编辑推荐：
现有电子鼻对 ppb 级及以下浓度有害物质检测能力不足。研究人员开发融合大鼠行为训练与嗅球（OB）电生理记录的生物混合系统，训练大鼠识别 ppb 级 TNT、TNP 和 Cl?，结合多通道电极阵列与 SVM 算法，分类准确率超 90%，为高灵敏检测开辟新路径。
在环境监测与公共健康领域，精准捕捉超痕量挥发性有害物质始终是难题。传统电子鼻虽能快速分析挥发性有机化合物（VOCs），但检测限多停留在百万分比浓度（ppm）级别，而诸如三硝基甲苯（TNT）、三硝基苯酚（TNP）等爆炸物及氯气（Cl?）等有毒气体，往往在十亿分比浓度（ppb）甚至更低水平就已构成威胁。例如，TNT 和 TNP 因低蒸气压难以挥发，Cl?在实际场景中常以极微量存在，现有技术难以满足早期预警和精准检测需求。此时，哺乳动物嗅觉系统的独特优势引发关注 —— 大鼠等动物通过进化形成的嗅球（OB）神经网络，能凭借数千种嗅觉受体和复杂神经回路，对 ppb 级气味分子实现高灵敏识别与区分。
为突破技术瓶颈，中国研究人员开展了一项基于脑机接口的生物混合系统研究，相关成果发表在《Biosensors and Bioelectronics》。该团队旨在借助大鼠嗅觉系统的天然敏感性，结合电生理记录与机器学习算法，构建超痕量气味检测平台。
研究采用的关键技术包括：
- 行为训练范式：利用 Go/No-Go 任务训练头固定大鼠，使其学会对目标气味（如 0.71 ppb TNT、0.89 ppb TNP 溶液及 1 ppb Cl?气体）做出舔水反应，对溶剂甲醇（MeOH）不反应。
- 定制化电极阵列：依据大鼠脑立体定位图谱，设计 64 通道空间电极阵列，精准靶向嗅球背侧和腹侧的 mitral 细胞层（MCL），同步采集多区域神经活动。
- 神经信号解码：通过支持向量机（SVM）算法分析嗅球电生理数据，实现气味类型的分类识别。
研究结果
行为学训练成效
大鼠经训练后，能可靠区分亚 ppb 级 TNT、TNP 溶液与纯 MeOH，对 1 ppb Cl?气体的检测准确率达行为学标准。这表明其嗅觉系统可在超痕量水平建立气味 - 奖励关联，且区分能力显著优于传统电子鼻。
电生理记录与解码性能
定制电极成功捕获嗅球背腹侧 MCL 的神经活动模式。SVM 算法对 TNT、TNP、Cl?及 MeOH 的分类准确率均超 90%，证实嗅球神经网络活动包含可解码的气味特征信息，且多区域同步记录显著提升了信号完整性。
系统敏感性对比
与现有电子鼻技术相比，该生物混合系统的检测限低 1-3 个数量级，尤其在 ppb 级浓度下仍保持高分类精度，突破了传统技术的灵敏度瓶颈。
结论与意义
本研究首次将大鼠嗅觉系统与脑机接口结合，构建了具备超痕量检测能力的生物电子鼻。实验证明，通过靶向嗅球多区域神经活动并结合机器学习，可实现对 ppb 级爆炸物和有毒气体的精准识别。该技术不仅为环境监测、公共安全领域提供了高灵敏度检测工具，也为开发基于生物神经回路的新型传感器开辟了方向。未来，若进一步优化电极阵列兼容性与算法实时性，该系统有望应用于现场快速检测，助力早期风险预警与疾病挥发性标志物筛查。研究揭示的哺乳动物嗅觉编码机制，亦为仿生传感器设计提供了生物原型参考。
