《Biosensors and Bioelectronics》：Decoupling neurodegenerative protein signals in biofluids via cross-reactive interfaces and inverted multi-dynamic encoders
编辑推荐：
•
硬件-软件协同设计可分离生物流体中的多重蛋白质信号
•
交叉反应阵列可直接分析复杂生理基质
- •
硬件-软件协同设计可分离生物流体中的多重蛋白质信号
- •
交叉反应阵列可直接分析复杂生理基质中的蛋白质
- •
算法可数学上消除信号串扰以实现精确量化
- •
该系统可同时定量人血清中的tau-441、Aβ42和α-syn
- •
该平台可在纯转基因小鼠血浆中识别阿尔茨海默病病理特征
引言
早期和准确的诊断对于管理神经退行性疾病和与衰老相关的认知衰退至关重要（Gitler等人，2017年；Hansson，2021年；Heemels，2016年；Ising等人，2015年；Long和Holtzman，2019年；Mintun等人，2021年；Moqri等人，2023年；Ross和Poirier，2004年；Sevigny等人，2016年；Van Dyck等人，2023年）。像阿尔茨海默病（AD）和帕金森病（PD）这样的认知障碍通常伴随着病理蛋白的异常积累，包括tau-441、β-淀粉样蛋白42（Aβ42）和α-突触核蛋白（α-syn）（Clinton等人，2010年；Irwin等人，2013年；Sengupta和Kayed，2022年）。这些神经退行性生物标志物直接导致疾病的发生和发展，它们的相互作用和浓度动态形成了反映疾病阶段和严重程度的生化特征（Dolatshahi等人，2018年；Irwin和Hurtig，2018年；McAleese等人，2021年）。然而，当前的诊断方法主要依赖于临床症状和侵入性程序，这不足以实现早期和准确的检测（Husain和Garrett，2005年；Qiu等人，2022年；Teunissen等人，2022年）。这一局限性推动了对于能够实时检测疾病相关分子的可访问、最小侵入性生物传感技术的需求（Hansson等人，2023年）。
在单个样本中同时测量多个生物标志物存在重大的技术挑战。在生理环境中，严重的Debye屏蔽效应极大地限制了有效的传感距离。虽然消除笨重的生物受体可以减少与传感器表面的物理距离并减轻这种屏蔽效应，但这也不可避免地加剧了目标分子之间的非线性信号重叠和串扰（Meng等人，2024年；Nakatsuka等人，2018年）。为了规避这种根本性的干扰，以往的研究主要依赖于物理硬件重构，如空间分离的多电极阵列或复杂的自组装条形码纳米结构。然而，这些以硬件为中心的方法不仅使传感器制造过程复杂化，而且严重限制了其快速即时检测的实用性。
为了克服这些物理限制而不使传感器硬件过于复杂，人工智能（AI）和机器学习越来越多地应用于生物分析（Almgren等人，2023年；Jeppe等人，2024年；Lin等人，2020年；Ouassil等人，2022年；Saleem等人，2022年；Taniguchi等人，2021年；Tijms等人，2024年；Uddin等人，2019年；Wang等人，2018年；Zhu等人，2024年）。特别是，监督学习技术在模式识别方面显示出巨大潜力（Almgren等人，2023年；Liu等人，2022年；Qiu等人，2022年）。然而，当前的ML辅助的多重生物传感方法通常依赖于物理隔离的多通道或不同的检测原理来预先防止交叉干扰。因此，传统的AI集成诊断技术仍主要局限于简单的模式识别任务，例如疾病的二元分类（Liu等人，2022年）。为了持续跟踪疾病进展，一个关键的技术障碍是：算法上解开高度复杂、重叠的电化学信号，以精确校准个别生物标志物的绝对浓度尺度。
为了弥合这一关键的技术差距，我们提出了反向多动态编码器（IMDE）框架。这个端到端的综合平台通过算法解开多重信号，并使用分层的热脱氧氧化石墨烯（TDGO）传感器精确量化生物标志物的浓度。TDGO传感器不是物理上扩展传感器阵列，而是直接从生物流体中提取一个高度重叠的9通道电化学谱型。其背后的IMDE架构受到现代深度学习中的反向瓶颈结构（Sandler等人，2018年）和专家混合（MoE）范式的启发（Fedus等人，2022年）。其共享的骨架将低维信号显著扩展到高维空间，以展开纠缠的特征。同时，新引入的占优编码器作为门控网络，成功地将目标特定的独特特征与多重谱型分离。通过进一步整合独立的量化编码器，IMDE自主调整训练损失权重，以同时量化tau-441、Aβ42和α-syn的绝对浓度。这种机制有效地中和了物理传感器的固有测量误差。通过将重点转向软件驱动的架构，这种方法在包括人血清和转基因小鼠血浆在内的复杂临床基质中实现了高精度，为神经退行性疾病的非侵入性液态活检提供了一个高度可扩展和可访问的平台。
章节摘录
传感器电极的制造
在一块六英寸的硅晶圆上制造了一个3 × 3的IDE阵列，硅晶圆上覆盖有SiO2绝缘层。电极图案是通过光刻定义的。图案开发后，依次通过电子束蒸发沉积了钛粘合层（10纳米）和金导电层（50纳米）。每个IDE传感单元由24个相互交叉的电极指组成，相邻电极之间的间距为5微米，提供了较大的表面积，以增强分析物相互作用。
交叉反应电子接口和分析流程
在复杂的生理基质中，Debye长度通常小于1纳米（Nakatsuka等人，2018年）。这会导致严重的Debye屏蔽效应，显著阻碍了tau-441、Aβ42和α-syn等神经退行性蛋白质的检测（图1A）。为了减轻这种屏蔽效应和蛋白质干扰，传统的多重化方法通常依赖于复杂的硬件重构或空间分离的阵列（Gwyther等人，2024年；Hwang等人，2020年；Meng等人，2024年）。
结论
总之，我们开发了一个集成的TDGO-IMDE框架，能够从微升级别的生物流体样本中量化神经退行性蛋白质。我们的方法不是依赖于空间分离的多电极阵列来防止信号重叠，而是将重点转向软件驱动的多重化。通过算法解开从单个交叉反应接口提取的复杂、非线性的电化学谱型，该平台解决了固有的物理限制。
CRediT作者贡献声明
Hyunjeong Kim： 方法学。 Soo Hyun Lee： 写作 - 审稿与编辑、监督、项目管理、概念构思。 Eosu Kim： 写作 - 审稿与编辑、监督、项目管理、资金获取、概念构思。 Dabin Song： 可视化、方法学、形式分析。 Hang Dong： 数据管理。 Tianci Liu： 数据管理。 Hye Gyu Cha： 数据管理。 Seong Chan Jun： 写作 - 审稿与编辑、监督、项目管理、资金获取、概念构思。
利益冲突声明
? 作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。
致谢
本研究得到了韩国政府资助的国家研究基金会的资助（RS-2024-00339770），以及韩国环境产业与技术研究院通过室内空气生物危害管理技术开发项目的支持（该项目由韩国环境部资助（ARQ202101038001），此外还得到了韩国技术进步研究院（KIAT）的资助（由韩国MOTIE资助）（RS-2024-00420590，HRD工业项目）。
Yun Ji Hwang|Teajong Hwang|Dabin Song|Hang Dong|Tianci Liu|Hye Gyu Cha|Hyunjeong Kim|Soo Hyun Lee|Eosu Kim|Seong Chan Jun
