人工智能生物灵感酸用于电化学生物传感器中的SARS-CoV-2的唾液检测,与机器学习算法集成
Marcelo Augusto Garcia-Junior1, Bruno Silva Andrade2, Ana Paula Lima1
1Department of Physiology, Laboratory of Nanobiotechnology-Dr. Luiz Ricardo Goulart, Innovation Center in Salivary Diagnostic and Nanobiotechnology, Institute of Biomedical Sciences, Federal University of Uberlandia (UFU), Uberlândia 38408-100, Brazil.
Biosensors
|February 25, 2025
概括
开发了一种新型的人工智能 (BIAI1) 用于使用电化学生物传感器在唾液中快速检测COVID-19. 这种便携式设备与机器学习相结合,可提供准确且易于使用的SARS-CoV-2查.
科学领域:
- 生物技术是生物技术.
- 生物传感器技术技术
- 人工智能在诊断中的应用
背景情况:
- 准确和快速的生物传感器对于有效的SARS-CoV-2监测和早期检测至关重要.
- 现有的诊断方法可能耗时或需要专门的实验室设备.
- 基于唾液的诊断为广泛的查提供了一个非侵入性的替代方案.
研究的目的:
- 开发一种经济实惠,快速,准确的生物传感器,用于唾液中检测COVID-19.
- 利用人工智能平台 (SAGAPEP) 来设计针对SARS-CoV-2的生物灵感.
- 将电化学检测与机器学习集成在一起,以提高诊断性能.
主要方法:
- 使用SAGAPEP用于SARS-CoV-2尖端蛋白RBD相互作用的生物灵感 (BIAI1) 的人工智能驱动设计.
- 分子对接模拟以确认BIAI1-RBD结合亲和力和相互作用.
- 在用于电化学传感的胺修饰电极上,BIAI1的功能化.
- 基于循环电压测量和支持向量机 (SVM) 的机器学习用于信号分析和性能评估.
主要成果:
- BIAI1与SARS-CoV-2 RBD表现出强烈的分子相互作用,平均结合亲和力为-250 kcal/mol.
- 电化学生物传感器实现了100%的灵敏度,80%的特异性和90%的准确性,用于检测唾液中的1.8 × 104聚焦形成单位/毫升.
- 用临床样本进行的神经网络验证显示90%的灵敏度,特异性和准确性.
结论:
- 基于BIAI1的电化学生物传感器与机器学习集成,为COVID-19提供了一个有希望的非侵入性诊断工具.
- 这种便携式系统为SARS-CoV-2查和唾液样本检测提供了快速而准确的解决方案.
- 人工智能驱动的设计方法有助于开发下一代生物传感器,用于传染病监测.
