Eine rechnerische Modellierungsstudie zur Anregung neuronaler Zellen mit triboelektrischen Nanogeneratoren

Wissenschaftliche Berichte Band 12, Artikelnummer: 13411 (2022) Diesen Artikel zitieren

1081 Zugriffe

2 Zitate

1 Altmetrisch

Details zu den Metriken

Neurologische Störungen und Nervenverletzungen wie Rückenmarksverletzungen, Schlaganfall und Multiple Sklerose können zum Verlust der Muskelfunktion führen. Die elektrische Stimulation der neuronalen Zellen ist diesbezüglich die derzeit verfügbare klinische Behandlung. Als effektive Energieernte können die triboelektrischen Nanogeneratoren (TENG) für autarke Nerven-/Muskelstimulationen verwendet werden, da der Ausgang des TENG Stimulationsimpulse für Nerven liefert. In der vorliegenden Studie wurde mithilfe eines rechnerischen Modellierungsansatzes die Auswirkung von Oberflächenmikromustern auf die elektrische Feldverteilung, die induzierte Spannung und die Kapazität der TENG-Strukturen untersucht. Durch die Einbeziehung der Wirkung des TENG in das mathematische Modell des elektrischen Verhaltens von Neuronen (Kabelgleichung mit Hodgkin-Huxley-Modell) wurde dessen Einfluss auf das elektrische Verhalten der Neuronen untersucht. Die Ergebnisse zeigen, dass der TENG bei verschiedenen Oberflächenmodifikationen unterschiedlich funktioniert. Die Leistung des TENG bei der Erregung von Neuronen hängt entsprechend von der Kontakt- und Freigabegeschwindigkeit seiner Elektroden ab.

Der Mensch ist in der Umwelt von verschiedenen Arten von Energiequellen umgeben, darunter solare, thermische, mechanische, chemische und biologische Energien1. Darüber hinaus ist der menschliche Körper selbst eine günstige Energiequelle, da er semipermanent und leicht verfügbar ist2. Darüber hinaus ist die Entwicklung nachhaltiger Energiequellen aufgrund des Aufkommens tragbarer elektronischer Geräte und Sensornetzwerke eine unvermeidliche Forderung3. Unter den verschiedenen Arten von Energiequellen hat die mechanische Energie aufgrund ihrer universellen Verfügbarkeit in der natürlichen Umwelt, im menschlichen Körper und bei lebenden Aktivitäten große Aufmerksamkeit erregt4. Daher wurden Forschungsarbeiten durchgeführt, um integrierte Systeme namens Nanoenergie zu entwickeln, die Mikro- und Nanostrukturen nutzen, die in der Lage sind, die Energie einfach aus der Umwelt zu gewinnen und kontinuierlich, unabhängig und effektiv zu arbeiten5,6,7. Energiegewinnungstechniken stellen eine mögliche Lösung für das Problem der Stromversorgung tragbarer elektronischer Geräte, Gesundheitsgeräte und drahtloser Sensoren8 dar, die derzeit über Batterien versorgt werden. Der Einsatz herkömmlicher Batterien wird immer unpraktischer und ungünstiger, vor allem wegen ihrer begrenzten Lebensdauer, Wartungsschwierigkeiten und Umweltrisiken aufgrund des Austretens von Chemikalien9,10. Neben den traditionellen Technologien zur mechanischen Energiegewinnung zur Energiebereitstellung für elektronische Geräte haben die triboelektrischen Nanogeneratoren (TENGs) in den letzten Jahren aufgrund ihres großen Potenzials für den Einsatz in autarken Systemen große Aufmerksamkeit erhalten11. Die TENGs werden häufig zur Gewinnung und Umwandlung mechanischer Energie in elektrische Energie in verschiedenen Anwendungen eingesetzt12. Das Funktionsprinzip des TENG basiert auf der Kontakttriboelektrifizierung zusammen mit elektrostatischen Induktionseffekten13. Als altbekanntes Phänomen tritt der triboelektrische Effekt zwischen zwei Materialien mit unterschiedlichen triboelektrischen Affinitäten auf und führt zur Ladungsübertragung und einem Anstieg des Tribopotentials14,15. Wenn zwei Materialien in Kontakt kommen und dann getrennt werden, treibt das Wechselpotential Elektronen in den externen Stromkreis, wodurch sie sich hin und her bewegen16.

Die TENGs werden aufgrund ihrer beträchtlichen Ausgangsleistung, ihres geringen Gewichts und ihrer einfachen Herstellung häufig in verschiedenen biomedizinischen Anwendungen eingesetzt17,18, beispielsweise in der Krebstherapie19, Herzschrittmachern20, Glukoseüberwachung21, Sensoren22,23, Ionendetektion24 sowie in Geräten zur Muskelstimulation25 Prozess mit geringen Kosten, Umweltverträglichkeit, großer Auswahl an Materialien, universeller Verfügbarkeit und einfacher Struktur.

Die Messung elektrophysiologischer Signale von Muskeln oder Nervengewebe ist für die Diagnose vieler neuronaler Funktionsstörungen von großer Bedeutung, während die elektrische Stimulation des Rückenmarks und von Neuronen zur Behandlung bestimmter Krankheiten genutzt werden kann26,27. Die Schädigung des menschlichen Nervensystems bei Schlaganfall oder Rückenmarksverletzungen würde zu Muskelschwäche oder Atrophie führen und möglicherweise zu einer Lähmung führen28,29. Der Mangel an neuronaler Innervation aufgrund einer neurologischen Schädigung führt dazu, dass die Muskeln nicht in der Lage sind, die freiwilligen Kräfte zu erzeugen, die für die Bewegung der Gelenke erforderlich sind30. Daher haben sich zahlreiche wissenschaftliche Untersuchungen auf Geräte und Strategien konzentriert, die den Körper bei der Wiederherstellung von Muskelschwund sowie der Wiederherstellung der Muskelbewegung und -funktion nach einer Verletzung oder Operation unterstützen sollen30,31.

