《Frontiers in Bioengineering and Biotechnology》：Intelligent drone-based biosensor for the detection of dengue virus antigen towards smart unmanned aerial-vehicle platform-based virus diagnosis
编辑推荐：
在当前工作中，研究人员建立了一种登革诊断智能系统，可在现场检测，同时免除人工干预和对难以到达区域的持续监测需求。该系统由4项智能技术（4-smart technologies）组成：i）无人机（drone）；ii）生物传感器（biosensor）；iii）Yo
在当前工作中，研究人员建立了一种登革诊断智能系统，可在现场检测，同时免除人工干预和对难以到达区域的持续监测需求。该系统由4项智能技术（4-smart technologies）组成：i）无人机（drone）；ii）生物传感器（biosensor）；iii）Yolov5人工智能模块（AI-module）；iv）与患者电子处方（E-Prescription）条形码链接的二维码衍生数字网站（QR-code-derived digital website）。其中，生物传感器作为智能检测器，无人机作为将生物传感器运送至检测区域的载体。专家使用人工智能模块进行深度学习分析；系统中增加了基于二维码的网站，使用户能够扫描代码并将检测数据发送至实验室管理部门，患者可从医生处获得医疗电子处方。所提出的系统采用轻质材料、优化电源和耐候外壳，以确保可靠的现场诊断。然而，在评估所提出系统的现场适用性和可扩展性时，应考虑与无人机诊断部署相关的实际挑战，包括环境条件、飞行稳定性、电池容量、有效载荷限制以及在偏远环境中的可靠运行。所建议的检测平台采用无仪器化侧流层析比色法（instrument-less lateral flow colorimetric approach），可在5 s内以肉眼检测登革病毒抗原（dengue virus antigen），检出限（limit of detection, LOD）为0.91 μg/mL。因此，基于无人机的方法使临床医生能够监测偏远人群中的登革病毒抗原。相应地，政府和非营利组织可利用该技术监测红色警戒区，获得精确可靠的数据以进行知情决策。
研究背景方面，登革病毒（dengue virus, DENV）感染暴发需要快速、可靠的识别，尤其在高人口密度城市地区；传统诊断方法有时依赖集中实验室，可能延迟感染者识别和隔离。为应对该问题，需要新型、便携和可运输的诊断工具以实现早期检测和普遍筛查。无人机（unmanned aerial vehicle, UAV）技术与生物传感结合为偏远或高风险区域的实时、远程病毒抗原检测提供了新方法，但无人机诊断部署仍受环境条件、飞行稳定性、电池容量、有效载荷、偏远环境可靠运行及监管等因素制约。研究人员旨在开发具检测能力的无人机平台，将其整合至无人机，并评估其未来登革暴发中发挥功能的潜力；研究整合侧流层析分析（lateral flow assay, LFA；一种纸基试纸条检测方法）、金纳米颗粒（gold nanoparticles, AuNPs）适配体传感、人工智能（artificial intelligence, AI）判读和QR码（quick response code，二维码）数字报告，以提供去中心化、快速、可扩展的疫情监测工具。
主要关键技术方法概括如下：研究人员选择DJI mini 3 pro无人机（质量<249 g）搭载LFA，构建AuNPs-适配体竞争性LFA并优化AuNPs pH与适配体浓度；采用分子对接和电泳迁移率变动分析（electrophoretic mobility shift assay, EMSA）验证适配体与DENV E抗原结合；采用zeta电位、动态光散射（dynamic light scattering, DLS）、透射电子显微镜（transmission electron microscopy, TEM）、紫外-可见光谱（ultraviolet-visible spectroscopy, UV-Vis）和扫描电子显微镜（scanning electron microscopy, SEM）表征材料与试纸条；采用ImageJ定量试纸条，采用YOLOv5目标检测模型定位感兴趣区域（region of interest, ROI）并以线性支持向量机（support vector machine, SVM）分类；建立QR码网站和条形码电子处方。人血清样本来自个体静脉血采集，3份独立血清样本，每份检测三次；DENV患者采样涉及BSL2（Qingdao Biomedical Co., Ltd，中国）。
研究结果部分保留原文小标题并浓缩如下。3.1 Preparation and principle of biosensor for drone-based sensor construction：LFA由样品垫、结合垫、硝酸纤维素膜、吸水垫和塑料卡壳构成，基于竞争性侧流适配体传感；DENV抗原（dengue virus antigen, DENV-Ag）与适配体结合后使AuNPs释放，游离AuNPs被试线固定化溶菌酶捕获形成肉眼可见红色条带，无DENV时不形成试线条带。3.2 Drone-based establishment：选择小于249 g的紧凑无人机，将LFA以双面粘合剂固定于无人机顶部，以透明Plexiglas保护传感器和试纸条生物材料，并在无人机前侧粘贴包含实验室联系方式的QR码；用户扫描代码上传报告，专家接收、AI分析并存储数据。3.3 Molecular docking of aptamer and dengue antigen：分子对接DENV E抗原与定制DNA适配体，对接得分为?326.89，显示较高结合亲和力；配体RMSD为66.33 ?，提示构象柔性或对接后结构对齐不足。3.4 Characterization of the sensing platform：zeta电位平均?37.56 mV、DLS平均流体动力学直径11.59 nm、多分散指数（polydispersity index, PDI）1.0、TEM显示球形颗粒平均12.43 ± 0.20 nm、表面等离子体共振（surface plasmon resonance, SPR）峰521 nm；适配体偶联后SPR红移至526 nm且吸光度下降，DLS增至17.11 nm、PDI 1.0，支持稳定单分散AuNPs及成功偶联。