatro arreglos geométricos diferentes; superficie plana (sin micropatrón), así como superficie cubierta con micropatrones en forma de cubo, pirámide y esfera (Fig. 2a).

Las figuras 3a–d ilustran la distribución del campo eléctrico entre los electrodos TENG con diferentes micropatrones. Considerando un modelo simple de dos electrodos de superficie plana, se espera que el campo eléctrico alcance su valor máximo cuando la distancia entre los dos sustratos sea mínima. Como se puede ver claramente en la Fig. 3e, las estructuras con micropatrones exhibieron una salida de voltaje más alta en comparación con la superficie plana. Además, el voltaje de salida del TENG en forma de cubo fue mayor que el de los otros dos micropatrones. Los resultados demostraron que la capacitancia del TENG disminuyó ligeramente con el aumento de la distancia entre los dos electrodos (Fig. 3f).

Distribución del campo eléctrico entre las superficies del TENG para (a) superficie de forma plana y superficies con (b) micropatrones de forma piramidal, (c) cúbica, (d) esférica, (e) tensión de circuito abierto calculada frente a distancia, y (f) capacitancia calculada entre dos electrodos frente a la distancia.

Las propiedades intrínsecas de la propagación del potencial de acción a lo largo del axón en presencia y ausencia del nanogenerador se calcularon en base a la ecuación desarrollada y en combinación con los resultados del FEM para las especificaciones TENG.

Las Figuras 4a–d muestran el efecto de diferentes valores de velocidad de contacto-liberación de los dos sustratos en la formación del potencial de acción en el axón de la neurona. Inicialmente la neurona se encontraba en estado de reposo mientras que con la aplicación de la TENG se excitaba. Como se muestra en la Fig. 4a, para la velocidad entre 0 y 0,075 cm.s−1, no se evocó ningún potencial de acción. En otras palabras, en este rango de velocidad, el voltaje de la membrana experimentó algunas fluctuaciones. Cabe señalar que en este caso, al aumentar la velocidad del proceso contacto-liberación, se observó un ligero aumento del potencial de reposo de la neurona. Al aumentar aún más la velocidad de liberación por contacto a 0,1 cm.s−1 (Fig. 4b), hubo un único potencial de acción evocado para la neurona en reposo. Para la velocidad en el rango de 0,25 a 0,5 cm.s−1, la neurona en reposo comenzó a disparar potenciales de acción (Figs. 4b y 4c). La Figura 4d compara los resultados de la TENG para todas las velocidades en el tiempo de duración entre 20 y 42 ms. Además, la transición de la hiperpolarización al estado de reposo se produjo más rápidamente al aumentar la velocidad del proceso contacto-liberación.

Voltaje transmembrana de la neurona en reposo para diferentes velocidades de contacto-liberación de (a) 0,025–0,075 cm.s−1 y sin TENG, (b) 0,1–0,25 cm.s−1, (c) 0,5–1 cm.s−1 −1, (d) resultados para la duración de tiempo entre 20 y 42 ms.

Para encontrar el efecto del TENG en la neurona de disparo, consideramos un modelo matemático de la neurona que disparó entre 0 y 100 ms y se consideró el efecto del TENG en su rendimiento. Las Figuras 5a-b muestran el voltaje transmembrana de la neurona de disparo en presencia del TENG para diferentes valores de la velocidad de contacto-liberación en el tiempo de duración de 0 y 200 ms. Se observó que para todas las velocidades consideradas, durante el período que la neurona estuvo en estado de disparo (0 a 100 ms), el TENG no impuso ningún efecto tangible sobre los potenciales de acción. Cuando la neurona dejó de activarse (100 ms a 200 ms), el efecto del TENG en la neurona fue similar al de la neurona en reposo (Figs. 4a-c). En general, para valores de velocidad pequeños, no hubo potencial de acción evocado y solo ocurrió una elevación en el potencial transmembrana (Fig. 5a), mientras que para valores de velocidad más altos, la neurona comenzó a dispararse (Fig. 5b). Además, como se puede ver claramente en la Fig. 5b, se observó una ligera reducción en la amplitud de los potenciales de acción con el aumento de la velocidad.

Voltaje transmembrana de la neurona de disparo para diferentes velocidades de liberación de contacto de (a) 0.025–0.1 cm.s−1 y sin TENG, (b) 0.25–1 cm.s−1.

