《ELECTROPHORESIS》：Application of Machine Learning Approaches in Electrophoresis—A Comprehensive Review
电泳技术（electrophoretic technique）广泛用于基于带电分子的大小、形状和电荷，利用电场对带电分子进行分析和纯化，应用领域包括DNA指纹分析、遗传学研究、疾病诊断和药物开发。然而，电泳数据的采集、处理和分析受到实验变异性、仪器与成像限制、数据处理困难以及分析不一致性的制约，这些问题可能扭曲条带质量、阻碍准确的分割与定量，并损害可重复性。数据科学的最新突破促成了强大的机器学习（machine learning, ML）技术的发展，使模型能够从数据中学习、识别模式并做出决策或预测。这些技术正被用于实现电泳数据采集、处理和分析的自动化。本综述考察了机器学习在电泳中的当前应用，包括电泳衍生数据的分析与解释、电泳性质与分离行为的预测、操作条件的优化，以及与微型化传感和即时检测（point-of-care）平台的集成。文中还讨论了与数据集质量和独立性、外部验证、可解释性、计算需求、可重复性以及实际部署相关的跨领域挑战。
**1 引言**
电泳通过施加电场，基于DNA、RNA、蛋白质及其他大分子等带电分子的大小、电荷和形状对其进行分离。当施加电流时，分子通过凝胶或液体等介质向相反电荷的电极迁移，高电荷分子通常比低电荷或中性分子移动更快。电泳的发展始于Reuss对电场中带电粒子迁移的观察，经Tiselius开发移动界面电泳用于血清蛋白分离而得到推进，随后向半固体分离介质的转变促成了凝胶电泳的发展，包括聚丙烯酰胺凝胶电泳（polyacrylamide gel electrophoresis, PAGE）和琼脂糖凝胶电泳（agarose gel electrophoresis, AGE）。脉冲场凝胶电泳（pulsed-field gel electrophoresis, PFGE）后来被开发用于分离超大DNA分子。随后，毛细管电泳（capillary electrophoresis, CE）作为高性能分析技术出现，相关模式包括毛细管区带电泳（capillary zone electrophoresis, CZE）、毛细管凝胶电泳（capillary gel electrophoresis, CGE）和胶束电动色谱（micellar electrokinetic chromatography, MEKC）。其他重要进展包括等电聚焦（isoelectric focusing, IEF），后融入双向凝胶电泳（two-dimensional gel electrophoresis, 2D-GE）和与质谱联用的蛋白质组学工作流程，并适配毛细管和微流控形式；等速电泳（isotachophoresis, ITP）则基于位移电泳概念和稳态下所有区带同速移动的引入而发展，后与毛细管电泳耦合并适配微芯片平台。如今，电泳技术因其高分离效率、灵敏度和通用性而广泛应用于化学、分子生物学、生物技术、遗传学、蛋白质组学、临床诊断、法医学、制药、免疫学和环境分析等领域。不同技术产生不同的分析输出：基于凝胶的方法产生泳道、条带和蛋白质斑点图案；毛细管方法产生电泳图、峰、淌度测量和迁移时间；IEF产生聚焦图案和等电点测量；微芯片或相关微型化系统可能产生荧光信号、图像或时间分辨的迁移数据。表1总结了主要电泳技术、其典型应用、所产生数据或分析输出的主要形式以及相关的潜在ML任务。尽管应用广泛，电泳工作流程仍对实验、仪器和数据处理变异性敏感。例如，凝胶聚合、染色、缓冲液组成、凝胶浓度和样品加载的差异可产生扭曲、拖尾或分辨不良的条带，并降低不同运行之间的可比性。仪器相关变异，包括施加电场、电源和温度的波动，可能进一步影响迁移行为和数据质量。类似地，在图像和信号采集过程中，照明不均、分辨率有限、饱和和校准误差可引入系统性变异。缺失或不一致的元数据（如运行条件或样品制备细节）也可能妨碍适当的归一化和系统性误差校正。此外，微弱、重叠或不规则的条带、斑点和峰可使特征检测和边界识别变得困难。这些挑战共同影响电泳测量的可靠性，并产生对更一致的数据校正、特征识别、定量和解释方法的需求。
