人工智能驱动的海洋生物传感器：从智能材料设计到智能海洋监测

《Biosensors》：Artificial-Intelligence-Driven Marine Biosensors: From Smart Materials Design to Intelligent Ocean Monitoring

　　

海洋环境监测对于生态保护、气候调节和蓝色经济的可持续性至关重要。然而，传统海洋生物传感器在原位部署时面临严重瓶颈，其驱动力来自高盐度、侵袭性生物污损以及跨可变海洋尺度的剧烈波动物理参数所带来的压倒性基质效应。近年来，海洋生物传感技术与人工智能（AI）的融合已被提出作为超越这些长期障碍的变革性途径。本叙述性综述批判性地调查了AI驱动海洋生物传感器的最新进展，通过明确分类真正的生物传感器、仿生传感器、传统化学传感器和AI辅助环境监测系统来组织证据，并根据每种技术所展示的验证环境（海水、淡水、实验室或拟议集成）对其进行标记。研究人员首先考察机器学习和深度学习架构如何加速识别元件和功能纳米材料的逆向设计与优化。接下来，研究人员评估 dedicated 于信号预处理、多组分解卷积和非线性定量回归的核心AI算法，这些算法共同使得在强烈海洋噪声中进行稳健的数据解释成为可能。此外，研究人员重点介绍了这些智能传感平台在追踪重金属污染、生态生物安全威胁和新出现污染物方面的前沿应用，随后分析了它们在自主海洋资产上的系统集成，结合IoT边缘计算和自适应抗生物污损框架。最后，研究人员讨论了当前挑战——包括数据稀缺、模型可解释性（"黑箱"局限性）和领域泛化性——并提供了一份任务优先的路线图，将每个研究优先级与传感任务和验证终点联系起来，以实现全球网络化、自校准的智能海洋监测系统。

本文围绕人工智能（AI）驱动的海洋生物传感器展开系统性叙述性综述，构建了"传感任务—识别策略—AI功能—验证环境—部署就绪度"的任务导向评估框架，并按证据等级（[SW]海水验证、[FW]淡水或其他环境基质验证、[LB]仅实验室验证、[PR]拟议集成）对各类技术进行标注。引言部分指出，海洋覆盖地球表面70%以上，传统依赖离散瓶采样结合 centralized 实验室分析（如ICP-MS、HPLC）的监测范式受限于高运营成本、长周转时间和难以捕捉动态生态事件；而将敏感分析硬件部署于海洋面临化学、物理和生物三重瓶颈：海水典型盐度35 PSU、以Na⁺（约0.47 M）和Cl^-（约0.55 M）为主的高离子强度可将德拜长度压缩至1 nm以下，盐度通过静电屏蔽、盐依赖性结合热力学和扩散控制传质三种机制作用于传感器；生物污损方面，浸入海水数分钟内蛋白质、腐殖酸和多糖即形成条件膜，数小时内先锋细菌和微藻定殖形成生物膜，导致光学传感器基线漂移和电化学传感器传质受阻；物理动态方面，温度波动、波浪剪切应力和深海静水压（每10 m约增加1个大气压）均干扰识别元件构象与信号输出。为此，监测范式须从独立被动传感器转向智能自主网络化系统，并借助AI处理多模态非线性时空数据。第2章讨论AI辅助的海洋生物传感材料与结构设计优化。在识别元件方面，传统SELEX筛选耗时且未考虑背景海洋离子竞争，CAAMO框架整合计算机结构建模与理性突变获得高亲和力RNA适配体变体TaG34C；基于条件离散扩散模型的AptaDiff平台通过变分自编码器基序依赖潜在嵌入和亲和力引导贝叶斯优化生成新候选，表面等离子体共振测试中K_D值较SELEX候选降低达3.6倍；AlphaFold和定制图神经网络（GNNs）支持互补决定区（CDR）预测与抗体理性工程，多通道等变注意力网络（MEAN）通过E(3)等变消息传递实现序列与结构共设计，抗原结合CDR设计相对提升22%、结合亲和力优化提升34%；但基准测试显示AlphaFold在CDR-Hs和可变域—恒定域弯曲角预测上精度下降，AlphaFold-Multimer仅能从序列建模26个抗体—抗原复合物中的2个；随机森林（RF）和支持向量回归（SVR）被用于快速导航分子印迹聚合物（MIPs）的单体—交联剂—溶剂参数空间。