Une étude de modélisation informatique de l'excitation des cellules neuronales avec des nanogénérateurs triboélectriques

Rapports scientifiques volume 12, Numéro d'article : 13411 (2022) Citer cet article

1081 accès

2 Citations

1 Altmétrique

Détails des métriques

Les troubles neurologiques et les lésions nerveuses, telles que les lésions de la moelle épinière, les accidents vasculaires cérébraux et la sclérose en plaques, peuvent entraîner la perte de la fonction musculaire. La stimulation électrique des cellules neuronales est le traitement clinique actuellement disponible à cet égard. En tant que récupérateur d'énergie efficace, les nanogénérateurs triboélectriques (TENG) peuvent être utilisés pour des stimulations neuronales/musculaires auto-alimentées, car la sortie du TENG fournit des impulsions de stimulation pour les nerfs. Dans la présente étude, en utilisant une approche de modélisation informatique, l'effet des micro-modèles de surface sur la distribution du champ électrique, la tension induite et la capacité des structures TENG a été étudié. En incorporant l'effet du TENG dans le modèle mathématique du comportement électrique des neurones (équation de câble avec modèle de Hodgkin-Huxley), son impact sur le comportement électrique des neurones a été étudié. Les résultats montrent que le TENG fonctionne différemment avec diverses modifications de surface. La performance du TENG en excitation des neurones dépend de la vitesse de contact et de libération de ses électrodes en conséquence.

Les êtres humains sont entourés de divers types de sources d'énergie dans l'environnement, notamment les énergies solaire, thermique, mécanique, chimique et biologique1. De plus, le corps humain lui-même est une source d'énergie favorable car il est semi-permanent et facilement disponible2. De plus, le développement de sources d'énergie durables est une demande inévitable en raison de l'émergence d'appareils électroniques portables et de réseaux de capteurs3. Parmi les différents types de sources d'énergie, l'énergie mécanique a attiré une attention considérable en raison de sa disponibilité universelle dans l'environnement naturel, le corps humain ainsi que les activités vivantes4. Par conséquent, des recherches ont été menées pour développer des systèmes intégrés appelés Nanoénergie, exploitant des micro et nanostructures capables de récupérer facilement l'énergie de l'environnement et de fonctionner en continu, de manière indépendante et efficace5,6,7. Les techniques de récupération d'énergie constituent une solution possible au problème d'alimentation électrique des appareils électroniques portables, des appareils de santé et des capteurs sans fil8 qui sont actuellement alimentés par des batteries. L'application des batteries habituelles devient peu pratique et défavorable, principalement en raison de leur durée de vie limitée, des difficultés d'entretien et des risques environnementaux compte tenu de la fuite des produits chimiques9,10. Outre les technologies traditionnelles de récupération d'énergie mécanique pour fournir de l'énergie aux appareils électroniques, les nanogénérateurs triboélectriques (TENG) ont fait l'objet d'une attention particulière ces dernières années en raison de leur fort potentiel d'utilisation dans les systèmes auto-alimentés11. Les TENG sont largement utilisés pour récolter et convertir l'énergie mécanique en énergie électrique dans différentes applications12. Le principe de fonctionnement du TENG est basé sur la triboélectrification par contact associée à des effets d'induction électrostatique13. Phénomène bien connu depuis longtemps, l'effet triboélectrique se produit entre deux matériaux ayant des affinités triboélectriques différentes et conduit au transfert de charges et à une augmentation du potentiel tribo14,15. Lorsque deux matériaux sont en contact puis séparés, le potentiel alternatif entraînera des électrons dans le circuit électrique externe les faisant aller et venir16.

Les TENG ont été largement utilisés17,18 dans diverses applications biomédicales, telles que la thérapie du cancer19, les stimulateurs cardiaques20, la surveillance du glucose21, les capteurs22,23, la détection d'ions24, ainsi que dans les dispositifs de stimulation musculaire25 en raison de leur puissance de sortie considérable, de leur faible poids, de leur processus de fabrication facile à faible coût, de leur compatibilité environnementale, de leur abondante sélection de matériaux disponibles, de leur disponibilité universelle et de leur structure simple.

La mesure des signaux électrophysiologiques des muscles ou des tissus nerveux est d'une grande importance dans le diagnostic de nombreux dysfonctionnements neuronaux tandis que la stimulation électrique de la moelle épinière et des neurones peut être utilisée pour le traitement de certaines maladies26,27. Les dommages au système nerveux humain lors d'un accident vasculaire cérébral ou de lésions de la moelle épinière entraîneraient une faiblesse des muscles ou une atrophie et pourraient s'aggraver jusqu'à la paralysie28,29. Le manque d'innervation neuronale dû à des dommages neurologiques, favorise l'incapacité musculaire à produire les forces volontaires nécessaires pour créer le mouvement des articulations30. Par conséquent, de nombreuses recherches scientifiques se sont concentrées sur les dispositifs et les stratégies pour aider le corps à restaurer l'atrophie musculaire, à récupérer le mouvement et la fonction musculaire après une blessure ou une intervention chirurgicale30,31.