Con el fin de comparar la eficiencia de la TENG plana con la de la micropatronada en la excitación de las neuronas, se consideró en consecuencia el papel de varias morfologías en el modelo computacional. Los resultados mostraron la misma tendencia con ligeros cambios. Para la neurona en reposo, como puede verse en las Figs. 4a-c, los potenciales de acción se evocaron con un comportamiento temporal diferente. La Figura 6 muestra las variaciones de la tasa de activación con la velocidad de liberación de contacto para la neurona en reposo y activación en respuesta a los TENG con diferentes estructuras de electrodos. Como se puede observar en el gráfico, la velocidad del proceso de contacto-separación tuvo un impacto directo en la velocidad de disparo, de modo que aumentó con la velocidad ascendente, mientras que la morfología de la superficie de los electrodos no afectó la velocidad de disparo.

Variaciones de la tasa de disparo con la velocidad para los estados de reposo y disparo en respuesta a la TENG para diferentes estructuras de electrodos.

En función de la importancia del ensanchamiento del pulso, se compararon los valores de ancho completo a la mitad del máximo (FWHM) de los potenciales de acción generados para diferentes velocidades de liberación de contacto en presencia de TENG. La Figura 7a muestra los resultados de las variaciones del FWHM calculado con la velocidad de liberación de contacto para diferentes estructuras de electrodos. Los resultados muestran una ligera disminución en el FWHM con un aumento en la velocidad tanto para la activación como para la neurona en reposo. Para todos los casos, no se produjo el ensanchamiento del pico.

(a) FWHM del potencial de acción durante la propagación. (b) Retardo de tiempo entre dos pulsos consecutivos.

La Figura 7b muestra el tiempo de retardo entre dos potenciales de acción evocados consecutivos para diferentes velocidades de liberación de contacto. Los resultados indican que al aumentar la velocidad de liberación del contacto, el tiempo de retardo entre dos pulsos sucesivos disminuyó. Se observó el mismo comportamiento para todos los tipos de electrodos con una diferencia insignificante para varias microestructuras superficiales.

En el presente trabajo hemos estudiado la influencia de la estructura TENG en la excitación de las células neuronales. Se ha estudiado el efecto de la rugosidad de la superficie así como la velocidad de contacto y liberación de los dos sustratos sobre el potencial de acción evocado de las neuronas. Primero, al encontrar la distribución del campo eléctrico de los electrodos de TENG con diferentes estructuras superficiales, se calcularon los valores del voltaje generado y la capacitancia de las estructuras en cada posición relativa de los electrodos. Como se muestra en las Figs. 3e–f, las estructuras cubiertas con micropatrones exhibieron una salida de voltaje más alta y valores de capacitancia más bajos en comparación con la plana. Además, el voltaje de salida del TENG en forma de cubo fue mayor que el de los otros dos micropatrones, lo que confirma que los micropatrones aumentan tanto la carga superficial como el área superficial. Los resultados están en buena concordancia con estudios previos50. Muthu y Yinhu han discutido el efecto de los patrones de superficie en el voltaje de salida y la capacitancia de TENG11,51. Zhang et al. trató de utilizar estructuras de micropatrones superficiales para aumentar la salida eléctrica, lo que indicó que las películas con arreglos piramidales tienen formas óptimas con un rendimiento adecuado52. En comparación con las películas planas, las matrices piramidales en la superficie mejoraron el voltaje y la corriente en un 100 % y un 157 %. Para confirmar la influencia de los patrones en el dispositivo TENG, Muthu et al.51 realizaron un estudio de simulación. Los resultados de la simulación mostraron que el voltaje de salida del TENG con patrones lineales en la superficie mejoró significativamente en comparación con las películas delgadas planas, circulares y con patrón en X. Además del efecto del área superficial, Yinhu et al. El grupo estudió el efecto de las microestructuras superficiales sobre la capacitancia en TENG11. Descubrieron que la introducción de microestructuras disminuía la capacitancia de la estructura. En nuestro estudio, el efecto del voltaje inducido y la capacitancia en el modo contacto-separación se acopló a la ecuación del cable dentro del modelo de Hodgkin-Huxley para representar el comportamiento electrofisiológico de la neurona en respuesta al movimiento TENG. Los resultados (Figs. 4a-c y 5a-b) muestran que al aumentar la velocidad de contacto-liberación, la neurona comenzaría a activarse. Los valores pequeños de la velocidad resultaron en ningún potencial de acción o en un solo potencial de acción, mientras que al aumentar la velocidad de contacto-liberación, la neurona comenzó a dispararse. Este hallazgo podría estar asociado con el hecho de que a menor velocidad, los canales iónicos no estaban activos debido al pequeño nivel de voltaje inducido en la membrana celular. Además, en el caso de que no hubiera potencial de acción, el potencial de reposo de la neurona estaba ligeramente elevado.