机器学习（ML）在改进电泳数据采集、处理和分析方面的作用显著，因为ML技术可在工作流程的每个阶段提高准确性、效率和可重复性。此外，ML可实现电泳数据采集、处理和分析阶段的自动化，通过减少人工干预提高实验间的一致性，并增强电泳结果解释的可靠性。在数据采集中，ML模型可与成像系统集成以自动调整曝光、焦距和照明，减少变异性并提高图像质量。实时ML算法还可监测信号强度和迁移模式，有助于在运行过程中检测不均匀电场、样品过载和凝胶缺陷等实验伪影。在数据处理中，基于ML的图像分析模型擅长自动泳道检测、条带分割和背景校正，即使条带微弱、重叠或形状不规则。此外，ML模型可比传统基于规则的方法更有效地对信号去噪和校正背景变异。ML还可通过考虑以元数据形式存储的实验条件来帮助跨运行归一化数据，从而使比较更可靠。自动化特征提取和分类与人工解释相比可减少人为偏差、误差和变异性，加快分析速度并提高可重复性。以往的综述通常聚焦于这一 broader 主题的个别组成部分，如毛细管电泳中的人工智能（artificial intelligence, AI）、双向凝胶电泳图像的预处理和分析，或特定的电泳数据处理挑战。相比之下，本综述汇集了跨多种电泳技术和分析任务的ML应用，包括电泳图像和信号的预处理与分析；泳道、条带、峰和斑点分析；电泳衍生数据的分类和预测分析；电泳性质和迁移行为的预测；分离条件的优化；以及与微型化传感平台的集成。通过在共同的任务框架内考察这些应用，本综述还强调了与数据集质量、验证、可解释性、计算需求、可重复性和实际转化相关的反复出现的问题。
**2 本综述的范围与组织**
本综合综述考察机器学习与电泳在数据分析、性质预测、分离优化和集成传感应用中的广泛交叉。所考虑的电泳技术包括一维和双向凝胶电泳、血清蛋白电泳（serum protein electrophoresis, SPEP）、免疫固定电泳（immunofixation electrophoresis, IFE）、血红蛋白电泳（hemoglobin electrophoresis, HBE）、毛细管电泳及其相关模式（包括CZE和毛细管电泳-质谱联用（capillary electrophoresis-mass spectrometry, CE-MS））、IEF、ITP、微芯片和纸基电泳。当研究使用ML或数据驱动分析来预处理、检测、定量、分类或解释电泳图像、曲线、视频、光谱或分子谱时，该研究被纳入。此外，本综述考虑使用ML预测电泳性质和分离行为、优化操作条件或分析电泳衍生测量的研究。为清晰起见，本综述使用"ML辅助"（ML-assisted）一词涵盖几类相关计算方法。经典ML包括用于分类或回归的监督方法和用于识别无标签数据中结构或降维的无监督方法。深度学习使用多层神经网络架构直接从图像、信号、分子序列或数值谱学习日益复杂的表示。计算机视觉和信号处理辅助的工作流程将图像或信号变换与学习算法相结合，用于去噪、特征提取、分割、峰检测和分类等任务。物理信息方法和混合方法将支配物理关系纳入模型开发。表2总结了本综述纳入的代表性ML方法及其一般功能和典型电泳应用中的作用。
为在定义范围内识别相关文献，使用Google Scholar、Web of Science、PubMed等进行了检索。检索查询将电泳相关术语与机器学习术语组合，如"electrophoresis" AND "machine learning"，并对特定电泳技术使用类似查询。未对发表时间施加预定义限制，考虑了截至2026年3月发表的研究。研究根据与定义范围的相关性进行筛选，电泳或ML辅助分析仅起边缘作用的研究被排除。由于本文旨在成为综合而非系统综述，研究基于其与定义范围的相关性进行选择。
本综述根据ML在电泳工作流程中的主要作用进行组织。第3节聚焦于电泳衍生数据的分析和解释，包括预处理和去噪；泳道、条带、峰和斑点分析；图像、信号、分子谱及其他电泳衍生测量的分类和预测分析；以及实时迁移追踪。第4节考察基于ML的电泳性质和分离性能预测以及操作条件优化。第5节讨论ML与微芯片和纸基电泳系统的集成，重点在实时信号解释、即时检测分析和实际部署。第6节整合主要发现并提出ML辅助电泳持续发展的未来研究方向。
