MétaCan
Menu
Retour à la cohorte
Enregistrement W4312129891 · doi:10.1002/adma.202211159

Electron Conductive and Transparent Hydrogels for Recording Brain Neural Signals and Neuromodulation

2022· article· en· W4312129891 sur OpenAlexaff
Quanduo Liang, Zhenzhen Shen, Xiguang Sun, Dehai Yu, Kewei Liu, Samuel M. Mugo, Wei Chen, Dong Wang, Qiang Zhang

Notice bibliographique

RevueAdvanced Materials · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensMacEwan University
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésOptogeneticsNeuromodulationMaterials scienceSIGNAL (programming language)NeuroscienceNeural activityNanotechnologySelf-healing hydrogelsDecoding methodsOptical transparencyTransparency (behavior)ElectrodeBiomedical engineeringComputer scienceOptoelectronicsChemistryBiologyMedicineCentral nervous system

Résumé

récupéré en direct d'OpenAlex

Recording brain neural signals and optogenetic neuromodulations open frontiers in decoding brain neural information and neurodegenerative disease therapeutics. Conventional implantable probes suffer from modulus mismatch with biological tissues and an irreconcilable tradeoff between transparency and electron conductivity. Herein, a strategy is proposed to address these tradeoffs, which generates conductive and transparent hydrogels with polypyrrole-decorated microgels as cross-linkers. The optical transparency of the electrodes can be attributed to the special structures that allow light waves to bypass the microgel particles and minimize their interaction. Demonstrated by probing the hippocampus of rat brains, the biomimetic electrode shows a prolonged capacity for simultaneous optogenetic neuromodulation and recording of brain neural signals. More importantly, an intriguing brain-machine interaction is realized, which involves signal input to the brain, brain neural signal generation, and controlling limb behaviors. This breakthrough work represents a significant scientific advancement toward decoding brain neural information and developing neurodegenerative disease therapies.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,047
Tête enseignante GPT0,295
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations66
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetNeuroscience and Neural EngineeringTravaux en français237 207