机器学习优化的T3C2Tx/Bi2Se3纳米花修饰的丝印电极用于电化学检测人工汗水中微量Pb2+和Cd2+的痕迹
1Changsha Semiconductor Technology and Application Innovation Research Institute, College of Semiconductors (College of Integrated Circuits), Hunan University, Changsha, 410082, China; State Key Laboratory of Chemo/Biosensing and Chemometrics, College of Chemistry and Chemical Engineering, Hunan University, Changsha, 410082, China.
Biosensors & bioelectronics
|January 17, 2026
概括
研究人员开发了一种使用Ti3C2Tx/Bi2Se3纳米花在印碳电极 (SPCE) 上的新型传感器,用于检测汗水中的 (Cd2+) 和 (Pb2+) 等重金属. 机器学习优化了传感器的传感器.
科学领域:
- 分析化学 分析化学
- 生物感应是一种生物感应.
- 材料科学 材料科学 材料科学
背景情况:
- 汗水分析提供了一种非侵入性的健康监测方法.
- 在汗水中检测低度的重金属 (Cd2+,Pb2+) 存在重大挑战.
- 现有的汗水测试方法面临着汗水变化,污染和传感器衰变等问题.
研究的目的:
- 开发一种敏感的传感器,用于检测汗水中的和离子.
- 应用机器学习来优化汗水分析中的实验条件.
- 建立一个可靠的平台,用于汗水中微量重金属监测.
主要方法:
- 使用Ti3C2Tx/Bi2Se3纳米花修饰印碳电极 (SPCE) 制造一个传感平台.
- 在模拟的汗水中电化学检测Cd2+和Pb2+.
- 实施LSBoost-NGO机器学习框架以优化传感器性能.
主要成果:
- Ti3C2Tx/Bi2Se3/SPCE传感器实现了Cd2+ (2.88ppb) 和Pb2+ (3.45ppb) 的低检测极限 (LOD).
- 线性检测范围为Cd2+的10-150ppb和Pb2+的5-150ppb.
- 机器学习成功地确定了最佳操作条件,提高了分析性能.
结论:
- 开发的Ti3C2Tx/Bi2Se3/SPCE平台显示出基于汗液的重金属检测的前景.
- 将纳米材料与机器学习相结合,为优化生物传感器提供了一种强大的方法.
- 这项技术可以推进非侵入性临床和健康监测应用.