À cet égard, les TENG peuvent simultanément servir à la fois de générateur de forme d'onde et de source d'alimentation pour la stimulation électrique des muscles29. La sortie du TENG peut être directement utilisée pour la stimulation des nerfs et des muscles29,32. À l'intérieur du corps humain, les signaux électriques transportent des informations sur les stimuli et régulent les activités neuronales. Les troubles neurologiques et les lésions nerveuses peuvent entraîner la perte de la fonction musculaire avec une augmentation de l'atrophie musculaire comme symptômes initiaux, qui pourraient finalement aboutir à la paralysie. Les stimulations musculaires électriques ont été appliquées comme un outil puissant pour traiter les troubles neurologiques, prévenir et restaurer l'atrophie musculaire et récupérer les mouvements musculaires31.

Au cours des dernières années, les courants électriques générés par les TENG ont été utilisés avec succès dans diverses études pour la stimulation électrique des cellules33,34, des nerfs35 et du cerveau36. Au niveau cellulaire, un système de stimulation électrique piloté par le TENG a été conçu pour favoriser la prolifération cellulaire des cellules L929, ce qui démontre l'efficacité du TENG et ses conditions de fonctionnement sûres dans la stimulation biomédicale37. Les résultats démontrent que la stimulation à base de TENG régule la prolifération cellulaire et la migration des cellules fibroblastes37. Li et. al.33 a fabriqué un TENG qui produisait une sortie de courant pulsé stable pour stimuler le rajeunissement des cellules stromales mésenchymateuses âgées. Les résultats ont indiqué que la stimulation triboélectrique améliorait la prolifération des cellules stromales mésenchymateuses âgées de la moelle osseuse et augmentait leur pluripotence et leur capacité de différenciation.

Au niveau nerveux périphérique, Zhang et al. a d'abord démontré la stimulation TENG directe avec une tension de sortie de crête de 265 V et une densité de courant de 18,3 μA/cm2 qui a également été appliquée avec succès pour stimuler le nerf sciatique d'une grenouille38. Dans une autre étude menée par Lee et al., un TENG empilé avec la configuration d'un polydiméthylsiloxane à motifs, d'un film de polyéthylène téréphtalate et d'une électrode en Cu a été exploité comme source d'alimentation potentielle pour la stimulation neurale et s'est avéré générer la tension de sortie et le courant de court-circuit de 160 V et 6,7 μA, respectivement. L'utilisation de l'appareil pourrait stimuler directement le nerf sciatique du rat, tout en contrôlant la contraction musculaire et en surveillant les signaux musculaires39. Dans une autre étude, Lee et. al.40 a développé un nouveau TENG hybride eau/air pour la stimulation des nerfs périphériques. Yao et ses collègues41 ont présenté un système de stimulation nerveuse implanté alimenté par TENG sur le nerf vague du rat pour réduire l'apport alimentaire et obtenir le contrôle du poids. Le système de stimulation nerveuse était sans pile et répondait spontanément aux mouvements de l'estomac. La stratégie a été appliquée avec succès aux modèles de rats. En 100 jours, le poids corporel moyen a été contrôlé, soit 38 % de moins que le groupe témoin. Au niveau du cerveau, Dai et al.42 ont démontré une stimulation TENG directe du cortex somatosensoriel et du cortex moteur du rat. L'appareil, qui était connecté au cerveau de la souris au niveau du cortex somatosensoriel primaire, pouvait imiter la perception de la souris et piloter les activités de la souris.

Comme mentionné précédemment, les TENG hautes performances pourraient être obtenus grâce à une structure de dispositif optimisée, une sélection appropriée des matériaux fonctionnels dans la série triboélectrique et des modifications de surface pour améliorer la zone de contact17.

Les méthodes de simulation sont des techniques puissantes offrant un aperçu approfondi du mécanisme de fonctionnement des appareils, de la sélection des matériaux, de l'exploration de nouvelles fonctionnalités, des conditions de fonctionnement et de l'analyse des performances de sortie des systèmes TENG43. Il semble nécessaire d'étudier le mécanisme dans chaque application, alors que le calcul des valeurs pour différentes conditions par des tests en laboratoire est généralement une tâche longue, coûteuse et longue44. De plus, les résultats de simulation pourraient accélérer la conception de nouveaux systèmes. À cette fin, la modélisation et la simulation informatiques ont été utilisées pour déterminer la structure et les matériaux TENG appropriés, et éviter les conceptions qui diminueraient les performances de sortie3.

Dans cet article, basé sur une approche de modélisation computationnelle multiphysique, nous avons étudié les performances de la structure TENG pour l'excitation des cellules neuronales. L'effet des structures de surface et de la morphologie de différents substrats, ainsi que la vitesse de frappe, ont été étudiés dans les potentiels d'action évoqués des neurones en conséquence. En utilisant la méthode des éléments finis (FEM) dans l'environnement COMSOL et en trouvant la distribution du champ électrique pour divers paramètres de conception structurelle, les valeurs de la tension et de la capacité générées ont été initialement calculées pour un TENG en mode de séparation de contact dans chaque position relative de ses électrodes. Le modèle construit pourrait être exploité comme un outil de conception efficace non seulement pour la prédiction de la réponse d'un mode de séparation de contact TENG, mais aussi pour la sélection des valeurs optimales des paramètres structurels tels que la largeur, la hauteur et la distance entre les micro-structures11. Ensuite, les caractéristiques de sortie intrinsèques de la tension en circuit ouvert (Voc) et la capacité inhérente précédemment calculée du mode de séparation des contacts sont couplées à l'équation du câble avec le modèle Hodgkin-Huxley (H – H) pour représenter le comportement électrophysiologique du neurone en réponse à la structure TENG. À notre connaissance, il s'agit de la toute première étude computationnelle axée sur la représentation de l'effet de la structure TENG sur le comportement électrophysiologique des neurones.