**3 用于电泳衍生数据分析和解释的机器学习**
电泳实验产生多种形式的分析数据，包括一维凝胶图像、2D-GE斑点图、电泳图和SPEP曲线、免疫固定和血红蛋白电泳图像、分子和片段大小谱、毛细管电泳迹线以及分子迁移的实时视频记录。在某些应用中，电泳图像或信号本身作为ML模型的直接输入，而在其他应用中，电泳提供定量分子测量或特征，随后用于分类或预测分析。因此，ML辅助分析涵盖几个不同的任务。图像预处理和去噪提高输入数据的质量和一致性；泳道、条带、峰和斑点分析实现电泳特征的定位、对齐和定量；分类和预测模型解释完整图像、信号、分子谱及其他电泳衍生测量；视频分析框架追踪迁移样品的时间演变。因此，本节主要根据ML方法所执行的分析角色而非仅按电泳技术或应用领域进行组织。这种基于任务的组织方式有助于比较与ML辅助电泳数据分析相关的不同输入表示、模型需求、分析输出、验证考虑和技术挑战。表3总结了使用ML及相关数据驱动方法分析和解释电泳衍生数据的代表性研究。
**3.1 图像预处理和去噪**
ML辅助电泳图像分析的可靠性在很大程度上取决于提供给模型的图像的质量和一致性。背景噪声、照明不均、染色变异、凝胶伪影和几何畸变可遮蔽电泳特征并影响斑点检测、匹配、定量和分类等下游任务。因此，图像预处理是提高图像一致性同时保留与斑点位置、形态和强度相关的有意义信息的重要初始步骤。在2D-GE图像分析背景下，Berth等回顾了最新技术并强调从先检测斑点转向在斑点检测和匹配之前对齐凝胶图像，有助于减少匹配误差并生成更完整的表达谱。最近，Matuzevi?ius利用基于自编码器的深度学习框架重建和去噪蛋白质斑点，优于传统高斯和扩散模型，并提供对真实蛋白质斑点更稳健的表示。这些方法共同解决了2D-GE图像准备的互补方面。凝胶图像的适当对齐有助于在不同凝胶之间匹配相应蛋白质斑点，而自编码器方法减少噪声并产生单个斑点的更清晰表示。这些进展可支持下游任务（如斑点检测、匹配和定量分析）更一致的图像输入。
**3.2 电泳图像和信号中的泳道、条带和峰分析**
电泳泳道、条带和峰的分析需要在不同形式的一维和泳道结构电泳数据（包括凝胶图像、电泳图、SPEP曲线和多泳道IFE图像）中可靠地识别和表示特征。根据分析目标，ML方法可使用条带或峰的整体分布进行图案解释，区分信息峰与伪影，直接分割单个条带或异常区域以进行定位和定量，或建模多个泳道间相应条带之间的关系。当电泳特征微弱、重叠、形状不规则或受背景变异影响时，这些任务变得特别具有挑战性，使得稳健的特征提取和定位对后续定量或分类分析很重要。早期应用主要集中于分析一维分离产生的整体图案。Supek等将支持向量机（support vector machine, SVM）与无监督学习方法耦合，以指纹识别从常规一维SDS-PAGE条带图案获得的复杂植物组织蛋白质混合物。类似地，Altinier等使用六个自联想神经网络（auto-associative neural networks, AANN）分析毛细管电泳产生的血清蛋白迹线，并基于电泳图案自动分类，达到97.4%的灵敏度。在一项相关法医学应用中，Marciano等使用基于SVM的概率模型区分毛细管电泳图中的信息等位基因峰与技术伪影和背景噪声。最近，基于深度学习的图像分割使得单个电泳条带的直接定位和定量成为可能。Aquilina等开发了GelGenie，一个AI驱动的框架，使用U-Net架构自动检测和定量凝胶电泳图像中的条带。使用500多张手动标记的凝胶图像训练，模型达到0.82的Dice分数和74%的分割准确率。峰导向分析也已应用于SPEP。Li等使用基于高斯混合模型（Gaussian mixture model, GMM）的峰检测方法从电泳数据中提取132个信息特征，随后使用随机森林分类，达到82.81%的准确率。最近，血清蛋白电泳计算机辅助识别系统（SPECTR）框架使用超过159 000条专家注释的SPEP曲线整合了分级、定性图案分类、峰检测和溶血检测，M峰检测的AUROC值达到0.90至0.99。