神经细胞与材料的界面反应及机理研究

神经细胞与材料的界面反应及机理研究

论文摘要

神经元网络被认为是人体内最复杂的组织形式之一,实现神经网络损伤后的修复与重建以及体外模拟构建神经网络,是神经组织工程和神经芯片等领域的重要研究目标,其中,一个基础问题就是理解和控制神经元与材料的界面反应。本论文以化学腐蚀的硅基片,仿生制备的静电自组装多层薄膜,微接触印刷图案作为材料表面修饰设计的界面模型,进行皮层和海马神经元等原代细胞培养,并运用激光共聚焦扫描显微镜和原子力显微镜等材料科学表征手段,观察细胞和材料的界面反应变化,以此来研究材料的表面特征与神经细胞相互作用的规律和诱导形成神经元网络的机理。上述神经细胞在模型界面上的培养结果表明,神经细胞和这些优化设计的模型界面都能够达到良好的相容性和亲和性,其中,神经元在纳米粗糙度的硅基片(Ra=20-70nm)和透明质酸基的多层薄膜上都可以粘附生长,并且能够形成成熟致密的神经元网络结构。通过原子力显微镜对神经细胞与硅的界面结构研究发现,这个界面是由分级结构组装而成,神经细胞通过改变自身周围的微环境来提高存活率,促进生长发育。在多层薄膜的结构中发现薄膜层数和最外层组分对轴突的发育具有一定的影响,并且不同类型的神经细胞对多层薄膜的组分有不同的喜好倾向。使用微接触印刷的生物大分子图案可以实现图案化神经元网络的构建。通过比较不同基团和不同大分子“墨水”,发现在羟基化的玻璃片上印刷的PEI图案能够比较有效的控制神经元的粘附和突起的生长。在免疫组化的结果中,PEI图案上布满了密集排列的纤维样的神经元突起,原子力显微镜观察到这些纤维结构之间还存在相互的联系。进一步的观察中还看到了神经元胞体附近的突触结构,这是图案化网络中的神经元之间通过轴突和树突建立了相互联系的重要证据。此外,为了便于神经细胞和材料相互作用的研究,发展了一种使用电位敏感荧光探针,结合激光共聚焦扫描显微镜,测量神经细胞膜电位和电场分布的方法,可以实现细胞膜电位分布的三维重构。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 引言
  • 1.2 神经细胞与神经系统
  • 1.2.1 神经细胞
  • 1.2.2 细胞外基质
  • 1.2.3 神经系统损伤与再生
  • 1.3 生物材料表面工程
  • 1.3.1 生物材料的表面改性
  • 1.3.2 静电自组装薄膜
  • 1.3.3 微米级图案构建
  • 1.3.4 纳米技术和工程
  • 1.4 神经细胞和材料的相互作用
  • 1.4.1 神经细胞培养和表征
  • 1.4.2 细胞和材料的界面
  • 1.4.3 材料诱导神经元网络
  • 1.5 本论文研究的主要内容和意义
  • 第2章 神经细胞跨膜电位快速评测
  • 2.1 引言
  • 2.2 材料和方法
  • 2.2.1 试验材料
  • 2.2.2 试验方法
  • 2.3 结果和讨论
  • 2.3.1 脑干神经细胞培养在玻璃片上的结果
  • 2.3.2 应用和相关的改进
  • 2.3.3 神经细胞培养在硅片上的结果
  • 2.4 小结
  • 第3章 神经细胞与硅基片之间的界面反应及机理
  • 3.1 引言
  • 3.2 材料和方法
  • 3.2.1 材料和设备
  • 3.2.2 硅基片准备
  • 3.2.3 细胞培养
  • 3.2.4 培养后硅片清洗
  • 3.2.5 显微镜分析
  • 3.3 结果和讨论
  • 3.3.1 海马神经元细胞培养
  • 3.3.2 皮层神经元细胞培养
  • 3.3.3 神经细胞和硅片的界面反应机理
  • 3.4 小结
  • 第4章 软刻技术构建图案化神经元网络
  • 4.1 引言
  • 4.2 材料和方法
  • 4.2.1 原料
  • 4.2.2 生物大分子图案化
  • 4.2.3 图案化诱导神经网络
  • 4.3 结果和讨论
  • 4.3.1 生物大分子图案
  • 4.3.2 图案化诱导神经网络
  • 4.4 小结
  • 第5章 神经细胞与静电自组装薄膜的界面反应
  • 5.1 引言
  • 5.2 材料和方法
  • 5.2.1 材料
  • 5.2.2 透明质酸基静电自组装多层薄膜
  • 5.2.3 PLGA 微球吸附模型
  • 5.2.4 统计学分析
  • 5.3 结果和讨论
  • 5.3.1 透明质酸基静电自组装多层薄膜
  • 5.3.2 PLGA 微球吸附模型
  • 5.4 小结
  • 结论
  • 参考文献
  • 致谢
  • 附录A 溶液配制
  • 个人简历、在学期间发表的学术论文与研究成果
  • 相关论文文献

