经过机器学习优化的T型电极
3C
2T
x/Bi
2Se
采用3种纳米花修饰技术的丝网印刷电极,用于人工汗液中痕量Pb2+和Cd2+的电化学检测
《Biosensors and Bioelectronics》:Machine-learning-optimized T
3C
2T
x/Bi
2Se
3 nanoflower-modified screen-printed electrodes for electrochemical detection of trace Pb2+ and Cd2+ in artificial sweat
编辑推荐:
汗液检测中,基于Ti3C2Tx/Bi2Se3纳米花修饰的丝网印刷电极结合机器学习优化,实现了镉离子(10-150 ppb,LOD 2.88 ppb)和铅离子(5-150 ppb,LOD 3.45 ppb)的高灵敏度检测。
郝子璐|周伟|叶莉|杨美晴|杨继飞|胡灿|雅博·奥贡杜伊莱|特拉维斯·胡|于刚|李慧敏|张明|刘松
湖南大学半导体学院(集成电路学院)长沙半导体技术与应用创新研究所,中国长沙410082
摘要
在非侵入性检测方法领域,由于汗液分析在临床和健康监测方面的应用潜力,它逐渐引起了研究人员的兴趣。尽管已经有很多关于汗液中各种物质检测的文献记载,但由于重金属离子(如镉(Cd2+)和铅(Pb2+)的浓度很低,通常低于100 ppb,因此对其检测仍然具有挑战性。汗液检测还面临其他问题,例如汗液产生和蒸发速率的变异性、生物污染以及传感器灵敏度的下降,这些问题显著影响了汗液中生物标志物水平的准确测量。传统上,生物传感领域经常使用机器学习来进行最终的数据分析和拟合,但其在优化实验条件方面的应用较为少见。在这项研究中,我们开发了一种基于Ti3C2Tx/Bi2Se3纳米花修饰的丝印碳电极(SPCE)的传感平台,用于检测模拟汗液中的Cd2+和Pb2+。该传感器具有较宽的检测范围和相对较低的检测限(LOD):Cd2+的线性检测范围为10-150 ppb,LOD为2.88 ppb;Pb2+的线性检测范围为5-150 ppb,LOD为3.45 ppb。此外,我们还采用了LSBoost–NGO机器学习框架来建模剥离电流与关键实验变量之间的依赖关系,并确定能够最大化分析性能的操作条件。这些结果展示了Ti3C2Tx/Bi2Se3/SPCE与机器学习引导的优化结合在基于汗液的微量重金属离子监测方面的潜力。
引言
非侵入性监测与健康相关的生物标志物对于环境暴露评估和个人健康管理变得越来越重要。在可获取的生物流体中,汗液特别具有吸引力,因为它可以连续采集且不会引起不适,同时还能携带广泛的生理信息,包括电解质、代谢物和外源污染物(Qiao等人,2020年;Wang等人,2021b年)。其中,外源重金属离子(如Cd2+和Pb2+)对人类健康构成重大威胁。Cd2+可引发呼吸道、肾脏和肝脏的炎症反应和损伤(Gao等人,2016年)。Pb2+中毒会损害大脑和中枢神经系统,在严重情况下可能导致昏迷甚至死亡(Landrigan等人,2015年)。因此,准确快速地检测汗液中的这些离子至关重要(de Campos等人,2022年)。
电化学传感器在汗液分析中得到了广泛应用,因为它们操作简便、成本低且灵敏度高(Gao等人,2023年;Ge等人,2022年;Wang等人,2021a年)。由于成本低、可微型化以及适合大规模生产,丝印电极非常适合用于即时检测。然而,传统的电化学传感器材料在检测汗液中的微量重金属离子时常常遇到各种挑战,特别是汗液中Pb2+和Cd2+的浓度低于100 ppb,导致现有传感材料的选择性和灵敏度较差。金(Au)和铋(Bi)常用于检测Pb2+和Cd2+,但金成本较高,制备丝印电极通常需要复杂的工艺(如磁控溅射),而铋电极的制备则涉及沉积过程,这一过程不利于大规模生产。