他们的系统还展示了快速推理，在标准笔记本电脑上无需专用GPU即可在不到100 ms内解释每个样品，尽管模型训练使用GPU资源。SPECTR系统的进一步回顾性验证显示其分类模型达到0.97的AUROC。为改善SPEP数据中M蛋白区域的定位，Wang等比较了多种ML架构，报告U-Net结合transformer达到0.877的交并比（intersection over union, IoU）和0.976的准确率，优于ResNet和DenseNet模型。除SPEP曲线的峰导向分析外，IFE图像分析提出了独特的二元关系问题，其中诊断取决于蛋白质条带跨泳道的水平对齐。为解决这一问题，Wei等提出了一种深度并置学习框架，明确建模这些泳道间关系。具体而言，他们开发了基于卷积神经网络（convolutional neural network, CNN）的架构，首先通过将每个泳道划分为水平条带并计算跨泳道条带之间的成对关系，将原始IFE图像转换为结构化并置张量，从而编码对识别免疫球蛋白类型至关重要的条带共定位信息。这种张量表示将原始关系问题转换为可被深度学习模型有效处理的形式。并置张量随后被馈送到CNN（ResNet-18）以学习这些条带间关系的高级表示。提取的特征随后通过全连接层进行最终分类，预测存在的单克隆蛋白类型。为确保模型聚焦于临床有意义的图案， coached attention gates（CAGs）被整合到网络中，以强调对应于张量近对角元素的特征，这些特征代表跨泳道水平对齐的条带，与诊断最相关。对于证据回溯，他们在模型训练后使用Grad-CAM。由于网络在并置张量而非原始图像上操作，Grad-CAM首先识别张量空间中的重要区域，然后映射回原始IFE图像的相应行。这种映射允许系统突出显示对预测有贡献的精确条带位置，从而提供临床可解释的视觉证据，而无需训练期间的像素级注释。总的来说，这些研究表明，基于泳道、条带和峰的电泳分析可在几个互补层面运作。完整泳道或迹线图案可用于指纹识别和分类，而峰导向方法识别信息信号成分并将其与伪影或背景区分。基于分割的方法实现局部条带检测和定量，而更专门的框架可识别电泳曲线中的异常区域。因此，适当的表示在很大程度上取决于分析目标：整体图案可能足以进行样品分类，而定量和异常区域定位需要准确的特征边界。IFE解释还取决于保持泳道间条带共定位。所综述的研究还说明了从经典基于特征和概率方法向深度分割、transformer辅助定位和关系感知CNN架构的进展。这些进展扩展了分析复杂泳道、条带和峰图案的能力，包括微弱或重叠特征以及取决于多泳道间条带对齐的图案。
**3.3 2D-GE和2D-PAGE图像中的斑点检测、对齐和定量**
双向凝胶电泳产生复杂的蛋白质斑点图案，需要准确的斑点检测、对齐和定量以在不同凝胶之间进行比较。由于非线性畸变、斑点位置和强度的变化、重叠斑点和背景噪声，这些任务可能具有挑战性。因此，ML和自动图像分析方法已被应用于改善蛋白质斑点的识别、匹配和定量分析。早期方法解决了2D-GE图像间的斑点表示和匹配问题。Appel等结合概率聚类和高斯拟合来减小图像数据大小并将不同凝胶间的斑点匹配提高10–20%。Almeida等后来使用bootstrap ANN考虑斑点强度和比对的变化，并为观察到的蛋白质斑点过表达和低表达分配置信值。Correa等应用ICA在模拟2D-GE图像中识别差异表达蛋白质，报告无假阳性或假阴性检测，且与传统方差分析（analysis of variance, ANOVA）方法相比速度和准确性提高。随后，Tsakanikas和Manolakos使用基于GMM的分层无监督学习方法进行蛋白质斑点检测和定量，与行业标准软件（如PDQuest）相比实现了更高的灵敏度、更低的定量误差和更高的F-measure。Molina-Mora等研究了开源CellProfiler平台用于从不同抗生素暴露条件下获得的2D-GE图像自动检测和分析斑点。最近，Matuzevi?ius利用基于自编码器的框架重建、去噪和参数化蛋白质斑点，优于传统高斯和扩散模型。这些研究展示了2D-GE图像分析不同阶段的互补方法。对齐确定哪些斑点在不同凝胶间对应，检测识别代表蛋白质斑点的区域，定量测量其强度或体积。这些相互关联的阶段共同提供跨凝胶蛋白质表达图案的更完整表示，并支持比较2D-GE分析。