Le contact étroit entre le TENG et la structure du neurone est illustré schématiquement sur la figure 1 pour laquelle les valeurs de la tension et de la capacité de sortie sont calculées à divers emplacements des électrodes en résolvant l'équation de Poisson. La réponse du neurone à l'excitation du TENG est calculée à partir du modèle développé incluant l'équation du câble (avec le modèle H–H) couplée au modèle TENG.

Schéma de principe du fonctionnement du TENG et de la stimulation électrique du neurone.

Compte tenu de l'influence de la morphologie du matériau de surface du substrat et de sa géométrie sur le champ électrique local et la densité de charge de surface, un modèle 3D incorporant divers types et paramètres géométriques a été développé. L'équation de Poisson a été résolue pour la structure pour des distances distinctes entre les deux substrats. Après avoir trouvé la distribution du champ électrique, la capacité de chaque structure a été calculée par Eq. (1). Le modèle a pris en compte non seulement l'effet de la rugosité de surface, mais également la variation de la distance entre les deux substrats sur les performances de sortie. Compte tenu de la taille et de la gamme de fréquences, le module AC/DC avec la physique électrostatique a été envisagé. La figure 2a montre le modèle géométrique développé dans l'environnement COMSOL pour différentes distances (Fig. 2b) entre les substrats avec différentes modifications de surface d'électrode. À cette fin, un TENG avec mode de séparation de contact vertical a été construit à base de soie et de polyimide (Kapton) comme matériaux triboélectriques et deux couches d'or (Au) ont également été considérées comme des électrodes métalliques. La soie et le polyimide ont été sélectionnés car ils sont situés à presque deux extrémités de la série triboélectrique (43). Les paramètres utilisés pour le TENG dans le modèle sont donnés dans le tableau 1.

(a) Représentation géométrique des électrodes TENG avec différentes modifications de surface. (b) Représentation du modèle de calcul dans l'environnement COMSOL pour le calcul de la capacité et de la charge pour différentes distances entre les électrodes du TENG.

Sur les surfaces extérieures de la boîte de simulation, une charge nulle a été considérée comme la condition aux limites tandis que la densité de charge de surface a été considérée pour le côté intérieur des électrodes du TENG.

La différence de potentiel électrique entre les deux substrats (sortie en circuit ouvert, Voc) a été dérivée et la capacité a été calculée à l'aide de

où VOC est la tension de sortie en circuit ouvert et Q désigne la charge triboélectrique.

La propagation du potentiel d'action dans un axone est un processus électrophysique qui a été étudié à l'aide de la théorie des câbles couplée au modèle de Hodgkin-Huxley (H–H) impliquant différents courants ioniques45. A cet égard, le câble Eq. (2) a été utilisé pour trouver le comportement de la membrane en réponse aux stimuli externes qui est dérivé sur la base du modèle noyau-conducteur46

où a est le rayon du cylindre (axone), Vm est le potentiel transmembranaire, Is est le courant de stimulation transmembranaire, Cm est la capacité de la membrane par unité de surface, re et ri sont respectivement les résistances axiales extracellulaire et intracellulaire par unité de longueur, et Iion est la somme des différentes composantes du courant ionique (Na, K et autres composantes).

Le modèle H–H a été développé en 1952 à la suite des études approfondies de Hodgkin et Huxley sur l'axone géant du calmar47. Il décrit comment le potentiel d'action est initié et comment il se propage dans un neurone48. Les courants ioniques à travers la membrane peuvent être calculés par Eq. (3).

où gL est la conductance de fuite, gNa est la conductance du sodium, gK est la conductance du potassium, Vm est le potentiel transmembranaire, EL est le potentiel de Nernst pour la conductance de fuite, ENa est le potentiel de Nernst pour le canal sodique et EK est le potentiel de Nernst pour le canal potassique.

Les valeurs des conductances, gNa et gK, sont formulées sur la base de l'expérience H–H sur l'axone du calmar géant46,49 et gL est considéré comme fixe, et

où n, h et m sont des variables de déclenchement, qui sont contraintes entre 0 et 1, et représentent la probabilité d'ouverture ou de fermeture d'un canal. Les termes avec barre représentent la conductance maximale de chaque canal.

Le tableau 2 montre les paramètres utilisés dans l'équation du câble et le modèle H–H.

Afin d'intégrer l'effet de la présence du TENG sur le comportement électrophysiologique du neurone et la propagation du potentiel d'action, son influence a été introduite dans l'équation du câble comme un courant externe (Eq. 6).

Afin de résoudre numériquement l'équation, toutes les dérivées ont été remplacées par des différences (Eq. 7) et enfin Eq. (8) a été dérivé en conséquence.

où dx/dt représente la vitesse de libération de contact des deux substrats et C désigne la capacité entre les électrodes TENG. L'indice m représente la membrane et l'exposant i désigne le ième pas de temps.

