一种创新的基于机器学习的多阶段信号放大方法突破了传统光学传感器的检测极限
Yihui Yang1, Jiawei Liang1, Hongli Fan1
1Department of Nano Biosensing and Artificial Intelligence, College of Life Science and Technology, State Key Laboratory for Diagnosis and Treatment of Severe Zoonotic Infectious Diseases, Huazhong University of Science and Technology, Wuhan 430074, China.
ACS sensors
|July 30, 2025
概括
这项研究引入了一种新的多阶段信号放大元表面等离子体共振 (MSA-MetaSPR) 方法,用于更快地开发生物传感器. 这种创新方法显著提高了实时分子检测的灵敏度和效率,这对于紧急情况至关重要.
科学领域:
- 纳米技术 纳米技术
- 生物医学工程 生物医学工程
- 分析化学 分析化学
背景情况:
- 传统的表面等离子体共振 (SPR) 生物传感器提供无标签的实时分子检测,但在灵敏度和开发时间方面面临限制,特别是在紧急应用中.
- 复杂的仪器仪表和有限的检测极限阻碍了传统SPR生物传感器的广泛采用和快速部署.
研究的目的:
- 开发一个创新的和高度敏感的SPR生物传感器平台,以加速开发,解决传统方法的局限性.
- 引入一个多阶段信号放大元表面等离子体共振 (MSA-MetaSPR) 方法,利用完整的反向设计来提高性能.
主要方法:
- 实施了一个完全的反向设计策略,专注于信号最大化,将系统分为传感器,捕获器和信号采集单元.
- 设计了一种新的MetaSPR芯片,使用基于光密度 (OD) 的反向设计方法,实现高灵敏度.
- 开发了具有增强亲和力的人工抗体,并引入了用于生物传感器数据处理的新分析方法.
主要成果:
- 实现了高达573nm/RIU的MetaSPR芯片灵敏度.
- 证明了人工抗体亲和力增加了3倍.
- 报告了与非设计式传感器相比的近1200倍改善,与传统SPR方法相比的150倍改善.
结论:
- 开发的MSA-MetaSPR方法显著增强了SPR传感器的能力,在灵敏度和效率方面提供了显著的改进.
- 这种方法加速了用于紧急情况的生物传感器开发,并推进了SPR传感器技术.
- 基于完整的反向设计的多阶段放大策略代表了无标签分子检测的突破.
