基于机器学习的多组分代谢物的电化学检测和分析
Jianing Shen1, Bo Zhang1, Tianhao Xue1
1School of Instrument Science and Optoelectronic Engineering, Beijing Information Science and Technology University, Beijing, 100192, China. zhuguixian@bistu.edu.cn.
机器学习模型在复杂的混合物中准确地检测和量化尿酸 (UA),多巴胺 (DA) 和酸 (AA). 这一突破克服了类似电化学性质带来的挑战,使得精确的多元组件分析成为可能.
科学领域:
- 分析化学 分析化学
- 生物化学 生物化学
- 机器学习应用 机器学习应用
背景情况:
- 监测代谢分子对于理解生理指标和疾病至关重要.
- 同时检测尿酸 (UA),多巴胺 (DA) 和甲酸 (AA) 是具有挑战性的,因为它们具有相似的电化学特性,导致信号重叠.
- 对这些多组件解决方案进行准确的定性和定量分析是必不可少的.
研究的目的:
- 开发一种可靠的方法,同时检测和量化UA,DA和AA.
- 克服传统电化学方法在区分和测量这些分析物的局限性.
- 应用机器学习来提高多元组件电化学分析的准确性.
主要方法:
- 设计了AA,UA和DA的多元件检测实验.
- 在电化学数据上使用曲线平滑和特征提取技术.
- 开发和评估了五种分类 (包括ANN) 和回归 (RF,XGBoost) 机器学习模型.
主要成果:
- 人工神经网络 (ANN) 模型实现了 94.06% 的高分类精度.
- XGBoost回归模型表现出卓越的性能,平均R平方预测为96.2%.
- 开发的模型有效地区分了组件,并以高准确度预测了度.
结论:
- 机器学习模型,特别是ANN用于分类和XGBoost用于回归,为UA,DA和AA的多组件分析提供了用户友好和准确的解决方案.
- 这种方法显著提高了对复杂代谢混合物的定性和定量分析的能力.
- 这些发现为生物医学和诊断应用的电化学传感提供了有希望的进步.
更多相关视频
07:34Large Scale Non-targeted Metabolomic Profiling of Serum by Ultra Performance Liquid Chromatography-Mass Spectrometry UPLC-MS
Published on: March 14, 2013
09:38Single-throughput Complementary High-resolution Analytical Techniques for Characterizing Complex Natural Organic Matter Mixtures
Published on: January 7, 2019
相关概念视频
Mass Spectrometry: Complex Analysis
GC–MS is a powerful hyphenated method commonly used in forensics and environmental...
High-Performance Liquid Chromatography: Types of Detectors
Peptide Identification Using Tandem Mass Spectrometry
This technique helps gather information regarding the protein from which the peptide was obtained and to study the peptides’ amino acid sequence. Identifying peptides from a complex mixture is an important component of the growing field of...