La tasa de disparo se conoce como una caracterización electrofisiológica de los trastornos neuromusculares53. La enfermedad de Parkinson revela neuronas hiperactivas en el núcleo subtalámico que tienen mayores índices de disparo y actividad de estallido en comparación con los controles54. La Figura 6 explica la dependencia de la tasa de disparo de la velocidad de liberación de contacto de los dos sustratos en los que la tasa de disparo aumentó con la velocidad.

Las Figuras 7a–b muestran los resultados del FWHM calculado y el tiempo de retraso entre dos potenciales de acción evocados consecutivos frente a la velocidad de liberación del contacto para diferentes estructuras. Los resultados muestran una ligera disminución en el FWHM con un aumento en la velocidad tanto para la activación como para la neurona en reposo. La variación en FWHM no cambia para diferentes microestructuras en la superficie de los electrodos. Al aumentar la velocidad de liberación del contacto, el tiempo entre dos pulsos consecutivos se acorta y los picos se estrechan. Este comportamiento es consistente con los resultados de la tasa de disparo. Para la neurona de disparo, la presencia de TENG no tuvo un efecto evidente en el tiempo entre dos pulsos consecutivos.

El enfoque principal de este estudio fue el modo de separación de contacto vertical como un modelo ideal del TENG, mientras que otros modos de operación podrían considerarse para estudios adicionales.

Basándonos en la importancia de la influencia del TENG en la estimulación de las células excitables, hemos modelado computacionalmente el efecto del TENG en el comportamiento electrofisiológico de las neuronas. Se calculó el efecto de los electrodos con diferentes modificaciones superficiales sobre el voltaje inducido del TENG y su capacitancia en diferentes posiciones. El efecto de la presencia de TENG en la actividad neuronal se introdujo en la ecuación del cable dentro del modelo H-H. Los resultados muestran que los electrodos microestructurados dieron como resultado diferentes voltajes de salida y capacitancia del TENG. En cuanto a la estimulación de las neuronas con las estructuras TENG, los resultados indican que la velocidad de contacto-liberación del TENG tuvo una influencia directa en la evocación y propagación de los potenciales de acción en las neuronas.

Los datos derivados que respaldan los hallazgos de este estudio están disponibles a pedido del autor correspondiente.

Vasandani, P., Mao, Z.-H., Jia, W. & Sun, M. Diseño de experimentos de simulación para predecir la salida del generador triboeléctrico utilizando parámetros estructurales. Simul. Modelo. Practica Teoría 68, 95–107 (2016).

Artículo Google Académico

Kim, M.-K., Kim, M.-S., Kwon, H.-B., Jo, S.-E. & Kim, Y.-J. Nanogenerador triboeléctrico portátil que utiliza un compuesto PDMS-CNT grabado con plasma para un sensor de actividad física. RSC Avanzado. 7, 48368–48373 (2017).

Artículo ADS CAS Google Académico

Niu, S. & Wang, ZL Sistemas teóricos de nanogeneradores triboeléctricos. Nano Energía 14, 161–192 (2015).

Artículo CAS Google Académico

Sun, W. et al. Conjunto de nanogeneradores triboeléctricos líquido-sólido y sus aplicaciones para la recolección de energía de las olas y la protección catódica autoalimentada. Energía, 119388 (2020).

Lai, M. et al. Mejora del rendimiento de los nanogeneradores triboeléctricos de NaNbO3 mediante modulación dieléctrica y modificación electronegativa. J. física. Aplicación D física 51, 015303 (2017).

Artículo ANUNCIOS Google Académico

Li, X. et al. Un sistema autoalimentado basado en nanogeneradores triboeléctricos y supercondensadores para la prevención de la corrosión de metales. J.Mater. química A 3, 22663–22668 (2015).

Artículo CAS Google Académico

Song, P., Yang, G., Lang, T. y Yong, K.-T. Nanogeneradores para bioelectrónica y biodispositivos portátiles. J. física. Aplicación D física 52, 023002 (2018).

