在最近发表在《自然纳米技术》上的一项研究中，一组研究人员开发了高密度、超小、透明的石墨烯微电极，用于提高脑表面电生理记录和钙成像的空间分辨率，从而能够从表面电位解码单细胞和平均神经活动。

　　在不同的空间和时间尺度上探索大脑机制对于理解神经动力学是必不可少的，需要整合各种模式的工具。

　　传统的透明微电极技术尽管取得了进步，但受到尺寸和通道密度的限制。

　　需要进一步的研究来加强这些技术与活神经组织的整合，优化长期稳定性和生物相容性，并将其应用于更广泛的神经学研究和治疗干预。

　　研究人员通过在硅片上沉积聚二甲基戊二酰亚胺(PMGI) SF3牺牲层的苝C (PC)层，开发了高密度透明石墨烯阵列。

　　然后他们将铬和金溅射制成金属线和触点垫。第一层石墨烯通过电化学分层转移，并将其浸入硝酸(HNO3)溶液中以降低导线电阻。

　　清洗后，加入第二层石墨烯层。他们使用双层光刻胶，用氧等离子体蚀刻石墨烯，然后清洗。为了在后续步骤中保护石墨烯，他们在石墨烯上溅射了一层二氧化硅防蚀层。

　　在沉积和制作另一层PC层作为封装层之后，他们移除二氧化硅层以接触石墨烯并将阵列从晶圆上分离出来。

　　为了进行电极表征，研究小组使用Gamry 600 plus在磷酸盐缓冲盐水溶液中进行了铂纳米颗粒(PtNPs)的电化学沉积和电化学表征。

　　测量是在法拉第笼中进行的，以避免电磁噪声。PtNP沉积是在双电极结构中进行的，电流从石墨烯电极流向对电极。

　　在PtNP沉积150秒后，电极的阻抗达到饱和。

　　研究人员修改了传统的Randles模型来分析电极，捕获了量子电容效应、石墨烯导线的电阻和PtNP的伪电容(Cp)。

　　他们从电极/电解质界面的等效电路模型中去除量子电容成分，加入Cp和电荷转移电阻(Rct)来表示PtNP的伪电容。通过拟合电化学阻抗谱测量数据提取电路模型中的电容。

　　动物实验遵循加州大学圣地亚哥分校机构动物护理和使用委员会批准的协议。成年老鼠被麻醉后，在它们的头骨中植入一个特制的头板。

　　在左半球开颅，将透明PtNPs/双层石墨烯(id-DLG)电极阵列放置在暴露的皮质上。

　　对动物进行视觉刺激，利用商用双光子显微镜进行双光子成像和成像数据分析。

　　使用RHD2000放大板进行电生理记录，并在Matrix Laboratory (MATLAB)中使用自定义脚本分析数据。为了分析和与钙活性的相关性，排除了阻抗大于10 MΩ的电极。

　　研究小组对表面记录应用了不同的过滤器，以分离不同的频带，并提取视觉诱发电位。

　　他们还用Python开发了一个神经网络模型，通过表面电位预测钙活性，实现了双向长短期记忆(BiLSTM)层，并使用均方误差作为损失函数。

　　高斯过程因子分析(GPFA)是一种生成模型，用于提取描述高维数据共享可变性的潜在表征。将BiLSTM模型的投影钙信号与真实钙信号进行比较。

　　统计分析采用双侧Wilcoxon秩和检验比较解码性能。

　　研究人员克服了开发具有超小电极的高密度透明石墨烯微电极阵列的重大挑战。他们通过使用PtNPs解决了石墨烯中量子电容的相关问题，石墨烯以其在狄拉克点附近的低密度状态而闻名。

　　这种创新的方法创造了一个低阻抗路径，显著地将电极阻抗从5.4 MΩ降低到250 kΩ。该团队还开发了一个等效电路模型来分析这些电极的电化学阻抗，证明了id-DLG和PtNPs的成功集成。

　　这导致了高产量、全透明的石墨烯阵列，即使使用超小电极也能保持信号质量。

　　在体内实验中，研究小组使用这些阵列记录转基因小鼠皮层表面的电生理信号，同时用双光子显微镜进行钙成像。

　　这种方法使研究人员能够以单细胞分辨率观察兴奋性神经元及其隔室。他们可以记录不同的神经元对视觉刺激的反应，并确保整个皮层的电生理记录是一致的。

　　石墨烯阵列的透明性和PtNP电极的超小尺寸使其能够在不遮挡视野的情况下实现广泛的空间覆盖，从而促进对大面积皮层表面电位的高分辨率观察。

　　然后，研究人员使用人工神经网络，包括单层BiLSTM网络，仅使用来自皮质表面的高分辨率电记录来预测更深层次的大脑活动。

　　这些模型在多模态数据集上进行训练，以了解细胞钙活性和表面电位之间的非线性关系。

　　该方法显示两层的预测和实际钙活性之间存在很强的相关性，表明不同的通道为解码提供了互补的信息。

　　该团队还探索了利用GPFA从表面电位预测单细胞活动的可行性，以提取代表高维钙荧光信号的低维潜在变量。

　　该方法利用表面电活动有效地推断了深层神经元的钙活性。

　　然而，他们也发现群体耦合并不是决定解码性能的唯一因素，这表明虽然它有助于推断单个细胞的活动，但其他因素也在起作用。

　　这表明，石墨烯阵列记录的表面电位携带了有关不同脑层神经元活动的宝贵信息，甚至可以在单细胞水平上推断神经种群动态。