用ZnO纳米花介导的纸质电化学生物传感器,通过基于物理的机器学习来完美分类心脏生物标志物
Partha Pratim Goswami1, Aditya Vikram Singh2, Shiv Govind Singh3
1Department of Electrical Engineering, Indian Institute of Technology, Hyderabad, Telangana, 502285, India.
Mikrochimica acta
|March 26, 2025
概括
这项研究引入了一种基于纸张的新型生物传感器,用于检测心脏的托罗-I和T,克服了高度准确度的传统限制. 基于物理学的机器学习方法在识别多类托罗邦度时实现了100%的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
背景情况:
- 急性心肌梗塞 (心脏病发作) 是一个全球性的健康问题,需要敏感和快速的诊断工具.
- 现有的生物传感器面临着在高分析度下响应和的挑战,这限制了准确性.
- 需要具有成本效益的,超敏感的生物传感器来检测心脏类素.
研究的目的:
- 开发一种基于纸张的电化学生物传感器,用于超敏感检测托罗邦素-I和T.
- 通过使用一种新的分析方法来解决高分析度的传感器和的限制.
- 通过先进的数据分析,在诊断心肌梗塞方面实现高准确性和可靠性.
主要方法:
- 基于纸张的电化学生物传感器的制造,使用ZnO纳米花进行传导.
- 采用循环电压测量 (CV),微分脉冲电压测量 (DPV) 和方波电压测量 (SWV) 进行电化学分析.
- 实施基于物理的机器学习 (PIML) 模型,该模型结合了来自CV扫描的电荷和来自多种电化学技术的特征.
主要成果:
- 基于ZnO纳米花的生物传感器表现出对托罗邦检测的高灵敏度和选择性.
- PIML模型成功地克服了传统的CV中峰值电流和问题.
- 综合方法实现了100%的准确性和曲线下面积 (AUC) 评分,用于识别多类托罗邦度.
结论:
- 开发的基于纸张的生物传感器为心脏热素检测提供了一种具有成本效益,超灵敏和快速的解决方案.
- PIML方法为分析电化学数据提供了强大的方法,提高了生物传感器的可靠性.
- 这种方法具有很大的转化到其他生物传感应用和临床诊断的潜力.