Artículo ANUNCIOS Google Académico

Dai, X., Gao, S., Pan, K., Zhu, J. y Rashvand, HF en Sistemas de sensores inalámbricos para entornos extremos: espacio, submarino, subterráneo e industrial 201–219 (John Wiley & Sons, 2017).

Zhang, N. et al. Un textil fotovoltaico totalmente sólido portátil. Adv. Mate. 28, 263–269 (2016).

Artículo Google Académico

Wang, J., Yang, Y., Mao, T., Sui, J. y Jin, H. Optimización de la evaluación del ciclo de vida (LCA) del sistema CCHP híbrido asistido por energía solar. aplicación Energía 146, 38–52 (2015).

Artículo Google Académico

Xi, Y., Zhang, F. y Shi, Y. Efectos de las microestructuras superficiales sobre las capacitancias de la capa dieléctrica en un nanogenerador triboeléctrico: un estudio de simulación numérica. Nanoenergía 79, 105432 (2020).

Artículo Google Académico

Du, W. et al. Un nanogenerador triboeléctrico deslizante multicapa tridimensional. Adv. Materia Energética. 4, 1301592 (2014).

Artículo Google Académico

Tang, W. et al. Sistema implantable autoalimentado de curado con láser de bajo nivel para la proliferación y diferenciación de osteoblastos embrionarios de ratón. ACS Nano 9, 7867–7873 (2015).

Artículo CAS Google Académico

Choi, H.-J. et al. Nanogeneradores triboeléctricos de alto rendimiento con interfaces entrelazadas artificialmente bien adaptadas. Nanoenergía 27, 595–601 (2016).

Artículo CAS Google Académico

Song, PY, Yang, G., Lang, TT & Yong, KT Nanogeneradores para dispositivos bioelectrónicos y biodispositivos portátiles. J. física. química C https://doi.org/10.1088/1361-6463/aae44d (2019).

Artículo Google Académico

Huang, R. & Zhu, J. Un triboeléctrico de politetrafluoroetileno híbrido electromagnético y en forma de hoja con una estructura de refuerzo en forma de arco para la recolección de energía. RSC Avanzado. 7, 49562–49567 (2017).

Artículo ADS CAS Google Académico

Zhu, Y. et al. Un nanogenerador triboeléctrico flexible y biocompatible con resistencia interna ajustable para alimentar dispositivos portátiles. ciencia Rep. 6, 22233 (2016).

Artículo ADS CAS Google Académico

Pu, X. et al. Una unidad de energía de carga automática mediante la integración de un nanogenerador triboeléctrico textil y una batería flexible de iones de litio para dispositivos electrónicos portátiles. Adv. Mate. 27, 2472–2478 (2015).

Artículo CAS Google Académico

Zhao, C. et al. Terapia contra el cáncer in vivo altamente eficiente mediante un nanogenerador triboeléctrico de imán implantable. Adv. Función Mater., 1808640 (2019).

Zheng, Q. et al. Alimentación in vivo de marcapasos mediante nanogenerador triboeléctrico implantado impulsado por la respiración. Adv. Mate. 26, 5851–5856. https://doi.org/10.1002/adma.201402064 (2014).

Artículo CAS PubMed Google Académico

Zhang, H. et al. Nanogenerador triboeléctrico construido dentro de la ropa para biosensores de glucosa autoalimentados. Nanoenergía 2, 1019–1024 (2013).

Artículo CAS Google Académico

Ma, Y. et al. Sensor activo triboeléctrico implantable autoalimentado, integral y multifuncional para monitorización biomédica en tiempo real. Nano Lett. 16, 6042–6051. https://doi.org/10.1021/acs.nanolett.6b01968 (2016).

Artículo ADS CAS PubMed Google Scholar

Ejehi, F. et al. Papeles de óxido de grafeno en nanogeneradores para detección de humedad autoalimentada mediante golpecitos con los dedos. ciencia Rep. 10, 1–11 (2020).

Artículo Google Académico

Lin, ZH et al. Un nanosensor triboeléctrico autoalimentado para la detección de iones de mercurio. Angew. química En t. ed. ingl. 52, 5065–5069. https://doi.org/10.1002/anie.201300437 (2013).

Artículo CAS PubMed Google Académico

Wang, H., Wang, J., He, T., Li, Z. y Lee, C. Estimulación muscular directa mediante nanogeneradores triboeléctricos amplificados por diodos (TENG). Nanoenergía 63, 103844 (2019).