In dieser Hinsicht können die TENGs gleichzeitig sowohl als Wellenformgenerator als auch als Stromquelle für die elektrische Stimulation der Muskeln dienen29. Die Leistung des TENG kann direkt zur Stimulation von Nerven und Muskeln genutzt werden29,32. Im menschlichen Körper transportieren elektrische Signale Reizinformationen und regulieren neuronale Aktivitäten. Neurologische Störungen und Nervenverletzungen können zu einem Verlust der Muskelfunktion mit zunehmender Muskelatrophie als Erstsymptom führen, die schließlich in der Lähmung gipfeln kann. Elektrische Muskelstimulationen werden als wirksames Instrument zur Behandlung neurologischer Störungen, zur Vorbeugung und Wiederherstellung von Muskelatrophie und zur Wiederherstellung von Muskelbewegungen eingesetzt31.

In den letzten Jahren wurden aus den TENGs erzeugte elektrische Ströme in verschiedenen Studien erfolgreich zur elektrischen Stimulation der Zellen33,34, der Nerven35 und des Gehirns36 eingesetzt. Auf Zellebene wurde ein TENG-gesteuertes elektrisches Stimulationssystem zur Förderung der Zellproliferation der L929-Zellen entwickelt, was die Wirksamkeit des TENG und seine sicheren Betriebsbedingungen bei der biomedizinischen Stimulation demonstriert37. Die Ergebnisse zeigen, dass die TENG-basierte Stimulation die Zellproliferation und -migration der Fibroblastenzellen reguliert37. Li et. al.33 stellten ein TENG her, das eine stabile gepulste Stromabgabe erzeugte, um die Verjüngung gealterter mesenchymaler Stromazellen zu stimulieren. Die Ergebnisse zeigten, dass die triboelektrische Stimulation die Proliferation gealterter mesenchymaler Stromazellen des Knochenmarks verbesserte und deren Pluripotenz und Differenzierungskapazität erhöhte.

Auf der Ebene der peripheren Nerven haben Zhang et al. demonstrierten erstmals die direkte TENG-Stimulation mit einer Spitzenausgangsspannung von 265 V und einer Stromdichte von 18,3 μA/cm2, die auch erfolgreich zur Stimulation des Ischiasnervs eines Frosches eingesetzt wurde38. In einer anderen von Lee et al. durchgeführten Studie wurde ein gestapeltes TENG mit der Konfiguration aus strukturiertem Polydimethylsiloxan, Polyethylenterephthalatfilm und Cu-Elektrode als potenzielle Stromquelle für die Nervenstimulation genutzt und konnte nachweislich eine Ausgangsspannung und einen Kurzschlussstrom von 160 V erzeugen bzw. 6,7 μA. Die Bedienung des Geräts könnte den Ischiasnerv der Ratte direkt stimulieren und gleichzeitig die Muskelkontraktion steuern und die Muskelsignale überwachen39. In einer anderen Studie haben Lee et. al.40 entwickelte ein neuartiges Wasser/Luft-Hybrid-TENG zur peripheren Nervenstimulation. Yao und Mitarbeiter41 präsentierten ein TENG-betriebenes implantiertes Nervenstimulationssystem am Vagusnerv der Ratte zur Reduzierung der Nahrungsaufnahme und erreichten eine Gewichtskontrolle. Das Nervenstimulationssystem war batterielos und reagierte spontan auf die Magenbewegungen. Die Strategie wurde erfolgreich auf die Rattenmodelle angewendet. Innerhalb von 100 Tagen wurde das durchschnittliche Körpergewicht kontrolliert, das 38 % unter dem der Kontrollgruppe lag. Auf Gehirnebene zeigten Dai et al.42 eine direkte TENG-Stimulation des somatosensorischen Kortex und des motorischen Kortex der Ratte. Das Gerät, das mit dem Gehirn der Maus am primären somatosensorischen Barrel-Cortex verbunden war, konnte die Wahrnehmung der Maus nachahmen und die Mausaktivitäten steuern.

Wie bereits erwähnt, könnten die Hochleistungs-TENGs durch eine optimierte Gerätestruktur, die richtige Auswahl funktioneller Materialien in der triboelektrischen Reihe und Oberflächenmodifikationen zur Vergrößerung der Kontaktfläche erreicht werden17.

Simulationsmethoden sind leistungsstarke Techniken, die tiefe Einblicke in den Funktionsmechanismus von Geräten, die Materialauswahl, die Erkundung neuer Funktionen und Betriebsbedingungen sowie die Analyse der Ausgangsleistung der TENG-Systeme bieten43. Es scheint notwendig, den Mechanismus in jeder Anwendung zu untersuchen, während die Berechnung der Werte für verschiedene Bedingungen durch Labortests normalerweise eine zeitaufwändige, teure und langwierige Aufgabe ist44. Darüber hinaus könnten Simulationsergebnisse den Entwurf neuartiger Systeme beschleunigen. Zu diesem Zweck wurden rechnerische Modellierung und Simulation eingesetzt, um die geeignete TENG-Struktur und die geeigneten Materialien zu bestimmen und Designs zu vermeiden, die die Ausgangsleistung beeinträchtigen würden3.

In diesem Artikel haben wir auf der Grundlage eines multiphysikalischen Computermodellierungsansatzes die Leistung der TENG-Struktur zur Anregung neuronaler Zellen untersucht. Der Einfluss von Oberflächenstrukturen und Morphologie verschiedener Substrate sowie die Schlaggeschwindigkeit wurden entsprechend auf die evozierten Aktionspotentiale der Neuronen untersucht. Unter Verwendung der Finite-Elemente-Methode (FEM) in der COMSOL-Umgebung und durch Ermittlung der elektrischen Feldverteilung für verschiedene Strukturdesignparameter wurden zunächst die Werte der erzeugten Spannung und Kapazität für ein TENG in einem Kontakttrennungsmodus in jeder relativen Position von berechnet seine Elektroden. Das konstruierte Modell könnte als effektives Entwurfswerkzeug nicht nur für die Vorhersage der Reaktion eines Kontakttrennungsmodus TENG genutzt werden, sondern auch für die Auswahl optimaler Werte der Strukturparameter wie Breite, Höhe und Abstand zwischen den Mikros -Strukturen11. Anschließend werden die intrinsischen Ausgangseigenschaften der Leerlaufspannung (Voc) und die zuvor berechnete inhärente Kapazität des Kontakttrennungsmodus mit der Kabelgleichung mit dem Hodgkin-Huxley-Modell (H–H) gekoppelt, um das elektrophysiologische Verhalten darzustellen des Neurons als Reaktion auf die TENG-Struktur. Nach unserem besten Wissen ist dies die allererste Computerstudie, die sich auf die Darstellung der Wirkung der TENG-Struktur auf das elektrophysiologische Verhalten der Neuronen konzentriert.

