相关实验视频
Updated: Aug 1, 2026
09:30
Bacterial Detection & Identification Using Electrochemical Sensors
Published on: April 23, 2013
28.3K
机器学习辅助自动电化学定位细胞感应阵列用于抗癌药物查
Jingwei Zhang1, Caoling Li2, Han Wang1
1College of Health Science and Engineering, Key Laboratory for the Synthesis and Application of Organic Functional Molecules, Hubei University, Wuhan 430062, China.
Analytical chemistry
|December 13, 2023
概括
一种新的自动电化学可定位细胞传感器 (AEAC) 可实现高通量抗癌药物查. 这种机器学习辅助传感器通过监测氧化 (H2O2) 从瘤细胞中释放出来,准确地预测药物的疗效.
科学领域:
- 生物医学工程 生物医学工程
- 纳米技术纳米技术
- 分析化学 分析化学
背景情况:
- 高通量和准确的抗癌药物查对于临床前评估至关重要,但具有挑战性.
- 现有的方法在评估候选药物的过程中往往缺乏效率和准确性.
- 开发新的生物传感器对于推进瘤治疗至关重要.
研究的目的:
- 开发一种自动电化学可定位的细胞传感器 (AEAC),用于高效准确的抗癌药物查.
- 将激光诱导石墨烯 (LIG) 阵列与TiO2和Pt纳米粒子集成,以提高传感能力.
- 利用机器学习 (ML) 来提高药物预测的准确性和吞吐量.
主要方法:
- 在传感器平台上制造LIG-TiO2-Pt阵列.
- 拉米宁的固定,以促进瘤细胞的粘附和生长.
- 在现场监测活细胞释放的过氧化 (H2O2).
- 一个机器人臂与一个Ag/Pt电极对的集成.
- 机器学习算法的应用用于数据分析和错误纠正.
主要成果:
- 该AEAC显示了高的电催化活性,用于H2O2检测.
- 拉米宁涂层增强了生物相容性,促进了瘤细胞的生长和增殖.
- 该传感器能够在现场监测活瘤细胞释放的H2O2.
- ML算法成功消除了错误,使得可以快速准确地预测抗癌药物.
- 该系统实现了各种类型的抗癌药物的高通量选.
结论:
- 开发的ML辅助AEAC为抗癌药物查提供了一个强大而有效的平台.
- 这种方法加快了候选药物的临床前评估.
- 传感器技术有望推动基于传感的瘤治疗开发.