L'ensemble complet d'équations, qui décrit la génération et la propagation des potentiels d'action pour n'importe quel axone, a été résolu numériquement à l'aide de notre propre code développé dans le MATLAB.

Comme mentionné précédemment, un mode de séparation de contact vertical a été envisagé pour la configuration TENG dans laquelle l'électrode inférieure était fixe tandis que l'électrode supérieure était libre et pouvait se déplacer de haut en bas. Deux électrodes Au ont également été considérées comme les contacts électriques avec le tribo-matériau (c'est-à-dire la soie et le Kapton). Afin d'étudier l'effet de la rugosité de surface, les simulations ont été réalisées pour les surfaces avec quatre dispositions géométriques différentes ; surface plane (sans micro-motif) ainsi que surface recouverte de micro-motifs en forme de cube, de pyramide et de sphère (Fig. 2a).

Les figures 3a à d illustrent la distribution du champ électrique entre les électrodes TENG avec différents micromodèles. En considérant un modèle simple de deux électrodes à surface plane, on s'attend à ce que le champ électrique atteigne sa valeur maximale lorsque la distance entre les deux substrats est minimale. Comme on peut le voir clairement sur la figure 3e, les structures à micro-motifs présentaient une sortie de tension plus élevée par rapport à la surface plane. De plus, la tension de sortie du TENG en forme de cube était supérieure à celle des deux autres micro-modèles. Les résultats ont démontré que la capacité du TENG diminuait légèrement avec une augmentation de la distance entre les deux électrodes (Fig. 3f).

Répartition du champ électrique entre les surfaces du TENG pour (a) une surface de forme plate et des surfaces avec (b) des micromotifs de forme pyramidale, (c) cubique, (d) de forme sphérique, (e) une tension de circuit ouvert calculée en fonction de la distance et (f) une capacité calculée entre deux électrodes en fonction de la distance.

Les propriétés intrinsèques de la propagation du potentiel d'action le long de l'axone en présence et en l'absence du nanogénérateur ont été calculées sur la base de l'équation développée et en combinaison avec les résultats du FEM pour les spécifications TENG.

Les figures 4a à d montrent l'effet de différentes valeurs de vitesse de libération de contact des deux substrats sur la formation du potentiel d'action dans l'axone du neurone. Initialement, le neurone était à l'état de repos alors qu'avec l'application du TENG, il était excité. Comme le montre la Fig. 4a, pour la vitesse comprise entre 0 et 0,075 cm.s−1, aucun potentiel d'action n'a été évoqué. En d'autres termes, dans cette plage de vitesse, la tension de la membrane a subi certaines fluctuations. Il convient de noter que dans ce cas, en augmentant la vitesse du processus de libération de contact, une légère augmentation du potentiel de repos du neurone a été observée. En augmentant encore la vitesse de libération du contact à 0,1 cm.s-1 (Fig. 4b), il y avait un seul potentiel d'action évoqué pour le neurone au repos. Pour une vitesse comprise entre 0,25 et 0,5 cm.s−1, le neurone au repos a commencé à déclencher des potentiels d'action (Figs. 4b et 4c). La figure 4d compare les résultats du TENG pour toutes les vitesses dans la durée comprise entre 20 et 42 ms. De plus, la transition de l'hyperpolarisation à l'état de repos s'est produite plus rapidement en augmentant la vitesse du processus de libération de contact.

Tension transmembranaire du neurone au repos pour différentes vitesses de libération de contact de (a) 0,025–0,075 cm.s−1 et sans le TENG, (b) 0,1–0,25 cm.s−1, (c) 0,5–1 cm.s−1, (d) résultats pour la durée comprise entre 20 et 42 ms.

Afin de trouver l'effet du TENG sur le neurone déclencheur, nous avons considéré un modèle mathématique du neurone qui a déclenché entre 0 et 100 ms et l'effet du TENG a été considéré sur ses performances. Les figures 5a-b montrent la tension transmembranaire du neurone de déclenchement en présence du TENG pour différentes valeurs de la vitesse de libération de contact dans la durée de 0 et 200 ms. Il a été observé que pour toutes les vitesses considérées, pendant la période où le neurone était dans l'état de tir (0 à 100 ms), le TENG n'imposait aucun effet tangible sur les potentiels d'action. Lorsque le neurone a cessé de se déclencher (100 ms à 200 ms), l'effet du TENG sur le neurone était similaire à celui du neurone au repos (Figs. 4a à c). Dans l'ensemble, pour les petites valeurs de vitesse, il n'y avait pas de potentiel d'action évoqué et seule une élévation du potentiel transmembranaire s'est produite (Fig. 5a) tandis que pour les valeurs de vitesse plus élevées, le neurone a commencé à se déclencher (Fig. 5b). De plus, comme on peut le voir clairement sur la figure 5b, une légère réduction de l'amplitude des potentiels d'action a été observée avec l'augmentation de la vitesse.

Tension transmembranaire du neurone de déclenchement pour différentes vitesses de libération de contact de (a) 0,025–0,1 cm.s−1 et sans TENG, (b) 0,25–1 cm.s−1.