Der enge Kontakt zwischen TENG und Neuronenstruktur ist schematisch in Abb. 1 dargestellt, für die die Werte der Ausgangsspannung und der Kapazität an verschiedenen Stellen der Elektroden durch Lösung der Poisson-Gleichung berechnet werden. Die Reaktion des Neurons auf die Erregung durch den TENG wird auf der Grundlage des entwickelten Modells einschließlich der Kabelgleichung (mit dem H-H-Modell) in Verbindung mit dem TENG-Modell berechnet.

Schematische Darstellung des TENG-Betriebs und der elektrischen Stimulation des Neurons.

Unter Berücksichtigung des Einflusses der Morphologie des Oberflächenmaterials des Substrats und seiner Geometrie auf das lokale elektrische Feld und die Oberflächenladungsdichte wurde ein 3D-Modell entwickelt, das verschiedene Typen und geometrische Parameter berücksichtigt. Die Poisson-Gleichung wurde für die Struktur für unterschiedliche Abstände zwischen den beiden Substraten gelöst. Nachdem die elektrische Feldverteilung ermittelt wurde, wurde die Kapazität für jede Struktur nach Gleichung berechnet. (1). Das Modell berücksichtigte nicht nur den Einfluss der Oberflächenrauheit, sondern auch die Variation des Abstands zwischen den beiden Substraten auf die Ausgabeleistung. Unter Berücksichtigung der Größe und des Frequenzbereichs wurde das AC/DC-Modul mit elektrostatischer Physik in Betracht gezogen. Abbildung 2a zeigt das in der COMSOL-Umgebung entwickelte geometrische Modell für verschiedene Abstände (Abb. 2b) zwischen den Substraten mit unterschiedlichen Elektrodenoberflächenmodifikationen. Zu diesem Zweck wurde ein TENG mit vertikalem Kontakttrennungsmodus auf der Basis von Seide und Polyimid (Kapton) als triboelektrischen Materialien konstruiert, und zwei Goldschichten (Au) wurden auch als Metallelektroden in Betracht gezogen. Seide und Polyimid wurden ausgewählt, da sie sich an fast zwei Enden der triboelektrischen Reihe befinden (43). Die für den TENG im Modell verwendeten Parameter sind in Tabelle 1 angegeben.

(a) Geometrische Darstellung der TENG-Elektroden mit unterschiedlichen Oberflächenmodifikationen. (b) Darstellung des Rechenmodells in der COMSOL-Umgebung zur Berechnung von Kapazität und Ladung für unterschiedliche Abstände zwischen den TENG-Elektroden.

An den Außenflächen der Simulationsbox wurde eine Nullladung als Randbedingung berücksichtigt, während die Oberflächenladungsdichte für die Innenseite der Elektroden des TENG berücksichtigt wurde.

Die elektrische Potentialdifferenz zwischen den beiden Substraten (Leerlaufausgang, Voc) wurde abgeleitet und die Kapazität berechnet

Dabei ist VOC die Ausgangsspannung im Leerlauf und Q die triboelektrische Ladung.

Die Ausbreitung des Aktionspotentials in einem Axon ist ein elektrophysikalischer Prozess, der mithilfe der Kabeltheorie in Verbindung mit dem Hodgkin-Huxley-Modell (H–H) unter Einbeziehung verschiedener Ionenströme untersucht wurde45. In diesem Zusammenhang gilt die Kabelgleichung. (2) wurde verwendet, um das Verhalten der Membran als Reaktion auf äußere Reize zu ermitteln, das auf der Grundlage des Kern-Leiter-Modells46 abgeleitet wurde

Dabei ist a der Radius des Zylinders (Axon), Vm das Transmembranpotential, Is der Transmembranstimulationsstrom, Cm die Kapazität der Membran pro Flächeneinheit, re und ri die extrazellulären bzw. intrazellulären axialen Widerstände pro Längeneinheit und Iion ist die Summe verschiedener Ionenstromkomponenten (Na, K und andere Komponenten).

Das H-H-Modell wurde 1952 als Ergebnis der umfangreichen Studien von Hodgkin und Huxley zum Riesenaxon des Tintenfischs entwickelt47. Es beschreibt, wie das Aktionspotential ausgelöst wird und wie es sich in einem Neuron ausbreitet48. Die Ionenströme durch die Membran können nach Gl. berechnet werden. (3).

Dabei ist gL die Leckleitfähigkeit, gNa die Natriumleitfähigkeit, gK die Kaliumleitfähigkeit, Vm das Transmembranpotential, EL das Nernstpotential für die Leckleitfähigkeit, ENa das Nernstpotential für den Natriumkanal und EK das Nernstpotential Potenzial für den Kaliumkanal.

Die Werte der Leitfähigkeiten gNa und gK werden basierend auf dem H-H-Experiment am Riesenkalmar-Axon46,49 formuliert und gL gilt als fest und

Dabei sind n, h und m Gating-Variablen, die zwischen 0 und 1 liegen und die Wahrscheinlichkeit für das Öffnen oder Schließen eines Kanals darstellen. Die Begriffe mit Balken stellen den maximalen Leitwert jedes Kanals dar.

Tabelle 2 zeigt die in der Kabelgleichung und im H-H-Modell verwendeten Parameter.

Um die Auswirkung der Anwesenheit des TENG auf das elektrophysiologische Verhalten des Neurons und die Ausbreitung des Aktionspotentials zu berücksichtigen, wurde sein Einfluss als externer Strom in die Kabelgleichung eingeführt (Gleichung 6).

