相关实验视频
Updated: Jan 13, 2026
07:58
A Polyaniline-based Sensor of Nucleic Acids
Published on: November 1, 2016
8.4K
基于DNA-AgNCs纳米线的机器学习辅助光电化学生物传感器用于外体lncRNA智能诊断
Wenchao Geng1, Jiangying Ji2, Zhiyi Yan2
1School of Chemical and Printing Dyeing Engineering, Henan University of Engineering, Zhengzhou, 451191, China.
Analytica chimica acta
|January 9, 2026
概括
这项研究引入了一种新的光电化学生物传感器,用于检测癌症诊断中的外体长非编码RNA (lncRNA). 机器学习集成提高了诊断准确度,为早期癌症检测提供了有前途的工具.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 纳米技术纳米技术
背景情况:
- 外体长非编码RNAs (lncRNAs) 是癌症进展的关键生物标志物.
- 对外体lncRNAs的敏感检测方法对于早期癌症诊断至关重要.
- 当前的诊断方法需要提高灵敏度和准确度.
研究的目的:
- 开发一种新型信号启动光电化学 (PEC) 生物传感器,用于高度敏感的外体lncRNA检测.
- 将多孔的COF/TiO2纳米球与TdT触发的DNA-AgCNs纳米线结合起来,以增强信号放大.
- 利用机器学习为智能癌症诊断提供帮助.
主要方法:
- 为光电极材料制造多孔的COF/TiO2纳米球.
- 利用目标lncRNA结合来暴露氨酸吸附的部位.
- 使用终端脱核样转移酶 (TdT) 进行循环放大和DNA-银纳米集群 (DNA-AgCNs) 纳米线生成.
- 整合机器学习算法来分析PEC数据用于癌症诊断.
主要成果:
- 该PEC生物传感器显示了广泛的检测范围 (500 aM到10 pM),具有较低的检测极限 (116 aM).
- 开发的系统在区分血外基因组中的lncRNA HOTAIR表达方面取得了高性能.
- 机器学习分析结果为85.7%的准确度,100%的灵敏度和80.0%的癌症诊断特异性.
结论:
- 机器学习辅助的PEC生物传感器有效地区分癌症患者和健康个体,基于外体lncRNAHOTAIR表达.
- 这种方法显著提高了癌症诊断的灵敏度和准确性.
- 开发的生物传感器显示了早期诊断lncRNA相关癌症的巨大潜力.