作者指出AI设计识别元件的验证深度是最薄弱环节：亲和力几乎全部在近生理离子强度下报告，缺乏全强度海水（35 PSU）暴露后的亲和力保持、特异性或货架稳定性数据，且未与SELEX衍生对照在相同条件下比较。在纳米材料与基底方面，生物质衍生多孔碳和单/双原子催化剂（SACs/DACs）成为强大界面，如Cu,Fe-S/-C异核双原子纳米酶具有CuN₁S₂-N-FeN₃S₁-C活性中心，3.4 ?的Cu-Fe间距实现位点间协同电子转移；多传感器电子舌网络结合七种经典机器学习模型在复杂海水基质中检测微塑料和Zn²⁺、Cd²⁺，分类准确率超过90%（AUC > 0.9）；IoT enabled 碳线电化学传感框架结合PCA特征提取与SVM分类器对Cd²⁺、Pb²⁺、Cu²⁺、Hg²⁺识别准确率达95.9%–97.5%；晶体图卷积神经网络结合DFT验证从数千种双金属位点组合中筛选石墨烯负载候选，机器学习原子间势在主动学习循环中重现DFT级精度并支持显式溶剂有限温度模拟，作者提出可将抗氯中毒的Cl^-/OH^-吸附选择性描述符纳入计算预筛选。在器件微结构方面，微流控芯片实验室（LOC）和微电极阵列的通道与腔室几何须兼顾采样通量与浮游细胞剪切敏感性，物理信息神经网络（PINNs）将流动控制方程嵌入损失函数实现无网格正逆求解，深度学习代理模型和贝叶斯优化加速微混合器几何优化；交错人字形微结构产生横向微涡旋增强细胞—表面接触，将流动感知机器学习优化与海洋特定目标（最大化细胞—表面相遇概率同时保持壁面剪切应力低于脆弱浮游植物裂解阈值）耦合是自然下一步，但尚未见海洋相关通量下验证的AI设计微藻捕获芯片报道。第3章阐述生物传感中的核心AI算法与数据处理技术，并强调须区分AI算法本身与传感材料改进、更丰富输入变量等混杂因素的贡献，多数研究缺乏与线性及非线性化学计量学基线（OLS、PLS或线性核SVR）在相同输入和预处理下的对照。在信号预处理与噪声消除方面，小波多分辨率分析因同时在时间和尺度上定位信号能量而可分离漂移、宽带噪声和分析物峰，Tsai等提出的扩展增强小波分解（EWD）方案专为体内方波伏安法（SWV）设计，在严重背景污染下仍改善信号恢复；Esmaeili等建立完整的E-AB传感器深度学习信号处理流程，涵盖合成数据增强、神经检测和定量，数据增强策略将预测准确率从约50%提升至92%；去噪自编码器与集成学习结合可增强下游传感性能且推理轻量适合嵌入式处理器；在温度与盐度交叉灵敏度补偿方面，Zhang等开发机器学习多参数补偿方法同时校正光学溶解氧传感器的温度、盐度和静水压响应，Li等利用反向传播神经网络（BP-NN）以小样本校准数据实现氯离子光纤探头的温度补偿。在模式识别与解卷积方面，针对重金属、有机磷农药和藻毒素共存导致的信号重叠，支持向量回归等监督学习用于方波阳极溶出伏安法（SWASV）中Cd²⁺和Pb²⁺受Cu²⁺、Zn²⁺干扰的峰形校正；无监督降维中主成分分析（PCA）用于首轮聚类可视化，t分布随机邻域嵌入（t-SNE）在非线性流形结构下优于线性PCA；卷积神经网络（CNN）可直接从原始伏安波形学习层次空间特征，如HMID-NET在实验室单金属溶液中对Cd²⁺、Zn²⁺、Cu²⁺实现99.99%分类准确率，但作者指出该任务为受控条件下三类分类而非环境基质中多金属定量，且缺乏跨电极批次、采集 session 或站点的独立验证，存在数据泄漏和预处理泄漏隐患。