使用基于Ni的电极和机器学习方法在人体血样本中量化L-乳酸

科学领域:

• 电化学 电化学 电化学
• 生物传感器是一种生物传感器.
• 机器学习 机器学习

背景情况:

• 电化学传感器经常面临来自复杂生物样本的选择性和干扰的挑战.
• 精确量化人体血中的L-乳酸等分析物对于诊断代谢状况至关重要.

研究的目的:

• 开发一种强大的策略,用于量化复杂混合物和人体血中的重叠电化学特征.
• 使用氧化纳米粒子创建一种非酶电化学传感器,用于检测L-乳酸.
• 利用机器学习模型来管理干扰并提高传感器性能.

主要方法:

• 制造氧化 (NiO) 纳米粒子修饰的玻璃碳电极 (GCE) 用于电化学传感.
• 测量尿酸,甲酸和葡萄糖在L-乳酸存在的干扰趋势.
• 使用各种机器学习模型分析大量数据集,包括人工神经网络和随机森林.
• 使用10个不同的人体血样本验证传感器性能,并与常规色度测试进行比较.

主要成果:

• 在使用人工神经网络的复杂混合物中,L-乳酸的检测极限 (LOD) 为2.61μM,尿酸为15.99μM,葡萄糖为11.34μM,酸为3.27μM.
• 在人类血样本和随机森林模型中表现出良好的预测性能,L-乳酸的R2=0.99,LOD=1.3μM,LOQ=4.4μM.
• 在真实的人体血样本中成功验证了传感器的性能,展示了其临床应用的潜力.

结论:

• 开发的策略有效量化重叠的电化学特征,通过机器学习克服传感器选择性的限制.
• 基于的电化学传感器与ML模型相结合,显示出在复杂的生物样本中分析代谢概况的重大前景.
• 微型化和集成到临床检测设备中可以实时监测代谢条件,如败血症.