靠近红外线的色素纳米传感器的定向进化与基于机器学习的选
Seonghyeon An1, Yeongjoo Suh1, Payam Kelich2
1Department of Biomedical Convergence Engineering, Pusan National University, Yangsan 50612, Republic of Korea.
Nanomaterials (Basel, Switzerland)
|February 9, 2024
概括
研究人员使用定向进化和机器学习增强了血清素纳米传感器. 这使得传感器的灵敏度提高了2.5倍,用于检测血清素的选择性提高了1.6倍.
科学领域:
- 生物医学工程 生物医学工程
- 纳米技术纳米技术
- 分子生物学分子生物学
背景情况:
- 用单链DNA (ssDNA) 包裹的单壁碳纳米管 (SWCNT) 被用作纳米传感器.
- 提高这些ssDNA-SWCNT纳米传感器的灵敏度和选择性对于精确的神经递质检测至关重要.
- 氨酸和多巴胺虽然结构相似,但需要不同的检测能力.
研究的目的:
- 为了提高ssDNA-SWCNT纳米传感器的灵敏度和选择性,用于色胺检测.
- 开发一种代优化过程,将定向进化和机器学习结合起来.
- 为了识别优质的ssDNA序列,以改善血清激素的传感.
主要方法:
- 采用一种新的方法,结合了定向进化和基于机器学习的预测,用于代优化.
- 进行了三轮进化,以提高血清素敏感性.
- 进行了两轮的进化,以提高对胺的选择性,而不是多巴胺.
主要成果:
- 在光反应中获得了2.5倍的增强,以提高血清激素敏感度.
- 增加了对血清素的选择性超过多巴胺的1.6倍.
- 确定了性能最高的纳米传感器序列:N2-1 (灵敏度) 和L1-14 (选择性).
结论:
- 这种新的方法为生物传感器开发提供了突变序列的高通量选.
- 开发的ssDNA-SWCNT纳米传感器在灵敏度和选择性方面显著改善.
- 已识别的参考序列 (N2-1和L1-14) 对未来的血清激素检测研究具有前途.
