可解释的人工智能增强的双模式电化学传感器,用于在线监测二甲酸盐

科学领域:

• 电化学 电化学 电化学
• 生物感应是一种生物感应.
• 机器学习 机器学习

背景情况:

• 电化学阻抗光谱 (EIS) 探测各种频率的电化学过程.
• 高频EIS与电荷转移有关,而低频EIS表示大规模运输.
• 像二甲酸盐这样的有机酸盐农药对环境和健康构成风险,需要敏感的检测方法.

研究的目的:

• 开发一个智能双模式传感平台,用于敏感的二甲酸盐检测.
• 通过机器学习绕过传统的电化学电路装配方法.
• 整合先进的机器学习,用于自动化电化学分析.

主要方法:

• 一个复合金纳米粒子/石墨烯 (AuNPs/GR) 接口被用来提高电化学性能.
• 乙胆酶 (AChE) 被用作用于二甲酸盐检测的识别元素.
• 开发了一种机器学习策略,特别是贝叶斯优化的极度梯度提升模型,用于解释EIS数据并预测电荷转移阻力 (Rct).
• 不同脉冲电压测量与EIS集成,用于双模式传感.

主要成果:

• AuNPs/GR接口优化了AChE生物催化物的微环境,并降低了电荷转移阻力.
• 分子对接表明了ACHE,金纳米颗粒和二甲酸盐之间的相互作用.
• 机器学习模型从原始EIS数据直接预测了Rct,通过Shapley的附加解释实现了高准确度和决策透明度.
• 双模式传感器在真实样本中展示了广泛的线性范围,良好的选择性,精度和回收.

结论:

• 开发的智能双模式传感器提供了一种灵敏,自动化和透明的方法来检测二甲酸盐.
• 这种方法绕过了劳动密集型电路装配,为电化学分析提供了一个新的范式.
• 这项研究强调了将先进的机器学习与电化学技术集成为点检测应用程序的潜力.