一种非法拉第阻抗式无标记免疫传感器，集成PCCODE逻辑电路，用于分层监测新冠后遗症

《ACS Measurement Science Au》：A Non-Faradaic Impedimetric Label-Free Immunosensor Integrated with PCCODE Logic for Stratified Monitoring of Post-COVID Conditions

ZnO修饰的非Faradaic阻抗 biosensor 可快速检测TRAIL和D-dimer，实现5分钟内5μL样本的感染状态分类，通过阈值划分（TRAIL<50pg/mL，D-dimer>1000ng/mL）构建PCCODE模型，将患者分为健康、免疫/凝血失调及双失调四类，为便携式诊断提供新方案。

　　随着全球范围内的新冠状病毒（SARS-CoV-2）感染爆发，人们对于疾病监测和诊断工具的需求日益增加。尤其是在患者康复后，一些长期健康影响逐渐显现，形成了所谓的“新冠后状况”（Post-COVID Conditions, PCC）。这些状况不仅影响个体的生活质量，也对医疗系统提出了新的挑战。因此，开发能够快速、准确检测与PCC相关的生物标志物的诊断工具显得尤为重要。本文介绍了一种基于氧化锌（ZnO）修饰的非法拉第阻抗生物传感器，该传感器能够同时检测TRAIL和D-二聚体这两种与PCC密切相关的生物标志物。此外，还引入了一种基于浓度阈值的分类模型PCCODE，用于将生物标志物的浓度数据转化为具有临床意义的诊断信息。

TRAIL（TNF相关凋亡诱导配体）和D-二聚体是两种与PCC相关的关键生物标志物。TRAIL的降低通常与免疫系统功能障碍和炎症反应有关，而D-二聚体的升高则反映了凝血系统的异常和微血管血栓形成。在健康个体中，TRAIL浓度通常维持在100-200 pg/mL之间，而D-二聚体浓度则一般低于0.5 μg/mL。然而，在新冠感染后，TRAIL水平的下降和D-二聚体水平的升高可能预示着更复杂的病理变化。因此，通过实时监测这些生物标志物的变化，可以为患者提供更准确的诊断和治疗建议。

为了实现对这两种生物标志物的快速检测，研究人员设计了一种基于非法拉第电化学阻抗谱（EIS）的生物传感器。该传感器采用了ZnO修饰的金电极，这种材料具有优异的电化学性能和生物相容性。通过使用DTSSP（二硫苏糖醇）作为交联剂，研究人员成功地将针对TRAIL和D-二聚体的抗体固定在电极表面，从而实现了高灵敏度和特异性的检测。传感器在5 μL样本中仅需5分钟即可完成检测，且无需使用任何红ox活性物质，这使得其适用于床边检测（Point-of-Care, POC）场景。

在实验过程中，研究人员通过一系列测试验证了该传感器的性能。包括灵敏度、特异性、重复性和可重复性等关键指标。通过使用傅里叶变换红外光谱（FTIR）分析，研究人员确认了电极表面的化学修饰过程。此外，通过阻抗响应曲线和非线性回归模型，进一步验证了传感器对TRAIL和D-二聚体的检测能力。结果显示，该传感器对TRAIL的检测限（LOD）为3.4 pg/mL，对D-二聚体的检测限为8.9 ng/mL，这表明其具有极高的灵敏度。

在检测准确性方面，研究人员通过在已知浓度下加入生物标志物并测量其回收率，进一步验证了传感器的可靠性。结果显示，TRAIL和D-二聚体的回收率分别在92.3-106.8%和89.7-113.4%之间，这表明该传感器能够准确地在复杂生物样本中检测目标分子。同时，通过比较不同浓度下的信号响应，研究人员发现该传感器在不同样本间的重复性和可重复性均表现良好，其变异系数（%CV）均低于10%，符合临床实验室标准（CLSI）的要求。

为了进一步提升诊断的准确性，研究人员开发了一种基于浓度阈值的分类模型PCCODE。该模型通过设定TRAIL <50 pg/mL和D-二聚体 >1000 ng/mL作为分类边界，将患者的健康状态分为四个类别：健康状态（TRAIL和D-二聚体均在正常范围内）、免疫功能障碍（TRAIL低于阈值而D-二聚体正常）、凝血功能障碍（D-二聚体高于阈值而TRAIL正常）以及双重功能障碍（TRAIL和D-二聚体均超出正常范围）。这种基于逻辑门的分类方法不仅提高了诊断的准确性，还使得结果更易于解读，从而为临床决策提供了有力支持。

通过使用模拟的新冠后样本数据集，研究人员验证了PCCODE分类模型的有效性。结果表明，该模型在区分非PCC和PCC样本时表现出高达95%的准确率。此外，通过热图（heatmap）可视化，研究人员展示了该模型如何将不同的生物标志物浓度组合映射到特定的诊断状态。热图清晰地显示了TRAIL和D-二聚体在不同浓度范围内的分布情况，以及它们如何共同影响患者的健康状态。

在实际应用中，这种基于ZnO修饰的非法拉第阻抗生物传感器和PCCODE分类模型具有显著的优势。首先，该传感器的便携性和快速检测能力使其非常适合用于资源有限的地区，如基层医疗机构或偏远地区。其次，其低样本体积要求（约5 μL）和无需专业技术人员操作的特点，降低了检测的门槛，使得更多患者能够及时获得诊断信息。此外，通过将生物标志物的浓度数据转化为数字输出，PCCODE模型不仅提高了诊断的透明度，还支持了个性化医疗的发展。

该研究的意义在于，它为新冠后状况的诊断和监测提供了一种新的技术路径。传统的诊断方法如化学发光和ELISA虽然具有较高的准确性，但存在耗时、需要专业人员操作以及无法实时监测等缺点。而本文提出的生物传感器和分类模型则克服了这些限制，为实现快速、准确、便携的诊断工具提供了新的思路。此外，该模型的逻辑驱动特性使其能够将复杂的生物标志物模式转化为易于理解的诊断信息，从而辅助临床医生做出更精准的判断。

未来，这种技术有望在更广泛的临床环境中应用，尤其是在需要快速诊断和连续监测的场景中。通过与可穿戴设备或移动医疗平台的结合，该生物传感器可以实现对患者健康状况的实时监控，为个性化治疗和健康管理提供数据支持。此外，随着技术的进一步优化和成本的降低，这种诊断工具有望在更多地区普及，提高全球对新冠后状况的监测和管理能力。最终，该研究不仅为新冠后状况的诊断提供了新的解决方案，也为其他疾病标志物的检测和分类研究提供了有价值的参考。