Um die Gleichung numerisch zu lösen, wurden alle Ableitungen durch Differenzen ersetzt (Gl. 7) und schließlich Gl. (8) wurde entsprechend abgeleitet.

wobei dx/dt die Kontaktlösegeschwindigkeit der beiden Substrate darstellt und C die Kapazität zwischen den TENG-Elektroden bezeichnet. Das tiefgestellte m stellt die Membran dar und das hochgestellte i bezeichnet den i-ten Zeitschritt.

Der vollständige Gleichungssatz, der die Erzeugung und Ausbreitung der Aktionspotentiale für jedes Axon beschreibt, wurde numerisch mithilfe unseres selbst entwickelten Codes im MATLAB gelöst.

Wie bereits erwähnt, wurde für den TENG-Aufbau ein vertikaler Kontakttrennungsmodus in Betracht gezogen, bei dem die untere Elektrode fixiert war, während die obere Elektrode frei war und sich auf und ab bewegen konnte. Als elektrische Kontakte mit dem Tribomaterial (dh Seide und Kapton) wurden auch zwei Au-Elektroden in Betracht gezogen. Um den Einfluss der Oberflächenrauheit zu untersuchen, wurden die Simulationen für Oberflächen mit vier verschiedenen geometrischen Anordnungen durchgeführt; flache Oberfläche (ohne Mikromuster) sowie Oberfläche, die mit würfel-, pyramiden- und kugelförmigen Mikromustern bedeckt ist (Abb. 2a).

Die Abbildungen 3a–d veranschaulichen die elektrische Feldverteilung zwischen den TENG-Elektroden mit unterschiedlichen Mikromustern. Betrachtet man ein einfaches Modell zweier planarer Oberflächenelektroden, so wird erwartet, dass das elektrische Feld seinen Maximalwert erreicht, wenn der Abstand zwischen den beiden Substraten minimal ist. Wie in Abb. 3e deutlich zu sehen ist, zeigten die mikrostrukturierten Strukturen im Vergleich zur flachen Oberfläche eine höhere Spannungsabgabe. Darüber hinaus war die Ausgangsspannung des würfelförmigen TENG höher als die der beiden anderen Mikromuster. Die Ergebnisse zeigten, dass die Kapazität des TENG mit zunehmendem Abstand zwischen den beiden Elektroden leicht abnahm (Abb. 3f).

Elektrische Feldverteilung zwischen Oberflächen des TENG für (a) flache Formoberfläche und Oberflächen mit (b) Pyramiden-, (c) kubischen, (d) sphärischen Mikromustern, (e) berechneter Leerlaufspannung gegenüber Abstand und (f) berechnete Kapazität zwischen zwei Elektroden vs. Abstand.

Die intrinsischen Eigenschaften der Ausbreitung des Aktionspotentials entlang des Axons in Anwesenheit und Abwesenheit des Nanogenerators wurden auf der Grundlage der entwickelten Gleichung und in Kombination mit den Ergebnissen der FEM für die TENG-Spezifikationen berechnet.

Die Abbildungen 4a–d zeigen die Auswirkung unterschiedlicher Werte der Kontaktlösegeschwindigkeit der beiden Substrate auf die Bildung des Aktionspotentials im Axon des Neurons. Anfangs befand sich das Neuron im Ruhezustand, während es durch die Anwendung von TENG erregt wurde. Wie in Abb. 4a dargestellt, wurde für die Geschwindigkeit zwischen 0 und 0,075 cm.s−1 kein Aktionspotential hervorgerufen. Mit anderen Worten: In diesem Geschwindigkeitsbereich kam es zu gewissen Schwankungen der Membranspannung. Es ist zu beachten, dass in diesem Fall durch die Erhöhung der Geschwindigkeit des Kontaktlösevorgangs ein leichter Anstieg des Ruhepotentials des Neurons beobachtet wurde. Durch eine weitere Erhöhung der Kontaktlösegeschwindigkeit auf 0,1 cm·s−1 (Abb. 4b) wurde ein einzelnes Aktionspotential für das ruhende Neuron hervorgerufen. Bei einer Geschwindigkeit im Bereich von 0,25 bis 0,5 cm.s−1 begann das ruhende Neuron, Aktionspotentiale auszulösen (Abb. 4b und 4c). Abbildung 4d vergleicht die Ergebnisse des TENG für alle Geschwindigkeiten im Zeitraum zwischen 20 und 42 ms. Darüber hinaus erfolgte der Übergang von der Hyperpolarisation in den Ruhezustand schneller, indem die Geschwindigkeit des Kontaktlöseprozesses erhöht wurde.

Transmembranspannung des ruhenden Neurons für verschiedene Kontaktlösegeschwindigkeiten von (a) 0,025–0,075 cm.s−1 und ohne TENG, (b) 0,1–0,25 cm.s−1, (c) 0,5–1 cm.s −1, (d) ergibt sich für die Zeitdauer zwischen 20 und 42 ms.

Um die Wirkung des TENG auf das feuernde Neuron zu ermitteln, haben wir ein mathematisches Modell des Neurons betrachtet, das zwischen 0 und 100 ms feuert, und die Wirkung des TENG auf seine Leistung berücksichtigt. Die Abbildungen 5a-b zeigen die Transmembranspannung des feuernden Neurons in Gegenwart des TENG für verschiedene Werte der Kontaktlösegeschwindigkeit in der Zeitdauer von 0 und 200 ms. Es wurde beobachtet, dass TENG bei allen betrachteten Geschwindigkeiten während des Zeitraums, in dem sich das Neuron im Feuerzustand befand (0 bis 100 ms), keinen spürbaren Einfluss auf die Aktionspotentiale hatte. Als das Neuron aufhörte zu feuern (100 ms bis 200 ms), war die Wirkung des TENG auf das Neuron ähnlich wie auf das ruhende Neuron (Abb. 4a–c). Insgesamt gab es bei kleinen Geschwindigkeitswerten kein hervorgerufenes Aktionspotential und es kam lediglich zu einer Erhöhung des Transmembranpotentials (Abb. 5a), während bei höheren Geschwindigkeitswerten das Neuron zu feuern begann (Abb. 5b). Darüber hinaus war, wie in Abb. 5b deutlich zu erkennen ist, mit zunehmender Geschwindigkeit eine leichte Verringerung der Amplitude der Aktionspotentiale zu beobachten.

