一个机器学习集成的便携式电化学发光传感平台用于可视化和高通量免疫试验

科学领域:

• 生物医学工程 生物医学工程
• 分析化学 分析化学
• 机器学习 机器学习

背景情况:

• 基于电化学发光 (ECL) 的临床检测 (POCT) 提供了敏感和选择性的疾病鉴定.
• 高通量ECL设备面临能源消耗和样品交叉污染的挑战.

研究的目的:

• 开发一个高通量ECL生物传感器平台,与机器学习集成,用于疾病查.
• 解决传统高通量ECL系统的局限性,包括交叉污染和信号干扰.

主要方法:

• 制造了一个微柱阵列电极,用金纳米粒子进行修改,以增强ECL信号.
• 使用微电化学工作站和智能手机,配有定制软件用于数据采集和分析.
• 使用支持向量机 (SVM) 和反向传播 (BP) 神经网络算法进行信号分析和蛋白质量化.

主要成果:

• 实现了SARS-CoV-2核体蛋白质的定量检测,其线性范围为0.001-10 ng/mL,检测极限为0.86 pg/mL.
• 在使用SVM和BP算法与RGB特征提取进行蛋白质度的分类和预测方面表现出高准确性.
• 与传统的高通量ECL系统相比,明显减少交叉污染和信号干扰.

结论:

• 开发的机器学习辅助ECL-POCT平台为大规模的同时疾病查提供了有前途的解决方案.
• 集成先进的算法提高了基于ECL的诊断的可靠性和效率.
• 这种方法在改善传染病爆发监测和管理方面有很大的潜力.