智能微流体生物传感器与多胺糖化物-GluOx改性LIG电极和实时ML信号解卷用于血糖监测

科学领域:

• 生物传感器和电化学传感器
• 材料科学与工程
• 机器学习在诊断中的应用

背景情况:

• 目前的葡萄糖传感器在敏感性,灵活性和同时检测分析物方面面临挑战.
• 开发强大的智能生物传感器对于有效的糖尿病管理和持续监测至关重要.
• 激光诱导石墨烯 (LIG) 为灵活的电子产品提供了一个有前途的平台,但制造优化是关键.

研究的目的:

• 开发一种高度灵敏,灵活和智能的微流体葡萄糖生物传感器.
• 使用机器学习优化LIG电极制造以提高效率和可重复性.
• 通过基于ML的信号解卷,同时实时量化葡萄糖和乳酸.

主要方法:

• 通过监督ML (随机森林回归) 优化LIG电极的制造.
• 开发与PEG交叉连接的多胺糖功能化葡萄糖氧化酶 (CS/GluOx) 架构.
• 葡萄糖和乳酸检测的电化学特征,包括曲条件下的性能.
• 在混合分析样本中应用ML进行信号解卷.

主要成果:

• ML优化将LIG制造时间降低了60%,精度高 (R2=0.92,RMSE=0.14mC/cm2).
• CS/GluOx-PEG架构表现出极好的稳定性 (在45°曲下250个CV循环后的90%信号).
• 在平面和曲状态下具有高灵敏度的线性葡萄糖检测 (0.4-10毫米).
• 通过低RMSE (分别为0. 18mM和0. 21mM) 实现同时实时量化葡萄糖和乳酸.

结论:

• 与现有传感器相比,开发的微流体生物传感器具有优越的电化学性能,灵活性和稳定性.
• 整合机器学习以优化制造和信号解卷,提高传感器的智能和功能.
• 这一平台具有先进的可穿戴连续血糖监测 (CGM) 系统的巨大潜力,改善了糖尿病管理.