机器学习启用内源性默卡坦的时间解析纳米酶编码识别,用于疾病诊断
Xinyu Chen1, Jinjin Liu1, Zheng Tang1,2
1School of Public Health, Hengyang Medical School, University of South China, Hengyang 421001, P. R. China.
Analytical chemistry
|May 9, 2025
概括
这项研究引入了一种新的纳米酶传感器与机器学习相结合,用于检测和量化内源性默卡坦,这是癌症和心血管疾病等疾病的关键生物标志物.
科学领域:
- 生物标志物发现发现
- 纳米技术纳米技术
- 分析化学 分析化学
背景情况:
- 固有的默卡普坦 (氨酸,同氨酸,谷氨) 对于氧化还原平衡和细胞平衡至关重要.
- 这些水素作为各种疾病的关键生物标志物.
- 有效的默卡普坦检测方法对于健康管理至关重要.
研究的目的:
- 开发一种基于机器学习的策略,用于识别和量化内源性美卡坦.
- 创建一个时间解析的纳米酶编码传感器阵列用于疾病诊断.
- 根据默卡普坦水平来区分疾病状态.
主要方法:
- 合成了一个无形纳米酶,使用二乙三胺 ((methylenephosphonic) 酸和Mn3+具有类似氧化酶的活性.
- 利用纳米酶催化TMB的氧化,与mercaptans竞争性抑制反应.
- 开发了一个时间解析的传感器阵列,并应用机器学习来进行模式识别和预测.
主要成果:
- 该纳米酶表现出极好的类似氧化酶的活性.
- 内源性默卡普坦显示出基于抗氧化能力的独特时间解决的抑制模式.
- 传感器阵列准确地识别了不同的mercaptan和混合物.
- 机器学习模型成功地分化了癌细胞,并评估了心血管疾病的严重程度.
结论:
- 拟议的战略提供了一种敏感和特定的方法来检测mercaptan.
- 这种方法在非侵入性疾病诊断和健康监测方面具有重大潜力.
- 纳米酶和机器学习的结合为临床应用提供了强大的工具.
