基于数组的机器学习辅助检测血清中的蛋白质使用功能化的MoS₂纳米片和绿色光蛋白结合物

科学领域:

• 生物材料科学 生物材料科学
• 纳米技术 纳米技术
• 生物感应是一种生物感应.

背景情况:

• 不正常的蛋白质度标志着危及生命的疾病.
• 亲和调节受体为传统的抗原-抗体检测提供了替代方案.
• 二维二硫化物 (2D-MoS2) 纳米薄膜具有高表面比体积和可调的表面,使其适合生物分析物识别.

研究的目的:

• 开发一种使用功能化的2D-MoS2纳米片和绿色光蛋白 (GFP) 进行基于模式的蛋白质检测的传感器阵列.
• 评估传感器在各种蛋白质之间进行区分的能力及其在复杂的生物矩阵中的性能.
• 探索机器学习模型在分析用于蛋白质识别的传感器阵列数据中的应用.

主要方法:

• 使用功能化的2D-MoS2纳米片和GFP作为接收器和信号传感器制造传感器阵列.
• 优化2D-MoS2-GFP结合物的蛋白质歧视.
• 用单个蛋白质,二元混合物和血清样本测试传感器的性能.
• 实施和分析用于模式识别的各种机器学习模型.

主要成果:

• 优化的2D-MoS2-GFP传感器阵列在50nM度下成功区分了15种不同的蛋白质,检测极限为1nM.
• 传感器在二元混合物和血清存在的情况下成功区分了蛋白质.
• 在血清介质中的10种不同蛋白质在相关度的分类实现了100%的精度.
• 该研究讨论了在基于阵列的传感中使用不同的机器学习模型进行模式识别的含义.

结论:

• 开发的2D-MoS2-GFP传感器阵列显示出在复杂的生物样本中检测和区分生物标记蛋白的巨大潜力.
• 血清中的高分类准确度凸显了该系统的稳定性和适用于疾病诊断的可用性.
• 机器学习集成增强了生物传感器阵列系统的模式识别能力.