单组件双发射量计探头:向机器学习驱动的神经生物标志物的检测和歧视

科学领域:

• 生物医学工程 生物医学工程
• 纳米技术纳米技术
• 分析化学 分析化学

背景情况:

• 甲基荷胺神经递质和代谢物是神经疾病的关键生物标志物.
• 现有的检测方法可能缺乏特异性或需要复杂的仪器仪表.
• 开发敏感和选择性的生物传感器对于早期疾病诊断至关重要.

研究的目的:

• 开发一个单元比度光传感器,用于检测catecholamine神经递质生物标志物.
• 为了利用牛血清蛋白保护的黄金纳米集群 (BSA-Au NCs) 的氧化,用于传感应用.
• 为了使与神经系统疾病相关的生物标志物的视觉和定量检测.

主要方法:

• 基于BSA-Au的NCs制造一个比度光探针.
• 诱导光变化 (红色到蓝色的变化) 通过氧化与N-糖胺 (NBS).
• 机器学习 (LDA和PLS-R) 的应用用于光谱数据分析和量化.

主要成果:

• 传感器表现出明显的光谱和颜色变化,以响应不同度的生物标志物.
• 机器学习算法成功地区分和量化了目标分析物.
• 该传感器在人类尿液样本中有效检测和区分生物标志物.

结论:

• 开发的单元比度光传感器显示了诊断神经疾病的巨大潜力.
• 这种方法为生物标志物检测提供了一种敏感,选择性和可视化解释的方法.
• 传感器在人体尿液中的应用性有助于临床诊断和疾病查.