因此,尽管研究人员尝试检测汗液中的Pb2+和Cd2+,但结果并不令人满意(Dong等人,2024年;Wang等人,2023年;Xing等人,2024年)。为了解决这些问题,研究人员开始探索新型纳米材料的应用。MXene是一种二维过渡金属碳化物或氮化物材料,由于其独特的表面化学性质(如亲水性、高酶负载能力、丰富的表面官能团和优异的生物相容性),MXene已成为开发电化学生物传感器的优秀候选材料。其出色的电荷传输能力使得可以直接检测汗液中的微量Pb2+和Cd2+(Arab等人,2024年;Bhardwaj等人,2022年;Chen和Xu,2023年;Lu等人,2023年;Otgonbayar和Oh,2023年;Tu等人,2020年)。
优化电化学操作条件与设计合适的材料同样重要。当需要调整多个变量时,一次只调整一个变量的策略很快变得不切实际,而且无法捕捉参数之间的相互作用。正交实验设计(OED)可以减少实验次数,并允许同时改变多个变量,但它受预定义因子水平的限制,当响应表面复杂时可能无法找到真正最优的条件。机器学习方法提供了另一种途径:通过学习实验变量与电化学响应之间的关系,它们可以比经验性的试错方法更系统地寻找有利的条件组合(Deshsorn等人,2024年;Ji等人,2020年;Koper等人,2022年;Mistry等人,2021年;Shah等人,2024年;Sheng等人,2019年;Yao等人,2023年)。
虽然之前已有研究将机器学习模型与重金属电化学传感器结合使用,但这些研究主要集中在水样或环境样品以及简单的电极架构上。在本研究中,我们将LSBoost–NGO优化框架与专门为人工汗液设计的Ti3C2Tx/Bi2Se3纳米花修饰的丝印电极结合起来,利用该框架系统地优化电化学和操作参数,以实现Pb2+/Cd2+的同时检测(图1)。
材料与试剂
盐酸(HCl,分析纯试剂(AR))、氰铁酸钾K3Fe(CN)6(纯度99.5%)和氰亚铁酸钾K4Fe(CN)6(纯度99.5%)购自中国药化试剂有限公司。人工汗液购自上海Macklin生化有限公司。胺化MXene(假设“MXene”是一个具体产品名称,具体需根据实际情况确认)购自吉林亿益科技有限公司。Pb2+的单元素溶液标准品
材料表征
Ti3C2Tx/Bi2Se3复合材料具有高表面积和丰富的活性位点的优势。为了了解制备材料的结构特征和形态特性,我们使用了扫描电子显微镜(SEM)。如图S1a所示,溶热反应后形成了许多薄而小的板状晶体,由于加热过程中的聚集现象,这些晶体形成了类似花朵的形态。作为对比,图S1b展示了Ti3C2Tx
结论
我们使用了一种经过Ti3C2Tx/Bi2Se3纳米花修饰的丝印电极传感平台,结合LSBoost-NGO算法来检测模拟汗液中的Pb2+和Cd2+。所制备的传感器具有较宽的检测范围和相对较低的检测限(LOD):Cd2+的线性检测范围为10-150 ppb,LOD为2.88 ppb;Pb2+的线性检测范围为5-150 ppb,LOD为3.45 ppb。此外,该传感器还表现出良好的选择性和稳定性。然而,过量的K+
CRediT作者贡献声明
胡灿:实验研究。雅博·奥贡杜伊莱:撰写 – 审稿与编辑。特拉维斯·胡:资金获取。于刚:实验研究。李慧敏:实验研究。张明:指导。郝子璐:撰写 – 原稿撰写。刘松:指导,资金获取。周伟:撰写 – 审稿与编辑,原稿撰写。叶莉:数据分析,数据管理。杨美晴:资金获取。杨继飞:资源协调
利益冲突声明
? 作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本工作感谢国家自然科学基金(编号:22175060)、湖南省教育厅的优秀青年项目(23B0661)以及美国国家科学基金会(奖项编号:2425229)的财政支持。