Transmembranspannung des feuernden Neurons für verschiedene Kontaktlösegeschwindigkeiten von (a) 0,025–0,1 cm.s−1 und ohne TENG, (b) 0,25–1 cm.s−1.

Um die Effizienz des flachen TENG mit der des mikrostrukturierten TENG bei der Anregung der Neuronen zu vergleichen, wurde die Rolle verschiedener Morphologien im Rechenmodell entsprechend berücksichtigt. Die Ergebnisse zeigten den gleichen Trend mit geringfügigen Änderungen. Für das ruhende Neuron, wie in den Abb. In den Abbildungen 4a–c wurden die Aktionspotentiale mit unterschiedlichem Zeitverhalten hervorgerufen. Abbildung 6 zeigt die Variationen der Feuerrate mit der Kontaktfreigabegeschwindigkeit für das ruhende und feuernde Neuron als Reaktion auf die TENGs mit unterschiedlichen Elektrodenstrukturen. Wie aus der Darstellung hervorgeht, hatte die Geschwindigkeit des Kontakttrennungsprozesses einen direkten Einfluss auf die Feuerungsrate, sodass sie mit zunehmender Geschwindigkeit zunahm, während die Oberflächenmorphologie der Elektroden die Feuerungsrate nicht beeinflusste.

Variationen der Feuerrate mit der Geschwindigkeit für den Ruhe- und Feuerzustand als Reaktion auf den TENG für verschiedene Elektrodenstrukturen.

Basierend auf der Bedeutung der Impulsverbreiterung wurden die Werte der Halbwertsbreite (FWHM) der erzeugten Aktionspotentiale für verschiedene Kontaktlösegeschwindigkeiten in Gegenwart des TENG verglichen. Abbildung 7a zeigt die Ergebnisse der Variationen des berechneten FWHM mit der Kontaktlösegeschwindigkeit für verschiedene Elektrodenstrukturen. Die Ergebnisse zeigen eine leichte Abnahme des FWHM mit einem Anstieg der Geschwindigkeit sowohl für feuernde als auch für ruhende Neuronen. In allen Fällen kam es nicht zu einer Peakverbreiterung.

(a) FWHM des Aktionspotentials während der Ausbreitung. (b) Zeitverzögerung zwischen zwei aufeinanderfolgenden Impulsen.

Abbildung 7b zeigt die Zeitverzögerung zwischen zwei aufeinanderfolgenden evozierten Aktionspotentialen für unterschiedliche Kontaktlösegeschwindigkeiten. Die Ergebnisse deuten darauf hin, dass sich durch die Erhöhung der Kontaktlösegeschwindigkeit die Zeitverzögerung zwischen zwei aufeinanderfolgenden Impulsen verringert hat. Das gleiche Verhalten wurde für alle Elektrodentypen beobachtet, mit einem vernachlässigbaren Unterschied bei verschiedenen Oberflächenmikrostrukturen.

In der vorliegenden Arbeit haben wir den Einfluss der TENG-Struktur auf die Erregung neuronaler Zellen untersucht. Der Einfluss der Oberflächenrauheit sowie der Kontaktlösegeschwindigkeit der beiden Substrate auf das evozierte Aktionspotential der Neuronen wurde untersucht. Zunächst wurden die Werte der erzeugten Spannung und Kapazität der Strukturen in jeder relativen Position der Elektroden berechnet, indem die elektrische Feldverteilung der TENG-Elektroden mit unterschiedlichen Oberflächenstrukturen ermittelt wurde. Wie in den Abb. gezeigt. In den Abbildungen 3e–f zeigten die mit Mikromustern bedeckten Strukturen im Vergleich zu den flachen Strukturen eine höhere Ausgangsspannung und niedrigere Kapazitätswerte. Darüber hinaus war die Ausgangsspannung für das würfelförmige TENG höher als die der beiden anderen Mikromuster, was bestätigt, dass die Mikromuster sowohl die Oberflächenladung als auch die Oberfläche vergrößern. Die Ergebnisse stimmen gut mit früheren Studien überein50. Muthu und Yinhu haben die Auswirkung von Oberflächenmustern auf die TENG-Ausgangsspannung und -kapazität diskutiert11,51. Zhang et al. versuchten, Oberflächenmikromusterstrukturen zu verwenden, um die elektrische Leistung zu erhöhen, was darauf hinwies, dass die Filme mit Pyramidenanordnungen optimale Formen mit angemessener Leistung haben52. Im Vergleich zu den Flachfolien steigerten Pyramidenanordnungen auf der Oberfläche die Spannung und den Strom um 100 % bzw. 157 %. Um den Einfluss der Musterung auf das TENG-Gerät zu bestätigen, wurde eine Simulationsstudie von Muthu et al.51 durchgeführt. Die Simulationsergebnisse zeigten, dass die Ausgangsspannung des TENG mit linearen Mustern auf der Oberfläche im Vergleich zu dünnen Filmen mit flachen, kreisförmigen und X-Mustern deutlich verbessert wurde. Zusätzlich zum Effekt der Oberfläche haben Yinhu et al. Die Gruppe untersuchte den Einfluss von Oberflächenmikrostrukturen auf die Kapazität in TENG11. Sie fanden heraus, dass die Einführung von Mikrostrukturen die Kapazität der Struktur verringerte. In unserer Studie wurde der Effekt der induzierten Spannung und der Kapazität im Kontakttrennmodus mit der Kabelgleichung innerhalb des Hodgkin-Huxley-Modells gekoppelt, um das elektrophysiologische Verhalten des Neurons als Reaktion auf die TENG-Bewegung darzustellen. Die Ergebnisse (Abb. 4a–c und 5a–b) zeigen, dass das Neuron durch Erhöhen der Kontaktfreigabegeschwindigkeit zu feuern beginnen würde. Kleine Geschwindigkeitswerte führten zu keinem Aktionspotential oder einem einzelnen Aktionspotential, während das Neuron bei Erhöhung der Kontaktlösegeschwindigkeit zu feuern begann. Dieser Befund könnte mit der Tatsache zusammenhängen, dass die Ionenkanäle bei niedrigerer Geschwindigkeit aufgrund der geringen induzierten Spannung an der Zellmembran nicht aktiv waren. Darüber hinaus war bei fehlendem Aktionspotential das Ruhepotential des Neurons leicht erhöht.