Artículo CAS Google Académico

Tyrrell, JE, Boutelle, MG & Campbell, AJ Medición de señales electrofisiológicas In Vitro utilizando transistores electroquímicos orgánicos de alto rendimiento. Adv. Función Mate. 31, 2007086 (2021).

Artículo CAS Google Académico

Kakinohana, M., Harada, H., Mishima, Y., Kano, T. y Sugahara, K. Efecto neuroprotector de la estimulación eléctrica epidural contra la lesión isquémica de la médula espinal en ratas: preacondicionamiento eléctrico. Mermelada. Soc. Anestesiólogos 103, 84–92 (2005).

Google Académico

Doucet, BM, Lam, A. & Griffin, L. Estimulación eléctrica neuromuscular para la función del músculo esquelético. Yale J. Biol. Medicina. 85, 201 (2012).

PubMed PubMed Central Google Académico

Wang, J. et al. Investigación de la estimulación directa de baja corriente para el tratamiento de rehabilitación relacionado con la pérdida de la función muscular utilizando el sistema TENG autoalimentado. Adv. ciencia 6, 1900149 (2019).

Artículo Google Académico

Dharela, V., Lakra, A., Arun, A. & Rana, V. Estimulador muscular programable para pacientes paralíticos. (2015).

Wang, J., He, T. & Lee, C. Desarrollo de interfaces neuronales y recolectores de energía hacia sistemas implantables autoalimentados para fines de rehabilitación y monitoreo de atención médica. Nanoenergía 65, 104039 (2019).

Artículo CAS Google Académico

Chen, X. et al. Avances en la electrónica sanitaria gracias a los nanogeneradores triboeléctricos. Adv. Función Mate. 30, 2004673 (2020).

Artículo CAS Google Académico

Li, G. et al. Rejuvenecimiento de células estromales mesenquimales de médula ósea senescentes mediante estimulación triboeléctrica pulsada. Adv. ciencia 8, 2100964 (2021).

Artículo CAS Google Académico

Zhang, W. et al. Nanogeneradores Triboeléctricos para Estimulación Bioeléctrica Celular. Adv. Función Mat., 2203029 (2022).

Lee, S. et al. Mecano-neuromodulación del nervio pélvico autónomo para la vejiga hipoactiva: un neuroestimulador triboeléctrico integrado con una interfaz de clip neural flexible. Nanoenergía 60, 449–456 (2019).

Artículo CAS Google Académico

Zhong, T. et al. Un circuito cerrado de triboelectricidad-cerebro-comportamiento artificial para la sustitución olfativa inteligente. Nanoenergía 63, 103884 (2019).

Artículo CAS Google Académico

Hu, W. et al. Mejora de la proliferación y migración de células de fibroblastos mediante estimulación eléctrica basada en nanogenerador triboeléctrico. Nanoenergía 57, 600–607 (2019).

Artículo CAS Google Académico

Zhang, XS et al. Nanogenerador triboeléctrico de alto rendimiento con densidad de energía mejorada basado en el tratamiento con plasma de fluorocarbono de un solo paso. Nanoenergía 4, 123–131. https://doi.org/10.1016/j.nanoen.2013.12.016 (2014).

Artículo CAS Google Académico

Lee, S. et al. Desarrollo de una interfaz neuronal sin batería y control modulado del músculo tibial anterior a través del nervio peroneo común basado en nanogeneradores triboeléctricos (TENG). Nanoenergía 33, 1–11. https://doi.org/10.1016/j.nanoen.2016.12.038 (2017).

Artículo ADS CAS Google Académico

Lee, S. et al. Neuromodulador sin batería para estimulación directa de nervios periféricos. Nanoenergía 50, 148–158 (2018).

Artículo ADS CAS Google Académico

Yao, G. et al. Control de peso eficaz a través de un dispositivo de estimulación del nervio vago autoalimentado implantado. Nat. común 9, 1–10 (2018).

Artículo ANUNCIOS Google Académico

Dai, Y. et al. Piel electrónica basada en matriz triboeléctrica direccionable por fotodetección de píxeles para el reconocimiento de imágenes visuales y la intervención del comportamiento. Adv. Función Materia 28, 1800275 (2018).

