基于数据驱动的扩展栅极场效应晶体管的生物传感器，用于通过机器学习框架检测双酚S

《IEEE Sensors Letters》：Data-driven Extended-gate Field-effect Transistor-based Biosensors for Bisphenol S Detection Using Machine Learning Framework

本研究验证了基于扩展门场效应晶体管（EGFET）的BPS生物传感器的机器学习框架，通过I-V特性数据提取gDS、gm和gm/DS特征，采用stacking集成学习结合Optuna优化，实现97.6%的高准确率，SHAP分析表明跨导效率（gm/DS）是关键预测因子。

　　

摘要：

双酚S（BPS）被塑料制造商广泛用作双酚A的替代品。由于其具有干扰内分泌系统的作用，BPS对人类健康构成了显著风险。因此，开发一种灵敏的BPS检测方法对公共卫生至关重要。本文旨在验证基于扩展栅极场效应晶体管（EGFET）的BPS生物传感器的机器学习（ML）框架的预测能力。数据集是根据I-V特性生成的，并从中提取了输出电导（g_DS）、跨导（g_m）和跨导效率（g_m/I_DS）等特征。在采用Optuna架构进行超参数优化之前，首先使用了堆叠集成学习方法和基础学习器以及元模型。通过评估标准性能指标、混淆矩阵和学习曲线，确定了最佳的ML分类器框架。此外，还进行了SHapley加性解释（SHAP）分析，以确定用于预测的特征的重要性排名。所提出的基于EGFET的生物传感器ML框架能够高效地预测BPS浓度，其准确率为97.60%、精确率为97.78%、召回率为97.61%、F1分数为97.62%。SHAP分析表明，g_m/I_DS是预测BPS浓度的主要特征。

引言

双酚类化合物是重要的有机化学品，被用作制造聚碳酸酯塑料和环氧树脂的原料[1]。双酚A（BPA，4,4'-丁二基二酚）是最常用的增塑剂之一，也是典型的内分泌干扰物（EDCs）[2]。它可以从塑料中渗入水体，导致水体污染并对人类健康造成严重危害。由于大多数国家严格限制了BPA的使用，双酚S（BPS，4,4'-二羟基二苯砜）因其更高的溶解度和更好的稳定性而被用作BPA的主要替代品。然而，环境中存在一定量的BPS仍可能对心血管系统和生殖系统造成损害，这表明BPS可能并非安全的替代品[3]。