Die Feuerrate ist als elektrophysiologische Charakterisierung neuromuskulärer Störungen bekannt53. Bei der Parkinson-Krankheit treten hyperaktive Neuronen im Nucleus subthalamicus auf, die im Vergleich zu Kontrollpersonen eine erhöhte Feuerrate und Burst-Aktivität aufweisen54. Abbildung 6 erläutert die Abhängigkeit der Feuerrate von der Kontaktlösegeschwindigkeit der beiden Substrate, wobei die Feuerrate mit der Geschwindigkeit zunahm.

Die Abbildungen 7a–b zeigen die Ergebnisse des berechneten FWHM und der Zeitverzögerung zwischen zwei aufeinanderfolgenden evozierten Aktionspotentialen im Vergleich zur Kontaktfreigabegeschwindigkeit für verschiedene Strukturen. Die Ergebnisse zeigen eine leichte Abnahme des FWHM mit einem Anstieg der Geschwindigkeit sowohl für feuernde als auch für ruhende Neuronen. Die Variation der FWHM ändert sich nicht für unterschiedliche Mikrostrukturen auf der Oberfläche von Elektroden. Durch die Erhöhung der Kontaktlösegeschwindigkeit wird die Zeit zwischen zwei aufeinanderfolgenden Impulsen kürzer und die Spitzen schmaler. Dieses Verhalten steht im Einklang mit den Ergebnissen der Feuerrate. Für das feuernde Neuron hatte das Vorhandensein von TENG keinen offensichtlichen Einfluss auf die Zeit zwischen zwei aufeinanderfolgenden Impulsen.

Der Schwerpunkt dieser Studie lag auf dem vertikalen Kontakttrennungsmodus als ideales Modell des TENG, während andere Betriebsmodi für weitere Studien in Betracht gezogen werden könnten.

Basierend auf der Bedeutung des Einflusses des TENG auf die Stimulation der erregbaren Zellen haben wir die Wirkung des TENG auf das elektrophysiologische Verhalten der Neuronen rechnerisch modelliert. Die Wirkung der Elektroden mit unterschiedlichen Oberflächenmodifikationen auf die induzierte Spannung des TENG und seine Kapazität in verschiedenen Positionen wurde berechnet. Die Auswirkung des Vorhandenseins von TENG auf die Neuronenaktivität wurde in die Kabelgleichung im H-H-Modell einbezogen. Die Ergebnisse zeigen, dass die mikrostrukturierten Elektroden zu unterschiedlichen Ausgangsspannungen und Kapazitäten des TENG führten. Bezüglich der Stimulation von Neuronen mit den TENG-Strukturen deuten die Ergebnisse darauf hin, dass die Kontaktlösegeschwindigkeit des TENG einen direkten Einfluss auf die Auslösung und Ausbreitung von Aktionspotentialen in Neuronen hatte.

Abgeleitete Daten, die die Ergebnisse dieser Studie stützen, sind auf Anfrage beim entsprechenden Autor erhältlich.

Vasandani, P., Mao, Z.-H., Jia, W. & Sun, M. Entwurf von Simulationsexperimenten zur Vorhersage der triboelektrischen Generatorleistung anhand struktureller Parameter. Simul. Modell. Üben. Theorie 68, 95–107 (2016).

Artikel Google Scholar

Kim, M.-K., Kim, M.-S., Kwon, H.-B., Jo, S.-E. & Kim, Y.-J. Tragbarer triboelektrischer Nanogenerator mit einem plasmageätzten PDMS-CNT-Verbundwerkstoff für einen Sensor für körperliche Aktivität. RSC Adv. 7, 48368–48373 (2017).

Artikel ADS CAS Google Scholar

Niu, S. & Wang, ZL Theoretische Systeme triboelektrischer Nanogeneratoren. Nano Energy 14, 161–192 (2015).

Artikel CAS Google Scholar

Sun, W. et al. Flüssig-Fest-Triboelektrisches Nanogenerator-Array und seine Anwendungen für die Wellenenergiegewinnung und den autarken kathodischen Schutz. Energie, 119388 (2020).

Lai, M. et al. Verbesserung der Leistung triboelektrischer NaNbO3-Nanogeneratoren durch dielektrische Modulation und elektronegative Modifikation. J. Phys. D Appl. Physik. 51, 015303 (2017).

Artikel ADS Google Scholar

Li, X. et al. Ein autarkes System basierend auf triboelektrischen Nanogeneratoren und Superkondensatoren zum Schutz vor Metallkorrosion. J. Mater. Chem. A 3, 22663–22668 (2015).

Artikel CAS Google Scholar

Song, P., Yang, G., Lang, T. & Yong, K.-T. Nanogeneratoren für tragbare Bioelektronik und Biogeräte. J. Phys. D Appl. Physik. 52, 023002 (2018).

Artikel ADS Google Scholar

Dai,

Zhang, N. et al. Ein tragbares All-Solid-Photovoltaik-Textil. Adv. Mater. 28, 263–269 (2016).

Artikel Google Scholar

Wang, J., Yang, Y., Mao, T., Sui, J. & Jin, H. Optimierung des Lebenszyklus-Assessments (LCA) eines solarunterstützten Hybrid-KWK-Systems. Appl. Energie 146, 38–52 (2015).

Artikel Google Scholar

Xi, Y., Zhang, F. & Shi, Y. Auswirkungen von Oberflächenmikrostrukturen auf Kapazitäten der dielektrischen Schicht im triboelektrischen Nanogenerator: Eine numerische Simulationsstudie. Nano Energy 79, 105432 (2020).

Artikel Google Scholar

Du, W. et al. Ein dreidimensionaler, mehrschichtiger gleitender triboelektrischer Nanogenerator. Adv. Energie Mater. 4, 1301592 (2014).

Artikel Google Scholar

Tang, W. et al. Implantierbares, energieautarkes Low-Level-Laser-Härtungssystem für die Proliferation und Differenzierung embryonaler Osteoblasten von Mäusen. ACS Nano 9, 7867–7873 (2015).

