南洋理工大学Advanced Science：花粉增强仿生触觉感受器，助力新一代感知增强假肢
📅 2026年6月
👥 Advanced Science
2026年，南洋理工大学在Advanced Science上发表了题为'A Pollen-Enhanced Bionic Mechanoreceptor Induced by Asymmetric Ionic Convection in Hydrogel for Sensory-Augmented Prostheses'的研究，开发了一种基于花粉增强水凝胶的仿生机械感受器，可将机械刺激转化为离子信号，为感官增强假肢提供了可拓展的仿生解决方案。
🔬研究背景
随着全球人口老龄化加剧，年龄相关神经退行性疾病、创伤等因素导致肢体损伤和感官功能丧失的人群不断增加。世界卫生组织数据显示，全球超过13亿人存在不同程度的感官损伤，其中肢体缺损者的生活质量因自然感官和运动功能的丧失大幅下降。使用假肢是帮助肢体缺损者恢复生活能力的最有效手段，但现有假肢多依赖感官替代或信号重映射，无法复刻自然躯体感觉信号的传递机制，难以提供真实自然的触觉反馈。人体皮肤的机械感受器可通过机械触发离子跨膜转运将机械刺激转化为生物离子信号传递至神经中枢，为仿生触觉感受器的设计提供了天然模板。现有压电离极化增强装置往往需要复杂的化学制备工艺，限制了其规模化应用与实际部署，因此亟需开发简单可拓展的高性能仿生触觉传感方案。
⚡研究内容概括
该研究受人体皮肤机械感受器启发，开发了基于不对称机械驱动离子对流的平面型仿生机械感受器。向水凝胶基质中引入生物来源的向日葵花粉微粒，花粉表面的去质子羧基可通过分子间静电吸引和空间限域效应优先捕获锚定钙离子，选择性阻碍钙离子迁移，放大阴阳离子迁移速率差，显著增强压缩过程中的离子极化效应，最终可将输出信号提升至纯聚丙烯酰胺水凝胶器件的12倍，最大输出电流可达143.4 nA，且输出信号可通过调整花粉含量、离子浓度等参数实现灵活调控，适配不同应用场景。研究通过多物理场模拟验证了其工作机制，并系统优化了花粉种类、负载量、电解质类型与浓度等制备参数，证明该器件在10000次循环测试后仍保持稳定输出，传感性能优于已报道的同类压电离器件。为验证该方案的应用潜力，研究团队将十个花粉增强仿生机械感受器集成到机械臂假肢原型，构建了感官增强假肢系统，采集抓取不同物体过程中产生的仿生离子信号，并结合卷积神经网络和脉冲神经网络两种深度学习模型对信号进行识别，两种模型均实现了100%的物体识别准确率。该研究为开发下一代感官增强假肢提供了简单可拓展的仿生策略，在神经假体、人机交互等领域也具有重要应用前景。
📊图文速览
FIGURE 01
图 1
图1 | 用于开发感觉增强假体的仿生策略示意图。(A) 肢体缺失的残障人士。(B) 佩戴假体是肢体缺陷人群恢复正常生活最有效的方式。为了给使用者提供真实的反馈信号，研究者仿照人体皮肤中的机械感受器，开发了一种植物增强压离子机械感受器。(C) 皮肤机械感受器的生物离子信号产生机制，该机制主要基于力学触发的离子跨膜转运。(D) 植物增强仿生机械感受器的结构，以及基于力学驱动离子对流的仿生离子信号产生过程。
FIGURE 02
图 2
图2 | 聚丙烯酰胺基仿生机械感受器的工作原理，以及植物增强仿生机械感受器的输出增强机制。(A) 聚丙烯酰胺基机械感受器受压时的电流产生过程。(B) 聚丙烯酰胺基机械感受器随按压位移变化的输出电信号变化。(C) 不同几何形状水凝胶制备的聚丙烯酰胺基机械感受器的电流输出。(D) 受压状态下不同形状水凝胶沿中心轴线的模拟应力分布。(E) 植物增强机械感受器受压时的电流产生过程。(F) 钙离子可被果胶分子捕获的原理示意图。(G) 冷冻干燥后植物增强聚丙烯酰胺水凝胶的扫描电镜图像。(H) 不同花粉含量的植物增强聚丙烯酰胺水凝胶的离子电导率。(I) 聚丙烯酰胺基与植物增强机械感受器的电流输出对比。
FIGURE 03
图 3
图3 | 植物增强仿生机械感受器的参数研究与优化。(A) 不同花粉种类制备的植物增强仿生机械感受器的电流输出；不同花粉悬浮液的Zeta电位；脱离子水原状态下不同花粉颗粒在0.1 M氯化钙溶液中的收缩百分比。(B) 不同种类花粉颗粒分别在脱离子水和氯化钙溶液中的照片。(C) 使用不同溶液作为电解质时植物增强仿生机械感受器的电流输出；插图是向日葵花粉颗粒的照片。(D) 随氯化钙浓度升高，植物增强仿生机械感受器的电流输出变化。(E) 植物增强仿生机械感受器的输出与花粉含量的关系。(F) 电流输出与聚丙烯酰胺含量的关系。(G) 植物增强仿生机械感受器经过一万次按压循环后的电流输出。注：数据基于五次重复测量（n=5），以平均值±标准差表示。
FIGURE 04
图 4
图4 | 由植物增强仿生机械感受器组成的感觉增强假体的可行性预测。(A) 手形假体上植物增强仿生机械感受器阵列的分布。(B) 通过深度学习方法验证感觉增强假体可行性的模拟过程示意图。(C) 深度学习模型的结构。(D-G) 机械感受器阵列采集的离子信号，对应假体抓取不同几何形状物体。(H) 深度学习过程中训练集与验证集的准确率变化。(I) 数据集的可视化聚类结果。(J) 深度学习结果的混淆矩阵