    • [1].浅析神经元网络算法在中医药真实世界研究中应用可行性[J]. 天津中医药大学学报 2020(05)
    • [2].模糊神经元网络评价体系实证研究[J]. 建筑与文化 2018(10)
    • [3].模块神经元网络中耦合时滞诱导的簇同步转迁[J]. 动力学与控制学报 2016(06)
    • [4].肚子里的“第二大脑”[J]. 大自然探索 2017(05)
    • [5].混合突触作用下耦合时滞对模块神经元网络簇同步的影响[J]. 动力学与控制学报 2015(06)
    • [6].对传过程神经元网络及其应用研究[J]. 微型机与应用 2012(17)
    • [7].连续小波过程神经元网络在非线性函数逼近的应用[J]. 长春理工大学学报(自然科学版) 2010(03)
    • [8].两种特征扩展过程神经元网络应用比较研究[J]. 控制工程 2009(S3)
    • [9].一种过程神经元网络在管道土壤腐蚀速率预测中的应用[J]. 齐齐哈尔大学学报(自然科学版) 2008(04)
    • [10].一种模糊计算过程神经元网络及其应用[J]. 东北林业大学学报 2008(08)
    • [11].基于过程神经元网络的陶瓷窑炉智能控制机制[J]. 中国陶瓷 2008(10)
    • [12].前馈型神经元网络中的放电频率传递分析[J]. 动力学与控制学报 2020(01)
    • [13].神经元网络控制器在热网中的应用研究[J]. 自动化仪表 2014(12)
    • [14].一种概率过程神经元网络模型及分类算法[J]. 智能系统学报 2009(04)
    • [15].一种反馈过程神经元网络模型及在动态信号分类中的应用[J]. 计算机应用研究 2009(12)
    • [16].模式神经元网络的聚类方法研究[J]. 北京石油化工学院学报 2009(04)
    • [17].基于遗传算法和神经元网络的心电信号T波检测[J]. 中国生物医学工程学报 2008(04)
    • [18].基于自适应线性神经元网络的谐波检测算法[J]. 电子技术应用 2017(06)
    • [19].一种新型过程神经元网络安全模型[J]. 中国科技论文 2013(04)
    • [20].基于离散过程神经元网络旋转机械轴承故障诊断模型[J]. 化学工程与装备 2013(09)
    • [21].基于过程神经元网络的时间序列预测方法[J]. 计算机工程 2012(05)
    • [22].基于新型动态神经元网络的逆系统方法[J]. 控制工程 2012(03)
    • [23].灰色混沌神经元网络模型及其短期人口预测[J]. 系统工程 2012(10)
    • [24].神经元网络模型的弱信号随机共振检测研究[J]. 计算机工程与应用 2011(02)
    • [25].基于过程神经元网络与遗传算法的交通流预测[J]. 交通信息与安全 2010(05)
    • [26].一种基于数值积分的过程神经元网络训练算法[J]. 计算机科学 2010(11)
    • [27].基于自适应小波过程神经元网络的人口预测研究[J]. 长江大学学报(自然科学版)理工卷 2008(04)
    • [28].基于模糊神经元网络的信息融合模型[J]. 河北理工大学学报(自然科学版) 2008(03)
    • [29].基于概率神经元网络模型的高校政治教学系统构建[J]. 自动化技术与应用 2020(01)
    • [30].一种改进的过程神经元网络模型方式预测城市用水量[J]. 科技与企业 2013(02)

    标签:;  ;  ;  ;  ;  

    神经细胞与材料的界面反应及机理研究
    下载Doc文档

    猜你喜欢