生物启发的铁二烯共价有机框架为基础的纳米酶传感器阵列:机器学习辅助识别和检测硫醇
1Ministry of Education Key Laboratory of Analytical Science for Food Safety and Biology, Fujian Provincial Key Laboratory of Analysis and Detection Technology for Food Safety, College of Chemistry, Fuzhou University, Fuzhou, Fujian 350108, China.
ACS applied materials & interfaces
|December 12, 2024
概括
研究人员开发了一种新的传感器阵列,使用基于铁氨酸的纳米酶进行高通量醇检测. 这种方法可以准确地识别复杂样本中的各种醇,为疾病诊断和产品质量控制提供了潜力.
科学领域:
- 材料科学 材料科学 材料科学
- 分析化学 分析化学
- 生物技术是生物技术.
背景情况:
- 硫醇对生理功能至关重要,需要敏感的检测方法.
- 现有的方法可能缺乏全面的醇分析所需的吞吐量或灵敏度.
- 模仿像胡卜过氧化酶 (HRP) 这样的天然酶是开发新分析工具的有希望的策略.
研究的目的:
- 设计和合成具有过氧化酶类 (POD) 活性的基于铁氨酸的新型共价有机框架 (Fe-COFs).
- 构建一个多通道纳米酶色度传感器阵列用于醇识别和量化.
- 在复杂的生物和商业样本中应用机器学习算法进行精确的硫醇分析.
主要方法:
- 合成两个铁二烯共价有机框架 (Fe-COF-H和Fe-COF-OH).
- 开发一个六通道纳米酶色度传感器阵列,利用Fe-COFs催化TMB氧化.
- 实施监督 (LDA,DT,ANN),无监督 (HCA) 和整体 (RF) 机器学习用于数据分析.
- 用真实世界样本验证传感器阵列,如人体血清,脱毛膏和细胞溶解物.
主要成果:
- Fe-COFs表现出显著的过氧化酶类活性,催化TMB氧化成明显的光谱特征.
- 传感器阵列成功地绘制了各种醇的独特指纹.
- 机器学习算法允许精确识别醇,其低检测极限为50nM.
- 该阵列在分析同型氨酸 (Hcy),酸 (TGA) 和谷氨酸 (GSH) 中在各种矩阵中展示了实际适用性.
结论:
- 开发的基于Fe-COF的纳米酶传感器阵列为醇检测提供了一个灵敏和高通量平台.
- 机器学习的整合提高了在复杂系统中醇识别的准确性和特异性.
- 这种方法对临床诊断和商业产品质量控制中的应用具有重大前景.