在定量回归模型方面，鉴于朗缪尔型饱和结合和Stern-Volmer淬灭的非线性，核方法与树模型（SVR、RF、XGBoost）被用于插值强非线性响应面；Lee等将金纳米花阻抗适配体传感器与最小二乘提升（LSBoost）集成结合同时定量邻苯二甲酸二(2-乙基己基)酯和双酚A，检测限分别为0.58和0.59 pg mL^-1，并在12个不同pH河流站点保持准确；长短期记忆（LSTM）网络可直接从电化学适配体传感器完整瞬态信号预测分析物浓度，利用静态校准曲线所丢弃的动力学信息。第4章综述AI驱动海洋生物传感器的前沿应用。在化学与重金属污染方面，生物质衍生多孔碳和原子分散催化剂提供超痕量灵敏度，如Co–N₂C位点对As(III)灵敏度达11.44 μA ppb^-1，铁单原子催化剂配位工程可提升抗Cu(II)干扰的As(III)检测；机器学习补偿材料无法解决的干扰，SVR吸收Cu²⁺非线性干扰实现R² = 0.9942、RMSE 1.12 μg L^-1、平均回收率98.70%；Lahari等基于PCA压缩和SMOTE平衡的差分脉冲伏安（DPV）数据训练四个一维CNN同时定量四种重金属离子（检测限0.62–1.38 μM），作者指出该量级仅适用于污染热点而非基线监测，且未说明变换是否严格在训练折内拟合，存在信息泄漏风险；Park等将表面增强拉曼光谱与监督机器学习分类结合，跨批次测试中Pb²⁺识别平衡准确率84.6%，而AI耦合表面等离子体共振（SPR）传感器用于免校准海洋浮标的设想尚未在同行评议文献中实现。在生态与生物安全威胁方面，针对有害藻华（HABs）和致病微生物，Szymczyk-Drozd等在丝网印刷电极上电沉积金纳米颗粒实现贻贝样品中冈田酸（OA）和石房蛤毒素（STX）的并行竞争性电化学适配体检测，检测限分别为66.4和7.9 pg mL^-1，但验证于贝类提取物而非连续海水监测；HAB预测方面，Zheng等将EFDC水质模型与LSTM耦合，Demiray等系统比较正则化回归、LSTM、门控循环单元（GRU）和Transformer，显示Transformer的叶绿素a预测最准确且SHAP可解释性分析揭示各预测依赖的环境驱动因子；作者强调直接生化检测与生态预测是两类不同任务，叶绿素a是总藻类生物量的间接代理，不能等同于毒素检测性能，二者闭环集成仍属[PR]级设想。微生物病原检测方面，三维CNN在光片荧光显微体积上区分细菌与非细菌颗粒达到与训练有素人类标注者相当的准确率；两阶段卷积—循环网络分析延时微菌落生长在8 h内以96.0%检出率识别七种细菌；Yu等将无标记SERS与CNN结合在15 min内高精度识别六种致病弧菌。在新出现污染物方面，无标记微流控阻抗细胞术结合机器学习实现流动中单颗粒高通量分析，Butement等开发坚固可量产微流控阻抗细胞仪，以1 MHz通道感知颗粒体积、500 MHz通道探测内部组成，结合机器学习分类器在海水样介质中区分并计数1.5–10 μm微塑料；小分子新出现污染物方面，SERS结合机器学习成为领先范式，Yuan等构建智能SERS分析流程，CNN以98.68%识别准确率解析混合抗生素组成，非负弹性网回归定量混合比例，SHAP确认网络关注特征拉曼峰区。第5章讨论智能传感系统：IoT、自主平台与原位部署，并按简化技术成熟度（TRL 3–4实验室验证、TRL 5–6相关海洋环境集成现场演示、TRL 7–8多季节自主运行）分类，明确指出尚无已发表系统同时结合海水内生物传感、船上AI推理和自适应闭环运行。