Laskennallisten menetelmien soveltaminen hiilinanoputkipohjaisten sähkökemiallisten dopamiiniantureiden kehittämisessä

Abstract

Tässä tutkielmassa tarkastellaan laskennallisten menetelmien hyödyntämistä hiilinanoputkipohjaisten sähkökemiallisten antureiden kehittämisessä dopamiinin mittaamiseen. Dopamiini on keskeinen hermovälittäjäaine, jonka tarkka ja reaaliaikainen mittaus voi edistää neurologisten sairauksien, kuten Parkinsonin taudin, diagnostiikkaa ja hoitoa. Hiilinanoputkiin perustuvat sähkökemialliset anturit tarjoavat lupaavan menetelmän dopamiinin havaitsemiseen niiden herkkyyden, nopeuden ja yksinkertaisuuden ansiosta. Anturitekniikan kehityksessä keskeinen ilmiö on adsorptio, jossa dopamiinimolekyylit kiinnittyvät elektrodin pintaan. Tämä kiinnittyminen tehostaa hapetusreaktiota, joka tuottaa mitattavan sähkökemiallisen signaalin. Koska kyseisissä antureissa ei käytetä biologista tunnistuselementtiä, niiden rakenne pysyy yksinkertaisena ja kestävämpänä.

Tutkielmassa keskitytään laskennallisiin menetelmiin, kuten tiheysfunktionaaliteoriaan, joiden avulla voidaan simuloida adsorptioilmiöitä atomitasolla ja optimoida elektrodimateriaalien, esimerkiksi hiilinanoputkien, rakennetta. Näiden menetelmien avulla voidaan tarkastella, kuinka elektrodimateriaalit ja niiden rakenteet vaikuttavat dopamiinin sitoutumiseen ja anturin herkkyyteen. Laskennallisten menetelmien etuna on kyky tuottaa tarkkaa tietoa molekyylien ja materiaalin pintojen välisistä vuorovaikutuksista erityisesti tilanteissa, joissa kokeelliset mittaukset ovat haastavia tai rajoittuneita. Laskennallisten menetelmien käytössä on kuitenkin haasteita, kuten mallien tarkkuuden varmistaminen, optimointi ja biologisen ympäristön realistinen mallintaminen.

Kirjallisuuskatsauksen perusteella todettiin, että dopamiinin adsorptiota hiilinanoputkipohjaisilla sähkökemiallisilla antureilla on tutkittu toistaiseksi laskennallisin menetelmin vain vähän. Löydetyt tutkimukset osoittavat, että tiheysfunktionaaliteorian avulla on tunnistettu vakaita dopamiinin ja sen johdannaisten adsorptiokonfiguraatioita hiilinanoputkille. Tulokset ovat olleet yhteneväisiä kokeellisten tutkimusten kanssa. Vähäisen tutkimusmäärän vuoksi tutkielmassa esitellään käynnissä oleva tutkimusprojekti, jossa hyödynnetään koneoppimisalgoritmia, BOSS:ia, tiheysfunktionaaliteorian tukena dopamiinin adsorptiota koskevassa tutkimuksessa. Yhteenvetona voidaan todeta, että laskennallisten ja kokeellisten menetelmien yhdistäminen voi merkittävästi edistää luotettavampien ja tehokkaampien sähkökemiallisten antureiden kehitystä terveysteknologian alalla.