3.5 Characterization of the LFA strip：SEM显示未修饰样品垫、结合垫、硝酸纤维素膜和吸水垫具相应多孔或纤维结构，修饰后结合垫可见纳米颗粒与适配体分布，试线有精确生物材料沉积，支持材料与工艺优化。3.6 Electrophoretic mobility shift assay (EMSA) of conjugate (gold-aptamer) and dengue antigen binding：EMSA显示适配体-AuNP偶联后条带上移、迁移率降低，适配体-DENV抗原复合物条带迁移率降低，验证稳定偶联及特异性大分子复合物形成。3.7 Optimization, performance & stages of DENV LFA analysis with UV validation：AuNPs在pH 7表现良好；适配体浓度过低时信号弱，增加至最佳后信号平台或略降；阳性样本试线出现强信号，阴性样本无信号；仅GNPs-Aptamer-DENV-Ag阶段产生信号，UV分析验证结果。3.8 Different concentrations of DENV analysis via LFA testing, UV spectra, and ImageJ：1–100 μg/mL范围内颜色强度随DENV-Ag浓度升高，UV吸收随浓度降低略降；ImageJ归一化试线强度对log浓度回归R
2 = 0.994，显示良好线性，n = 7重复给出均值与标准差。3.9 LOD, recovery, Student’s t-test and interday or intraday analysis of the developed platform：LOD为0.91 μg/mL（3.3 × σ/S）；回收率为92.79%和105.96%，%RSD为1.61%和2.33%；Student’s t值0.850和0.442低于临界值2.447，无统计学显著差异；日内均值112.41% ± 1.18%、RSD 1.05%，日间均值113.32% ± 1.45%、RSD 1.28%，t值0.92和2.40低于临界值2.45，显示良好重复性和中间精密度。3.10 Cross-test, real sample analysis and commercial gold-standard LFA-kit strip validation：基孔肯雅病毒（chikungunya virus, CHIKV）和丙型肝炎病毒（hepatitis C virus, HCV）在1 μg/mL无信号，显示DENV特异性；人血清3份样本检测到信号，反应几乎与DENV单独检测相同；并与商业金标准LFA试剂盒比较验证。3.11 Deep learning analysis of the proposed LFA line detection for dengue antigen：YOLOv5对47幅图像进行ROI定位，验证mAP@0.5约0.995、mAP@0.5:0.95约0.945，最大F1约1.00（置信阈值约0.17）；下游膜分类数据集为训练45幅（34正、11负）、验证12幅（6正、6负）、测试25幅（18正、7负），线性SVM测试得真阴6、假阳1、假阴0、真阳18，准确率96.00%、灵敏度100.00%、特异度85.71%、精确率94.74%、F1 97.30%，ROC-AUC = 1.000、平均精度 = 1.000；因图像数量有限且历史训练/测试独立性不能保证，分类结果作为初步模型开发/评价性能而非独立临床验证。3.12 QR-code-linked website results with bar code-assisted E-Prescription：“Delhi Against Dengue (DAD)”数字平台通过扫码打开网页，提供登革症状、预防和治疗信息；报告页展示2020—2024年登革趋势图；电子处方页显示检测结果、每例患者唯一电子处方条形码及报告汇总，包括报告总数、阳性和阴性例数；条形码系统便于患者与医生共享检测结果并加快临床决策。
讨论部分3.13 Discussion and comparative analysis with conventional dengue diagnostic methods指出，所开发AuNP-LFA的LOD为0.91 μg/mL；传统酶联免疫吸附试验（enzyme-linked immunosorbent assay, ELISA）和逆转录聚合酶链反应（reverse transcription-polymerase chain reaction, RT-PCR）通常灵敏度高，但需要实验室基础设施和训练人员；电化学生物传感器依设计不同灵敏度可变，但通常需要专用仪器和样品处理。所提出的LFA快速、便携、低成本、易用，无需专用仪器和最少技术专长，适合资源有限和偏远地区的快速分散登革筛查。研究在受控实验室和有限现场条件下验证，使用多幅测试图像获得高准确率；远程快速检测和监测为提议应用，未在本研究中直接评估；大规模自主暴发监测、集群部署和实时流行病学制图仍为未来工作。当前局限包括无人机操作约束，如坠机风险、约20–30 min飞行续航、载荷限制、恶劣天气易感性和通信距离/带宽限制，以及航空、隐私和安全法规导致的监管约束；真实部署前需大规模现场验证、不同环境稳健性测试和监管许可。
研究结论翻译：研究人员已证明无人机集成、AI辅助生物传感器平台用于登革诊断的概念验证；所展示结果确认高诊断准确性，客观判读接近实验室水平；但自主暴发监测和大规模部署被设想为未来应用。考虑到无人机续航、载荷、天气依赖和监管合规等限制，本研究为远程需求点诊断提供了基础步骤，需进一步现场和监管验证。未来工作将集中于大样本多中心临床验证和偏远恶劣环境广泛现场试验，扩展至多重LFA以同时鉴别病毒及其血清型以及共循环病原体如Coronavirus、Zika、Chikungunya和Malaria，整合轻量边缘AI模型如YOLOv8/MobileNet以实现无人机上无云依赖实时离线推断，开发基于5G/物联网（Internet of Things, IoT）连接和基于地理信息系统（geographic information system, GIS）流行病学制图的自主集群监测以识别热点，优化硬件以增强飞行续航、载荷能力、耐候性和故障安全机制，并进行系统监管许可和商业转化，以供公共卫生机构用于大流行防范。
