Solution processing is a technology that can manufacture high-quality nano/microstructure-based thin films through liquid-to-solid phase transition at room pressure and room temperature without a vacuum environment. In particular, through the 4th industrial revolution and COVID-19 pandemic, electrical signal-based biosensors that can be applied to the point-of-care diagnostics are required. Essential in related research is the development of functional nano/microcomposite with high performance and high uniformity, and solution processing that can precisely control the characteristics of the composites play an important role in commercialization of POC diagnostics. For example, various printing technologies such as 3D printing, inkjet printing, and blade coating can fabricate the high-quality composites by optimizing process parameters and expand their scope to develop the integrated electronic devices. However, in-depth understanding of complex physicochemical phenomena on the surface of the substrate, including electrodes, is still very insufficient. This is due to the fact that the hydrodynamic behavior in the liquid affects the mass transport, and in addition, the evaporation of the solvent increases the complexity of the system.
To address this issue, I investigate the mechanism of mass transport occurred during the printing via computational technologies such as machine learning and numerical simulation. Through the Bayesian optimization-based Gaussian Process Regression (GPR) algorithm, the phase separation between small molecule and polymer was analyzed, and the effect of process parameters on transistor performance was investigated. In this process, information on grazing incident X-ray diffraction (GIXD) and transistor characteristics was used to demonstrate the predictive accuracy of machine learning. In addition, the sensitivity of carbon nanotube-based biosensors for detection of SARS-CoV-2 was optimized through machine learning. Carbon nanotubes (CNTs) are 1D nanomaterials, and their electrical properties vary depending on the characteristics of CNT array. Machine learning was used to analyze the correlation between array characteristics (e.g., alignment, thickness, surface roughness, and surface coverage, etc) and sensitivity, and consequently alignment and surface roughness are closely related to the binding of bioreceptors and tube-to-tube junction. Furthermore, the sensitivities to the IgG and nucleocapsid protein of SARS-CoV-2 was optimized based on in-depth understanding of physicochemical reaction away from the iterative experimental-based optimization approach.
Finally, albumin-based antifouling coating that can prevent physical adsorption of biomaterials was studied. Based on the insights from previous studies, I work on achieve a porous nanocomposite that can minimize the influence of non-target materials and maximize the sensitivity to the target molecules. To this end, I studied the functional emulsion and developed a nanocomposites that can maintain biosensor performance in clinical specimens (e.g., nasopharyngeal, saliva, plasma, etc.) containing various biomolecules. In addition, peptide nucleic acid (PNA) was immobilized to the nanocomposite surface, which is utilized as a CRISPR-Cas based molecular diagnostics. This novel diagnostic technology can simultaneously amplify the targets and electrochemical signals, demonstrating the sensing performance that is applicabile to the POC diagnostics with high sensitivity and high durability.
In conclusion, the research achievements of experimental and theoretical studies can contribute to the development of nanostructures-based biosensors.
용액공정은 진공 환경이 없이도 상압 및 상온에서 액체-고체 상변화를 통해 고품질의 나노, 마이크로구조체를 제조할 수 있는 기술이다. 특히, 4차 산업혁명과 코로나 바이러스로 인한 팬데믹을 거치면서, 현장진단에 적용 가능한 전자신호 기반 바이오센서 제조 기술이 요구된다. 이때 관련 연구의 핵심은 고성능∙고균일성 기능성 복합체 개발에 있으며 관련하여 복합체의 특성을 정밀하게 제어 가능한 공정 기술이 중요한 역할을 하고 있다. 예를 들어, 3D 프린팅, 잉크젯 프린팅, 블레이드 코팅 등의 다양한 프린팅 기술은 공정 조건 최적화를 통해 고품질의 복합체를 형태화하고 이를 기반으로 한 전자 디바이스 제작까지 그 영역을 확장하고 있다. 그러나 여전히 전극을 비롯한 기판 표면에서의 복합적인 물리화학 현상에 대한 기본적인 이해는 매우 부족한 실정이다. 이는 액체 내의 유체 역학적인 거동이 물질전달 양상에 영향을 끼치고, 더불어 용매의 증발이 함께 수반되어 공정 시스템의 전반적인 복잡도를 가중시킨다는 사실에 기인한다.
본 학위 연구에서는 머신러닝, 전산모사 등의 전산기술을 활용하여, 프린팅 과정에서 발생하는 물질전달 메커니즘을 규명하였다. Bayesian optimization 기반의 Gaussian Process Regression (GPR) 알고리즘을 통해 고체화 과정 중 발생하는 유기 단분자와 고분자 간 상분리 현상을 분석하였고, 프린팅에 수반되는 공정 변수들이 트랜지스터 성능에 미치는 영향도를 규명하였다. 이 과정에서 입자가속기 기반의 grazing incidence X-ray diffraction (GIXD) 및 트랜지스터 특성 분석에 대한 정보는 머신러닝의 예측 정확도를 증명하는데 활용되었다. 또한 머신러닝 알고리즘을 통해 코로나 바이러스에 대한 탄소나노튜브 기반 바이오센서의 민감도를 최적화하였다. 탄소나노튜브는 1D 나노 재료로서 어레이의 형태에 따라 전기적 특성이 크게 변화한다. 머신러닝 알고리즘은 어레이의 정렬도, 두께, 표면 거칠기, 흡착률 등의 특성과 바이오센서의 민감도 간의 상관관계를 규명하는데 활용되었고, 그 결과 정렬도와 표면 거칠기가 생체 감지물질의 결합 및 tube-to-tube junction에 의한 저항 증가와 밀접한 연관이 있다는 사실을 발견하였다. 나아가 반복적인 실험 기반의 최적화 방식에서 벗어나 나노구조체 형성에 대한 깊이있는 물리화학적 이해를 바탕으로 면역글로불린 및 SARS-CoV-2 바이러스의 Nucleocapsid 단백질에 대한 검출 민감도를 최적화하였다.
마지막으로 생체물질의 물리적 흡착을 방지할 수 있는 알부민 기반 안티파울링 코팅 기술에 대해 연구하였다. 앞선 연구에서의 통찰력에 기초하여 전극에 흡착되는 비표적물질의 영향을 최소화하고 바이오센서의 민감도를 극대화할 수 있는 다공성 나노복합체를 얻고자 하였다. 이를 위해 기능성 에멀전 잉크 제조에 대해 연구하였고, 결과적으로 여러 생체물질들이 포함되어 있는 임상검체 (비인두, 타액, 혈장 등)에서도 성능을 일정하게 유지할 수 있는 복합체를 개발하였다. 또한 복합체 표면에 peptide nucleic acid를 결합하여 크리스퍼-카스 기반의 분자진단 기술로 활용하였고, 이를 통해 표적물질과 전기화학 신호의 증폭을 동시에 활용가능한 고민감도∙고내구성 기반의 현장진단용 바이오센서의 성능을 입증하였다.
결론적으로 학위 연구간 수행된 실험적∙이론적 연구결과들이 나노∙마이크로구조체 기반의 바이오센서 기술 발전에 기여할 수 있을 것으로 기대한다.
