使用具有机器学习的微波生物传感器检测癌胚抗原特异性
Yajuan Lei1, Dongjie Zhang2, Qingzhou Wang1
1College of Electronics and Information, Qingdao University, Qingdao, 266071, China.
Biosensors & bioelectronics
|November 16, 2024
概括
一种使用分环共振器的新型微波生物传感器在低度下检测癌胚抗原 (CEA). 这项技术与机器学习相结合,为早期癌症诊断和监测瘤复发提供了一个有前途的工具.
科学领域:
- 生物医学工程 生物医学工程
- 生物传感技术的技术
- 癌症的诊断 癌症的诊断
背景情况:
- 早期癌症诊断和瘤标志物查对于有效治疗和改善患者预后至关重要.
- 精确检测瘤标记物,如癌胚抗原 (CEA),有助于监测复发和转移.
研究的目的:
- 开发和验证一种新的微波生物传感器,用于敏感和快速检测癌胚抗原 (CEA).
- 整合机器学习,以更好地预测生物样本中CEA度.
- 为了确定生物传感器在细胞水平的可靠性,用于辅助癌症诊断.
主要方法:
- 基于分环共振器 (SRR) 的数字间电极微波生物传感器的制造.
- 使用生物传感器通过分析产生的微波频率来检测CEA的不同度.
- 应用机器学习算法来预测血液样本中的CEA水平,并通过Western Blot (WB) 验证结果.
主要成果:
- 生物传感器表现出卓越的共振线性 (R2 = 0.999) 和高灵敏度 (27.5 MHz / ng / mL)) 对于CEA检测.
- 实现了CEA (39 pg/mL) 的非常低的检测极限.
- 机器学习预测与传感器检测到的CEA度密切匹配,生物传感器结果与细胞水平的WB验证一致.
结论:
- 开发的微波生物传感器与机器学习相结合,提供了一种高度敏感和可靠的方法来检测低度的CEA.
- 这项技术代表了辅助癌症诊断工具的重大进步,使得方便和快速的瘤标志物检测.
- 这项研究是第一个在细胞水平上验证生物传感器可靠性的研究,突出了其潜在的临床影响.