Artikel CAS Google Scholar

Choi, H.-J. et al. Hochleistungsfähige triboelektrische Nanogeneratoren mit künstlich maßgeschneiderten ineinandergreifenden Schnittstellen. Nano Energy 27, 595–601 (2016).

Artikel CAS Google Scholar

Song, PY, Yang, G., Lang, TT & Yong, KT Nanogeneratoren für tragbare Bioelektronik und Biogeräte. J. Phys. Chem. C https://doi.org/10.1088/1361-6463/aae44d (2019).

Artikel Google Scholar

Huang, R. & Zhu, J. Ein hybrides elektromagnetisches und blattförmiges Polytetrafluorethylen-Triboelektrikum mit einer bogenförmigen Strebenstruktur zur Energiegewinnung. RSC Adv. 7, 49562–49567 (2017).

Artikel ADS CAS Google Scholar

Zhu, Y. et al. Ein flexibler und biokompatibler triboelektrischer Nanogenerator mit einstellbarem Innenwiderstand zur Stromversorgung tragbarer Geräte. Wissenschaft. Rep. 6, 22233 (2016).

Artikel ADS CAS Google Scholar

Pu, X. et al. Ein selbstladendes Netzteil durch Integration eines textilen triboelektrischen Nanogenerators und einer flexiblen Lithium-Ionen-Batterie für tragbare Elektronik. Adv. Mater. 27, 2472–2478 (2015).

Artikel CAS Google Scholar

Zhao, C. et al. Hocheffiziente In-vivo-Krebstherapie durch einen implantierbaren magnetischen triboelektrischen Nanogenerator. Adv. Funktion. Mater., 1808640 (2019).

Zheng, Q. et al. In-vivo-Stromversorgung des Herzschrittmachers durch einen atemgesteuerten implantierten triboelektrischen Nanogenerator. Adv. Mater. 26, 5851–5856. https://doi.org/10.1002/adma.201402064 (2014).

Artikel CAS PubMed Google Scholar

Zhang, H. et al. In der Kleidung eingebauter triboelektrischer Nanogenerator für autarke Glukose-Biosensoren. Nano Energy 2, 1019–1024 (2013).

Artikel CAS Google Scholar

Ma, Y. et al. Energieautarker, multifunktionaler, implantierbarer triboelektrischer Aktivsensor aus einer Hand für die biomedizinische Echtzeitüberwachung. Nano Lett. 16, 6042–6051. https://doi.org/10.1021/acs.nanolett.6b01968 (2016).

Artikel ADS CAS PubMed Google Scholar

Ejehi, F. et al. Graphenoxidpapiere in Nanogeneratoren zur autarken Feuchtigkeitsmessung durch Fingertippen. Wissenschaft. Rep. 10, 1–11 (2020).

Artikel Google Scholar

Lin, ZH et al. Ein autarker triboelektrischer Nanosensor zur Quecksilberionenerkennung. Angew. Chem. Int. Ed. Engl. 52, 5065–5069. https://doi.org/10.1002/anie.201300437 (2013).

Artikel CAS PubMed Google Scholar

Wang, H., Wang, J., He, T., Li, Z. & Lee, C. Direkte Muskelstimulation mit diodenverstärkten triboelektrischen Nanogeneratoren (TENGs). Nano Energy 63, 103844 (2019).

Artikel CAS Google Scholar

Tyrrell, JE, Boutelle, MG & Campbell, AJ Messung elektrophysiologischer Signale in vitro unter Verwendung organischer elektrochemischer Hochleistungstransistoren. Adv. Funktion. Mater. 31, 2007086 (2021).

Artikel CAS Google Scholar

Kakinohana, M., Harada, H., Mishima, Y., Kano, T. & Sugahara, K. Neuroprotektive Wirkung der epiduralen Elektrostimulation gegen ischämische Rückenmarksverletzungen bei Ratten: elektrische Vorkonditionierung. Marmelade. Soc. Anaesthesiologists 103, 84–92 (2005).

Google Scholar

Doucet, BM, Lam, A. & Griffin, L. Neuromuskuläre elektrische Stimulation für die Skelettmuskelfunktion. Yale J. Biol. Med. 85, 201 (2012).

PubMed PubMed Central Google Scholar

Wang, J. et al. Untersuchung der Niedrigstrom-Direktstimulation zur Rehabilitationsbehandlung im Zusammenhang mit Muskelfunktionsverlust unter Verwendung eines energieautarken TENG-Systems. Adv. Wissenschaft. 6, 1900149 (2019).

Artikel Google Scholar

Dharela, V., Lakra, A., Arun, A. & Rana, V. Programmierbarer Muskelstimulator für gelähmte Patienten. (2015).

Wang, J., He, T. & Lee, C. Entwicklung neuronaler Schnittstellen und Energiegewinnungsgeräte für implantierbare Systeme mit eigener Stromversorgung für Gesundheitsüberwachungs- und Rehabilitationszwecke. Nano Energy 65, 104039 (2019).

Artikel CAS Google Scholar

Chen, X. et al. Fortschritte in der Gesundheitselektronik durch triboelektrische Nanogeneratoren. Adv. Funktion. Mater. 30, 2004673 (2020).

Artikel CAS Google Scholar

Li, G. et al. Verjüngung alternder mesenchymaler Stromazellen des Knochenmarks durch gepulste triboelektrische Stimulation. Adv. Wissenschaft. 8, 2100964 (2021).

Artikel CAS Google Scholar

Zhang, W. et al. Triboelektrische Nanogeneratoren für die zelluläre bioelektrische Stimulation. Adv. Funktion. Mater., 2203029 (2022).

Lee, S. et al. Mechano-Neuromodulation des autonomen Beckennervs bei unteraktiver Blase: Ein triboelektrischer Neurostimulator mit integrierter flexibler Nervenclip-Schnittstelle. Nano Energy 60, 449–456 (2019).

Artikel CAS Google Scholar

Zhong, T. et al. Ein künstlicher geschlossener Kreislauf aus Triboelektrizität, Gehirnverhalten und intelligenter olfaktorischer Substitution. Nano Energy 63, 103884 (2019).