Afin de comparer l'efficacité du TENG plat avec celles du micropattern dans l'excitation des neurones, le rôle de diverses morphologies a été considéré dans le modèle informatique en conséquence. Les résultats ont montré la même tendance avec de légers changements. Pour le neurone au repos, comme on peut le voir sur les Fig. 4a–c, les potentiels d'action ont été évoqués avec un comportement temporel différent. La figure 6 montre les variations du taux de déclenchement avec la vitesse de libération de contact pour le neurone au repos et de déclenchement en réponse aux TENG avec différentes structures d'électrodes. Comme on peut l'observer sur le graphique, la vitesse du processus de séparation des contacts a eu un impact direct sur la cadence de tir, de sorte qu'elle a augmenté avec la vitesse croissante, tandis que la morphologie de surface des électrodes n'a pas affecté la cadence de tir.

Variations de la cadence de tir avec la vitesse pour les états de repos et de tir en réponse au TENG pour différentes structures d'électrodes.

Sur la base de l'importance de l'élargissement des impulsions, les valeurs de pleine largeur à mi-hauteur (FWHM) des potentiels d'action générés ont été comparées pour différentes vitesses de libération de contact en présence du TENG. La figure 7a montre les résultats des variations du FWHM calculé avec la vitesse de libération de contact pour différentes structures d'électrodes. Les résultats montrent une légère diminution de la FWHM avec une augmentation de la vitesse pour les neurones de tir et de repos. Pour tous les cas, l'élargissement du pic ne s'est pas produit.

(a) FWHM du potentiel d'action pendant la propagation. (b) Délai entre deux impulsions consécutives.

La figure 7b montre le délai entre deux potentiels d'action évoqués consécutifs pour différentes vitesses de libération de contact. Les résultats indiquent qu'en augmentant la vitesse de relâchement du contact, le délai entre deux impulsions successives avait diminué. Le même comportement a été observé pour tous les types d'électrodes avec une différence négligeable pour les différentes microstructures de surface.

Dans le présent article, nous avons étudié l'influence de la structure TENG sur l'excitation des cellules neuronales. L'effet de la rugosité de surface ainsi que la vitesse de libération de contact des deux substrats sur le potentiel d'action évoqué des neurones ont été étudiés. Tout d'abord, en trouvant la distribution du champ électrique des électrodes du TENG avec différentes structures de surface, les valeurs de la tension et de la capacité générées des structures dans chaque position relative des électrodes ont été calculées. Comme le montrent les Fig. 3e – f, les structures couvertes de micro-motifs présentaient une sortie de tension plus élevée et des valeurs de capacité inférieures par rapport à la structure plate. De plus, la tension de sortie du TENG en forme de cube était supérieure à celle des deux autres micro-modèles, ce qui confirme que les micro-modèles augmentent à la fois la charge de surface et la surface. Les résultats sont en bon accord avec les études précédentes50. Muthu et Yinhu ont discuté de l'effet des motifs de surface sur la tension et la capacité de sortie du TENG11,51. Zhang et al. ont essayé d'utiliser des structures à micro-motifs de surface pour augmenter la puissance électrique, ce qui indique que les films avec des réseaux pyramidaux sont des formes optimales avec des performances appropriées52. Par rapport aux films plats, les réseaux pyramidaux en surface ont amélioré la tension et le courant de 100% et 157%. Pour confirmer l'influence de la structuration sur le dispositif TENG, une étude de simulation a été menée par Muthu et al.51. Les résultats de la simulation ont montré que la tension de sortie du TENG avec des motifs linéaires sur la surface était significativement améliorée par rapport aux films minces plats, circulaires et en X. En plus de l'effet de la surface, Yinhu et al. groupe a étudié l'effet des microstructures de surface sur la capacité dans TENG11. Ils ont découvert que l'introduction de microstructures diminuait la capacité de la structure. Dans notre étude, l'effet de la tension induite et de la capacité en mode de séparation de contact a été couplé à l'équation du câble dans le modèle Hodgkin-Huxley pour représenter le comportement électrophysiologique du neurone en réponse au mouvement TENG. Les résultats (Figs. 4a–c et 5a–b) montrent qu'en augmentant la vitesse de libération du contact, le neurone commencerait à se déclencher. De petites valeurs de vitesse n'ont entraîné aucun potentiel d'action ou potentiel d'action unique, tandis qu'en augmentant la vitesse de libération du contact, le neurone a commencé à se déclencher. Cette découverte pourrait être associée au fait qu'à une vitesse inférieure, les canaux ioniques n'étaient pas actifs en raison du faible niveau de tension induite sur la membrane cellulaire. De plus, en l'absence de potentiel d'action, le potentiel de repos du neurone était légèrement élevé.

Le taux de déclenchement est connu comme une caractérisation électrophysiologique des troubles neuromusculaires53. La maladie de Parkinson révèle des neurones hyperactifs dans le noyau sous-thalamique qui ont des taux de déclenchement et une activité d'éclatement accrus par rapport aux témoins54. La figure 6 explique la dépendance du taux de tir à la vitesse de libération de contact des deux substrats dans lesquels le taux de tir a augmenté avec la vitesse.

Les figures 7a à b montrent les résultats du FWHM calculé et le délai entre deux potentiels d'action évoqués consécutifs en fonction de la vitesse de libération du contact pour différentes structures. Les résultats affichent une légère diminution de la FWHM avec une augmentation de la vitesse pour les neurones de tir et de repos. La variation de FWHM ne change pas pour différentes microstructures à la surface des électrodes. En augmentant la vitesse de relâchement du contact, le temps entre deux impulsions consécutives devient plus court et les pics se rétrécissent. Ce comportement est cohérent avec les résultats de la cadence de tir. Pour le neurone déclencheur, la présence du TENG n'a eu aucun effet évident sur le temps entre deux impulsions consécutives.

