微传感器阵列用于对患有状细胞贫血的儿童血液样本中尿素的电化学分析

科学领域:

• 生物医学工程 生物医学工程
• 分析化学 分析化学
• 数据科学数据科学数据科学

背景情况:

• 细胞贫血 (SCA) 是一种严重的遗传性血液疾病,与显著的发病率和死亡率有关.
• 基尿素是SCA的关键治疗方法,但其有效性取决于精确的,基于药理动力学 (PK) 的剂量.
• 目前用于测量基尿素水平的方法,如LC-MS,是复杂的,昂贵的,不适合低资源环境.

研究的目的:

• 开发和验证一种新的,快速的,具有成本效益的方法,用于量化小儿SCA患者的基尿素水平.
• 评估机器学习模型在分析来自微传感器阵列的电化学数据的性能,以检测基尿素.
• 为了实现改进的酸剂量策略,特别是在资源有限的环境中.

主要方法:

• 一系列带有纳米材料薄膜的电化学微传感器被用于分析来自50名儿科SCA患者的血清样本.
• 记录了微升血液体积的电化学特征.
• 机器学习算法 (弹性网,随机森林,PLSR) 经过训练,可以从电化学数据中预测氨酸度.

主要成果:

• 部分最小平方回归 (PLSR) 在评估的算法中显示出最好的预测性能.
• 该PLSR模型实现了41.85μM (3.18μg/mL) 的平方根平均误差和7.24μM (0.55μg/mL) 的平均预测误差.
• 该方法准确地确定了在治疗范围内的基尿素水平,使用小样本体积.

结论:

• 开发的电化学微传感器阵列与机器学习相结合,提供了一种准确而高效的基尿素水平分析方法.
• 这项技术有可能简化基于PK的基尿素剂量用于SCA管理.
• 进一步发展医疗中心整合可以显著改善全球SCA治疗结果,特别是在服务不足的地区.