Artikel CAS Google Scholar

Hu, W. et al. Verbesserung der Proliferation und Migration von Fibroblastenzellen durch elektrische Stimulation auf Basis eines triboelektrischen Nanogenerators. Nano Energy 57, 600–607 (2019).

Artikel CAS Google Scholar

Zhang, XS et al. Hochleistungsfähiger triboelektrischer Nanogenerator mit erhöhter Energiedichte basierend auf einer einstufigen Fluorkohlenstoff-Plasmabehandlung. Nanoenergie 4, 123–131. https://doi.org/10.1016/j.nanoen.2013.12.016 (2014).

Artikel CAS Google Scholar

Lee, S. et al. Entwicklung einer batterielosen neuronalen Schnittstelle und modulierter Steuerung des Musculus tibialis anterior über den Nervus peroneus communis auf Basis triboelektrischer Nanogeneratoren (TENGs). Nanoenergie 33, 1–11. https://doi.org/10.1016/j.nanoen.2016.12.038 (2017).

Artikel ADS CAS Google Scholar

Lee, S. et al. Batterieloser Neuromodulator zur direkten Stimulation peripherer Nerven. Nano Energy 50, 148–158 (2018).

Artikel ADS CAS Google Scholar

Yao, G. et al. Effektive Gewichtskontrolle durch ein implantiertes, energieautarkes Vagusnerv-Stimulationsgerät. Nat. Komm. 9, 1–10 (2018).

Artikel ADS Google Scholar

Dai, Y. et al. Elektronische Haut basierend auf einer triboelektrisch fotodetektierenden, pixeladressierbaren Matrix zur visuellen Bilderkennung und Verhaltensintervention. Adv. Funktion. Mater 28, 1800275 (2018).

Artikel Google Scholar

Zhang, H., Yao, L., Quan, L. & Zheng, X. Theorien für triboelektrische Nanogeneratoren: Eine umfassende Übersicht. Nanotechnologie. Rev. 9, 610–625 (2020).

Artikel Google Scholar

Vigmond, EJ, Hughes, M., Plank, G. & Leon, LJ Computerwerkzeuge zur Modellierung der elektrischen Aktivität im Herzgewebe. J. Elektrokardiol. 36, 69–74 (2003).

Artikel Google Scholar

Tekieh, T., Shahzadi, S., Rafii-Tabar, H. & Sasanpour, P. Sind deformierte Neuronen elektrophysiologisch verändert? Eine Simulationsstudie. Aktuelle Appl. Physik. 16, 1413–1417 (2016).

Artikel ADS Google Scholar

Mohagheghian, F., Sasanpour, P. & Rafii-Tabar, H. auf der 35. Internationalen Konferenz für Elektronik und Nanotechnologie. 378–380 (IEEE).

Fermini, B. Jüngste Fortschritte in der Ionenkanal-Screening-Technologie. Ionenkanäle 3, 1–25 (2008).

Artikel Google Scholar

Ruzov, V. Neuromodulation: Aktionspotentialmodellierung. 3 (2014).

Sasanpour, P., Mohammadpour, R. & Amiri, K. auf der IEEE Conference on Biomedical Engineering and Sciences (IECBES) 2014. 677–680 (IEEE).

Er, S. et al. Polymerrohre als Trägerschiffchen aus duroplastischen und pulverförmigen Materialien auf Basis des 3D-Drucks für triboelektrische Nanogeneratoren mit Mikrostruktur. Nano Energy 52, 134–141 (2018).

Artikel CAS Google Scholar

Muthu, M. et al. Verbesserung der Ausgangsleistung triboelektrischer Nanogeneratoren durch Laser-3D-Oberflächenmusterverfahren für Energiegewinnungsanwendungen. Nano Energy 78, 105205 ​​(2020).

Artikel CAS Google Scholar

Zhang, X.-S. et al. Triboelektrischer Hochleistungs-Nanogenerator mit Frequenzvervielfachung zur nachhaltigen Stromversorgung biomedizinischer Mikrosysteme. Nano lett. 13, 1168–1172 (2013).

Artikel ADS CAS Google Scholar

Tang, JKH et al. Die Feuerungsraten pallidaler Neuronen sind bei Huntington- und Parkinson-Patienten ähnlich. Exp. Gehirnres. 166, 230–236 (2005).

Artikel ADS Google Scholar

Remple, MS et al. Die neuronale Feuerungsrate des Nucleus subthalamicus steigt mit dem Fortschreiten der Parkinson-Krankheit. Mov. Unordnung. 26, 1657–1662 (2011).

Artikel Google Scholar

Referenzen herunterladen

Dieser Artikel wurde aus der Dissertation von Frau Razieh Nazari-Vanani an der School of Medicine der Shahid Beheshti University of Medical Sciences (Registrierungsnummer: M 495) entnommen.

Abteilung für medizinische Physik und biomedizinische Technik, Fakultät für Medizin, Shahid Beheshti University of Medical Sciences, Teheran, Iran

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

Institut für Nanowissenschaften und Nanotechnologie (INST), Sharif University of Technology, Teheran, Iran

Raheleh Mohammadpour

Die Physikabteilung der Iranischen Akademie der Wissenschaften, Teheran, Iran

Hashem Rafii-Tabar

School of Nanoscience, Institute for Research in Fundamental Sciences (IPM), Postfach 19395-5531, Teheran, Iran

Pezhman Sasanpour

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

PS und RM schlugen die ursprüngliche Idee vor und mit dem Beitrag von RN und HR wurde das Rechenmodell entwickelt. RN führte die Simulationen durch. EA und HR standen bei der Analyse der Ergebnisse und Diskussionen beratend zur Seite. Alle Autoren trugen zur Erstellung und Edition des Manuskripts bei.

Korrespondenz mit Raheleh Mohammadpour oder Pezhman Sasanpour.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Nazari-Vanani, R., Mohammadpour, R., Asadian, E. et al. Eine rechnerische Modellierungsstudie zur Anregung neuronaler Zellen mit triboelektrischen Nanogeneratoren. Sci Rep 12, 13411 (2022). https://doi.org/10.1038/s41598-022-17050-0

Zitat herunterladen

Eingegangen: 27. Januar 2022

Angenommen: 20. Juli 2022

Veröffentlicht: 04. August 2022

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

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.