L'objectif principal de cette étude était le mode vertical de séparation des contacts en tant que modèle idéal du TENG, tandis que d'autres modes de fonctionnement pourraient être envisagés pour d'autres études.

Sur la base de l'importance de l'influence du TENG sur la stimulation des cellules excitables, nous avons modélisé informatiquement l'effet du TENG sur le comportement électrophysiologique des neurones. L'effet des électrodes avec différentes modifications de surface sur la tension induite du TENG et sa capacité dans différentes positions a été calculé. L'effet de la présence du TENG sur l'activité des neurones a été introduit dans l'équation du câble dans le modèle H – H. Les résultats montrent que les électrodes microstructurées ont entraîné différentes tensions de sortie et capacité du TENG. En ce qui concerne la stimulation des neurones avec les structures TENG, les résultats indiquent que la vitesse de libération de contact du TENG a une influence directe sur l'évocation et la propagation des potentiels d'action dans les neurones.

Les données dérivées à l'appui des conclusions de cette étude sont disponibles sur demande auprès de l'auteur correspondant.

Vasandani, P., Mao, Z.-H., Jia, W. & Sun, M. Conception d'expériences de simulation pour prédire la sortie d'un générateur triboélectrique à l'aide de paramètres structurels. Simul. Modèle. Pratique. Théorie 68, 95-107 (2016).

Article Google Scholar

Kim, M.-K., Kim, M.-S., Kwon, H.-B., Jo, S.-E. & Kim, Y.-J. Nanogénérateur triboélectrique portable utilisant un composite PDMS-CNT gravé au plasma pour un capteur d'activité physique. RSC Adv. 7, 48368–48373 (2017).

Article ADS CAS Google Scholar

Niu, S. & Wang, ZL Systèmes théoriques de nanogénérateurs triboélectriques. Nano énergie 14, 161-192 (2015).

Article CAS Google Scholar

Sun, W. et al. Réseau de nanogénérateurs triboélectriques liquide-solide et ses applications pour la récupération de l'énergie des vagues et la protection cathodique auto-alimentée. Énergie, 119388 (2020).

Lai, M. et al. Amélioration des performances des nanogénérateurs triboélectriques NaNbO3 par modulation diélectrique et modification électronégative. J.Phys. Appl. Phys. 51, 015303 (2017).

Annonces d'article Google Scholar

Li, X. et al. Un système auto-alimenté basé sur des nanogénérateurs triboélectriques et des supercondensateurs pour la prévention de la corrosion des métaux. J. Mater. Chim. A 3, 22663–22668 (2015).

Article CAS Google Scholar

Song, P., Yang, G., Lang, T. & Yong, K.-T. Nanogénérateurs pour la bioélectronique portable et les biodispositifs. J.Phys. Appl. Phys. 52, 023002 (2018).

Annonces d'article Google Scholar

Dai, X., Gao, S., Pan, K., Zhu, J. & Rashvand, HF dans les systèmes de capteurs sans fil pour les environnements extrêmes : espace, sous-marin, souterrain et industriel 201-219 (John Wiley & Sons, 2017).

Zhang, N. et al. Un textile photovoltaïque tout solide portable. Adv. Mater. 28, 263-269 (2016).

Article Google Scholar

Wang, J., Yang, Y., Mao, T., Sui, J. & Jin, H. Optimisation de l'évaluation du cycle de vie (LCA) du système CCHP hybride à assistance solaire. Appl. Énergie 146, 38–52 (2015).

Article Google Scholar

Xi, Y., Zhang, F. & Shi, Y. Effets des microstructures de surface sur les capacités de la couche diélectrique dans un nanogénérateur triboélectrique : une étude de simulation numérique. Nano énergie 79, 105432 (2020).

Article Google Scholar

Du, W. et al. Un nanogénérateur triboélectrique tridimensionnel multicouche coulissant. Adv. Matière énergétique. 4, 1301592 (2014).

Article Google Scholar

Tang, W. et al. Système implantable auto-alimenté de polymérisation au laser de bas niveau pour la prolifération et la différenciation des ostéoblastes embryonnaires de souris. ACS Nano 9, 7867–7873 (2015).

Article CAS Google Scholar

Choi, H.-J. et coll. Nanogénérateurs triboélectriques hautes performances avec des interfaces imbriquées artificiellement bien adaptées. Nano Énergie 27, 595–601 (2016).

Article CAS Google Scholar

Song, PY, Yang, G., Lang, TT & Yong, KT Nanogénérateurs pour la bioélectronique portable et les biodispositifs. J.Phys. Chim. C https://doi.org/10.1088/1361-6463/aae44d (2019).

Article Google Scholar

Huang, R. & Zhu, J. Un triboélectrique hybride en polytétrafluoroéthylène électromagnétique et en forme de feuille avec une structure de renfort en forme d'arc pour la récupération d'énergie. RSC Adv. 7, 49562–49567 (2017).

Article ADS CAS Google Scholar

Zhu, Y. et al. Un nanogénérateur triboélectrique flexible et biocompatible avec une résistance interne réglable pour alimenter des appareils portables. Sci. Rep. 6, 22233 (2016).