Artículo Google Académico

Zhang, H., Yao, L., Quan, L. y Zheng, X. Teorías de los nanogeneradores triboeléctricos: una revisión exhaustiva. Nanotecnología. Rev. 9, 610–625 (2020).

Artículo Google Académico

Vigmond, EJ, Hughes, M., Plank, G. & Leon, LJ Herramientas computacionales para modelar la actividad eléctrica en el tejido cardíaco. J. Electrocardiol. 36, 69–74 (2003).

Artículo Google Académico

Tekieh, T., Shahzadi, S., Rafii-Tabar, H. & Sasanpour, P. ¿Se alteran electrofisiológicamente las neuronas deformadas? Un estudio de simulación. Aplicación actual física 16, 1413–1417 (2016).

Artículo ANUNCIOS Google Académico

Mohagheghian, F., Sasanpour, P. y Rafii-Tabar, H. en la 35.ª Conferencia Internacional sobre Electrónica y Nanotecnología. 378–380 (IEEE).

Fermini, B. Avances recientes en tecnologías de cribado de canales iónicos. Canales iónicos 3, 1–25 (2008).

Artículo Google Académico

Ruzov, V. Neuromodulación: modelado del potencial de acción. 3 (2014).

Sasanpour, P., Mohammadpour, R. y Amiri, K. en la Conferencia IEEE de 2014 sobre ingeniería y ciencias biomédicas (IECBES). 677–680 (IEEE).

Él, S. et al. Tubos poliméricos como barcos portadores de materiales termoendurecibles y en polvo basados ​​en impresión 3D para nanogenerador triboeléctrico con microestructura. Nanoenergía 52, 134–141 (2018).

Artículo CAS Google Académico

Muthu, M. et al. Mejora del rendimiento de salida del nanogenerador triboeléctrico mediante el método de patrón de superficie 3D láser para la aplicación de recolección de energía. Nano Energía 78, 105205 ​​(2020).

Artículo CAS Google Académico

Zhang, X.-S. et al. Nanogenerador triboeléctrico de alto rendimiento y multiplicación de frecuencia para alimentar microsistemas biomédicos de forma sostenible. Nano letra. 13, 1168–1172 (2013).

Artículo ADS CAS Google Académico

Tang, JKH et al. Las tasas de activación de las neuronas pálidas son similares en los pacientes con enfermedad de Huntington y Parkinson. Exp. Res. cerebral. 166, 230–236 (2005).

Artículo ANUNCIOS Google Académico

Remple, MS et al. La tasa de activación neuronal del núcleo subtalámico aumenta con la progresión de la enfermedad de Parkinson. mov. Desorden. 26, 1657-1662 (2011).

Artículo Google Académico

Descargar referencias

Este artículo ha sido extraído de la tesis escrita por la Sra. Razieh Nazari-Vanani en la Facultad de Medicina de la Universidad de Ciencias Médicas Shahid Beheshti (número de registro: M 495).

Departamento de Física Médica e Ingeniería Biomédica, Facultad de Medicina, Universidad de Ciencias Médicas Shahid Beheshti, Teherán, Irán

Razieh Nazari-Vanani, Elham Asadian, Hashem Rafii-Tabar y Pezhman Sasanpour

Instituto de Nanociencia y Nanotecnología (INST), Universidad Tecnológica de Sharif, Teherán, Irán

Raheleh Mohammadpour

Rama de Física de la Academia de Ciencias de Irán, Teherán, Irán

Hashem Rafii-Tabar

Escuela de Nanociencia, Instituto de Investigación en Ciencias Fundamentales (IPM), PO Box 19395-5531, Teherán, Irán

Pezhman Sasanpour

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

PS y RM propusieron la idea original y con la contribución de RN y HR se desarrolló el modelo computacional. RN realizó las simulaciones. EA y HR brindaron asesoramiento en el análisis de los resultados y las discusiones. Todos los autores contribuyeron en la redacción y edición del manuscrito.

Correspondencia a Raheleh Mohammadpour o Pezhman Sasanpour.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Nazari-Vanani, R., Mohammadpour, R., Asadian, E. et al. Un estudio de modelado computacional de excitación de células neuronales con nanogeneradores triboeléctricos. Informe científico 12, 13411 (2022). https://doi.org/10.1038/s41598-022-17050-0

Descargar cita

Recibido: 27 enero 2022

Aceptado: 20 de julio de 2022

Publicado: 04 agosto 2022

DOI: https://doi.org/10.1038/s41598-022-17050-0

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.