在IoT与边缘计算方面，水下与近表面通信信道存在强信号衰减、窄带宽、高传播延迟和严格能量预算，TinyML范式将压缩轻量模型直接部署于低功耗微控制器，Sharma等展示设备端模型实时分类污染事件并将重处理留给云端，Nuangpirom等在低成本ESP32上部署机器学习回归模型实时预测罗非鱼养殖池水质并自主调节溶解氧和pH，随机森林回归精度最佳（R² > 0.80）而多元线性回归因计算轻量更适合连续设备端执行。在自主平台方面，自主水下航行器（AUVs）、无人水面艇（USVs）、波浪滑翔机和智能剖面浮标成为原位生物分析载荷的首选载体，MBARI第三代环境样品处理器（3G ESP）已集成于长航程AUV载荷舱实现周级部署中自主采集和保存海水及环境DNA样品；Doucette等在系泊ESP上开发并现场试验了藻毒素软骨藻酸的远程次表面竞争性免疫分析，Diercks-Horn等在ALGADEC项目中实现光纤探针半自动rRNA生物传感器检测有毒微藻，但两者均执行固定位置预编程采样、分析节奏（小时/样品）不支持闭环车辆转向；深度强化学习（DRL）被用于三维海洋观测平台的自适应采样路径规划，Fonseca等在波罗的海实验验证AUV对藻华锋面的自适应采样，DINCAE 2.0展示带误差估计的多变量CNN融合互补卫星流。在智能抗生物污损方面，作者提出被动涂层、可再生涂层、主动触发清洗和AI治理闭环系统的演进层级；两性离子聚合物形成密集水合壳抵抗蛋白吸附，Liu等以Fe₃O₄微球携带聚磺基甜菜碱甲基丙烯酸酯和季铵盐杀菌剂的双功能磁性复合涂层保护钙离子选择电极，反转磁场可剥离污染涂层并原位重新沉积；Gaw等证明低电压方波脉冲驱动析氢反应产生瞬态气泡层减少细菌吸附99.5%；电化学阻抗谱（EIS）作为无标记连续污损诊断通道，Akabuogu等报道活体大肠杆菌生物膜在小直流偏压下低频呈现稳定负电容（源于电压门控钾通道活性），可区分早期细菌附着与分析物结合事件；Sharma等证明基于EIS参数训练的随机森林回归模型可预测生物污损存在下酶葡萄糖传感器的灵敏度漂移（平均绝对误差1.50 nA mM^-1），构成"感知—决策—行动"闭环蓝图，但其海洋集成和节能效果尚待现场验证。第6章讨论当前挑战与未来展望，并提出将各研究优先级映射到传感任务和验证终点的路线图。数据可用性与类别不平衡方面，训练数据须捕捉部署中的基质干扰、污损和传感器退化，稀有污染和有害藻华事件要求以事件灵敏度、精确率和误报率评估；数据标准化与基准测试方面，应优先开放原始信号、参考测量和完整实验元数据，遵循FAIR数据实践；模型可解释性与物理一致性方面，LIME和SHAP可识别影响性信号特征但需实验检验且不建立因果性，物理信息学习可纳入吸附、动力学或传输关系；泛化与校准迁移方面，迁移学习和域适应已改善跨水质监测站点预测，元学习有望以有限测量实现校准，但须与传统校准和本地训练模型比较；长期部署与运行可靠性方面，试验应报告灵敏度漂移、误报、预测不确定性、能耗和再校准频率。第7章结论指出，AI在测量链不同环节的贡献各异，证据在单项设计和信号分析任务上强于海水中的持续自主运行，主要差距在于将组件级进展转化为可靠海洋监测系统；任务—识别—AI功能—验证—就绪度框架和[SW]/[FW]/[LB]/[PR]证据标签旨在使这一局限性系统化。第8章方法学说明本文为叙述性综述，以Web of Science核心合集和Scopus为主要数据库并补充PubMed和Google Scholar，检索2018年1月至2026年9月文献，采用迭代式前后向引文追溯而非穷尽式检索。