Article ADS CAS Google Scholar

Pu, X. et al. Une unité d'alimentation auto-rechargeable par l'intégration d'un nanogénérateur triboélectrique textile et d'une batterie lithium-ion flexible pour l'électronique portable. Adv. Mater. 27, 2472-2478 (2015).

Article CAS Google Scholar

Zhao, C. et al. Thérapie anticancéreuse in vivo très efficace par un nanogénérateur triboélectrique à aimant implantable. Adv. Fonct. Mat., 1808640 (2019).

Zheng, Q. et al. Alimentation in vivo d'un stimulateur cardiaque par un nanogénérateur triboélectrique implanté piloté par la respiration. Adv. Mater. 26, 5851–5856. https://doi.org/10.1002/adma.201402064 (2014).

Article CAS PubMed Google Scholar

Zhang, H. et al. Nanogénérateur triboélectrique intégré à l'intérieur des vêtements pour biocapteurs de glucose auto-alimentés. Nano énergie 2, 1019-1024 (2013).

Article CAS Google Scholar

Ma, Y. et al. Capteur actif triboélectrique implantable auto-alimenté, à guichet unique et multifonctionnel pour la surveillance biomédicale en temps réel. Nano Lett. 16, 6042–6051. https://doi.org/10.1021/acs.nanolett.6b01968 (2016).

Article ADS CAS PubMed Google Scholar

Ejehi, F. et al. Papiers d'oxyde de graphène dans des nanogénérateurs pour une détection autonome de l'humidité par tapotement du doigt. Sci. Rép. 10, 1–11 (2020).

Article Google Scholar

Lin, ZH et al. Un nanocapteur triboélectrique auto-alimenté pour la détection des ions mercure. Angew. Chim. Int. Éd. angl. 52, 5065–5069. https://doi.org/10.1002/anie.201300437 (2013).

Article CAS PubMed Google Scholar

Wang, H., Wang, J., He, T., Li, Z. & Lee, C. Stimulation musculaire directe à l'aide de nanogénérateurs triboélectriques amplifiés par diode (TENG). Nano énergie 63, 103844 (2019).

Article CAS Google Scholar

Tyrrell, JE, Boutelle, MG & Campbell, AJ Mesure de signaux électrophysiologiques in vitro à l'aide de transistors électrochimiques organiques à hautes performances. Adv. Fonct. Mater. 31, 2007086 (2021).

Article CAS Google Scholar

Kakinohana, M., Harada, H., Mishima, Y., Kano, T. & Sugahara, K. Effet neuroprotecteur de la stimulation électrique épidurale contre les lésions ischémiques de la moelle épinière chez le rat : préconditionnement électrique. Confiture. Soc. Anesthésistes 103, 84–92 (2005).

Google Scholar

Doucet, BM, Lam, A. & Griffin, L. Stimulation électrique neuromusculaire pour la fonction musculaire squelettique. Yale J. Biol. Méd. 85, 201 (2012).

PubMed PubMed Central Google Scholar

Wang, J. et al. Étude de la stimulation directe à faible courant pour le traitement de rééducation liée à la perte de la fonction musculaire à l'aide d'un système TENG auto-alimenté. Adv. Sci. 6, 1900149 (2019).

Article Google Scholar

Dharela, V., Lakra, A., Arun, A. & Rana, V. Stimulateur musculaire programmable pour patients paralytiques. (2015).

Wang, J., He, T. & Lee, C. Développement d'interfaces neuronales et de récupérateurs d'énergie vers des systèmes implantables auto-alimentés à des fins de surveillance des soins de santé et de réadaptation. Nano énergie 65, 104039 (2019).

Article CAS Google Scholar

Chen, X. et al. Les progrès de l'électronique médicale rendus possibles par les nanogénérateurs triboélectriques. Adv. Fonct. Mater. 30, 2004673 (2020).

Article CAS Google Scholar

Li, G. et al. Rajeunissement des cellules stromales mésenchymateuses de la moelle osseuse sénescentes par stimulation triboélectrique pulsée. Adv. Sci. 8, 2100964 (2021).

Article CAS Google Scholar

Zhang, W. et al. Nanogénérateurs triboélectriques pour la stimulation bioélectrique cellulaire. Adv. Fonct. Mat., 2203029 (2022).

Lee, S. et al. Mécano-neuromodulation du nerf pelvien autonome pour la vessie sous-active : un neurostimulateur triboélectrique intégré à une interface de clip neuronal flexible. Nanoénergie 60, 449–456 (2019).

Article CAS Google Scholar

Zhong, T. et al. Une boucle fermée artificielle triboélectricité-cerveau-comportement pour une substitution olfactive intelligente. Nano énergie 63, 103884 (2019).

Article CAS Google Scholar

Hu, W. et al. Amélioration de la prolifération et de la migration des cellules fibroblastes par stimulation électrique basée sur un nanogénérateur triboélectrique. Nanoénergie 57, 600–607 (2019).

Article CAS Google Scholar

Zhang, XS et al. Nanogénérateur triboélectrique hautes performances à densité d'énergie améliorée basée sur un traitement au plasma fluorocarboné en une seule étape. Nano énergie 4, 123–131. https://doi.org/10.1016/j.nanoen.2013.12.016 (2014).

Article CAS Google Scholar

Lee, S. et al. Développement d'une interface neuronale sans batterie et contrôle modulé du muscle tibial antérieur via le nerf péronier commun basé sur des nanogénérateurs triboélectriques (TENG). Nano énergie 33, 1–11. https://doi.org/10.1016/j.nanoen.2016.12.038 (2017).

Article ADS CAS Google Scholar

Lee, S. et al. Neuromodulateur sans pile pour la stimulation directe des nerfs périphériques. Nanoénergie 50, 148-158 (2018).

Article ADS CAS Google Scholar

Yao, G. et al. Contrôle efficace du poids via un dispositif de stimulation du nerf vague auto-alimenté implanté. Nat. Commun. 9, 1–10 (2018).

Annonces d'article Google Scholar

Dai, Y. et al. Peau électronique basée sur une matrice triboélectrique de photodétection adressable par pixels pour la reconnaissance d'images visuelles et l'intervention comportementale. Adv. Fonct. Mater 28, 1800275 (2018).

Article Google Scholar

Zhang, H., Yao, L., Quan, L. & Zheng, X. Théories pour les nanogénérateurs triboélectriques : une revue complète. Nanotechnologie. Rév.9, 610–625 (2020).

Article Google Scholar

Vigmond, EJ, Hughes, M., Plank, G. & Leon, LJ Outils informatiques pour modéliser l'activité électrique dans le tissu cardiaque. J. Électrocardiol. 36, 69-74 (2003).

Article Google Scholar

Tekieh, T., Shahzadi, S., Rafii-Tabar, H. & Sasanpour, P. Les neurones déformés sont-ils électrophysiologiquement altérés ? Une étude de simulation. Application actuelle Phys. 16, 1413–1417 (2016).

Annonces d'article Google Scholar

Mohagheghian, F., Sasanpour, P. & Rafii-Tabar, H. à la 35e Conférence internationale sur l'électronique et la nanotechnologie. 378–380 (IEEE).

Fermini, B. Progrès récents dans les technologies de criblage des canaux ioniques. Canaux ioniques 3, 1–25 (2008).

Article Google Scholar

Ruzov, V. Neuromodulation : modélisation du potentiel d'action. 3 (2014).

Sasanpour, P., Mohammadpour, R. & Amiri, K. en 2014 Conférence IEEE sur le génie et les sciences biomédicales (IECBES). 677–680 (IEEE).

Lui, S. et al. Tubes polymères comme bateaux porteurs de matériaux thermodurcissables et pulvérulents basés sur l'impression 3D pour nanogénérateur triboélectrique à microstructure. Nanoénergie 52, 134-141 (2018).

Article CAS Google Scholar

Muthu, M. et al. Amélioration des performances de sortie du nanogénérateur triboélectrique par la méthode du motif laser 3D-Surface pour l'application de récupération d'énergie. Nano énergie 78, 105205 ​​(2020).

Article CAS Google Scholar

Zhang, X.-S. et coll. Nanogénérateur triboélectrique à haut rendement à multiplication de fréquence pour alimenter de manière durable des microsystèmes biomédicaux. Nano let. 13, 1168-1172 (2013).

Article ADS CAS Google Scholar

Tang, JKH et al. Les taux de déclenchement des neurones pallidaux sont similaires chez les patients atteints de la maladie de Huntington et de la maladie de Parkinson. Exp. Cerveau Res. 166, 230-236 (2005).

Annonces d'article Google Scholar

Remple, MS et al. Le taux de déclenchement neuronal du noyau sous-thalamique augmente avec la progression de la maladie de Parkinson. Dév. Désordre. 26, 1657-1662 (2011).

Article Google Scholar

Télécharger les références

Cet article est extrait de la thèse rédigée par Mme Razieh Nazari-Vanani à l'École de médecine de l'Université des sciences médicales Shahid Beheshti (numéro d'enregistrement : M 495).

Département de physique médicale et de génie biomédical, École de médecine, Université des sciences médicales Shahid Beheshti, Téhéran, Iran

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

Institut des nanosciences et des nanotechnologies (INST), Université de technologie Sharif, Téhéran, Iran

Raheleh Mohammadpour

Branche de physique de l'Académie des sciences d'Iran, Téhéran, Iran

Hachem Rafii-Tabar

École des nanosciences, Institut de recherche en sciences fondamentales (IPM), PO Box 19395-5531, Téhéran, Iran

Pezhman Sasanpour

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

PS et RM ont proposé l'idée originale et, avec la contribution de RN et HR, le modèle informatique a été développé. RN a effectué les simulations. EA et HR ont fourni des conseils dans l'analyse des résultats et des discussions. Tous les auteurs ont contribué à la rédaction et à l'édition du manuscrit.

Correspondance à Raheleh Mohammadpour ou Pezhman Sasanpour.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui autorise l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Nazari-Vanani, R., Mohammadpour, R., Asadian, E. et al. Une étude de modélisation informatique de l'excitation des cellules neuronales avec des nanogénérateurs triboélectriques. Sci Rep 12, 13411 (2022). https://doi.org/10.1038/s41598-022-17050-0

Télécharger la citation

Reçu : 27 janvier 2022

Accepté : 20 juillet 2022

Publié: 04 août 2022

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

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.