**3.4 电泳衍生数据的分类和预测分析**
除预处理、特征检测和定量外，ML方法已广泛应用于分类和解释电泳衍生数据，并在某些情况下预测生物学或临床结果。这些应用中的输入表示差异很大，可能包括完整凝胶图像、单个泳道、电泳迹线、测量的斑点强度、频率或纹理衍生特征、文本电泳报告、片段大小分布、肽或代谢物谱以及电泳分离后获得的定量分子测量。因此，电泳的作用也各不相同：在某些研究中，电泳图像或信号被直接分析，而在其他研究中，电泳提供定量特征，随后与分子、临床或人口统计学变量结合。ML模型已使用这些表示进行从样品和图案分类到疾病筛查、患者分层和风险预测的任务。早期研究主要使用斑点衍生或图像衍生表示进行分类。Roch等应用归纳学习方法基于斑点积分密度将2D凝胶电泳图分类为健康和病理组。后来，Vohradsky使用神经网络从链霉菌2D-GE数据库分类复杂蛋白质表达谱，神经网络在识别非线性图案方面优于聚类分析和PCA。Kim和Kim随后将2D-GE图像表示为向量，并提出基于SVM的方法从血清蛋白谱进行患者和健康对照的二元分类。相关分类方法也已应用于2D-PAGE数据，使用凝胶图像本身或电泳分离后获得的定量蛋白质组谱。Froehlich等对85名绝经前女性使用2D-PAGE获得的血清蛋白质组谱应用梯度提升机（gradient boosting machine, GBM），乳腺癌分类的AUROC达到0.91。Hayashi等直接分析血清样品的高性能2D-PAGE图像以区分脓毒症和非脓毒症病例。由于仅有98张图像（30例脓毒症和68例非脓毒症），作者将迁移学习纳入DNN框架，达到至少98%的分类准确率。类似的谱级分类方法已应用于SPEP数据。Chen等使用快速傅里叶变换（fast Fourier transform, FFT）衍生特征与逻辑回归进行副蛋白检测，达到0.944的曲线下面积（area under the curve, AUC）。在后续工作中，同一团队扩展了该框架，使用空间-频率域分析捕捉与异常尖峰相关的高频成分，达到97%的灵敏度和0.90的AUROC。Zhou和Feng开发了随机森林筛查模型，使用包括乳酸脱氢酶（lactate dehydrogenase, LDH）、白蛋白和肌酐在内的七个常规实验室预测因子检测免疫球蛋白D（Ig D）骨髓瘤，达到0.954的AUROC和0.958的灵敏度。Cherkaoui等使用SPEP谱β区定量异常与随机森林预测单克隆性，达到85%的灵敏度和0.91的AUROC。电泳衍生文本信息也已被研究：Ryu和Zimolzak使用SVM与词袋表示分类SPEP报告，达到0.997的AUROC，尽管该方法依赖于实验室报告术语而非直接分析电泳曲线。除直接分类电泳图像和迹线外，ML也已应用于通过电泳工作流程产生的数值分子谱和其他定量测量。在这些应用中，模型输入通常由丰度谱、片段大小分布或电泳衍生测量组成，有时与临床或人口统计学变量结合，而非原始电泳图像或曲线。Li等开发了随机森林模型，使用患者特征、临床测量和尿蛋白电泳（urine protein electrophoresis, UPE）结果预测原发性肾病综合征的病理类型。该模型在222名患者的回顾性数据集中达到62.2%的准确率，在前瞻性收集的63名患者组中达到61.9%。这些结果证明了将UPE纳入无创预测框架的可行性，同时也说明了使用常规临床数据区分多个病理类别的困难。随后，更高维的尿液分子谱使得更详细的风险和疾病状态分析成为可能。Saito等使用CE-MS分析尿液代谢物谱以早期识别术后重症监护患者的急性肾损伤（acute kidney injury, AKI）。应用最小绝对收缩和选择算子（least absolute shrinkage and selection operator, LASSO）回归选择信息代谢物和临床变量并构建线性预测模型。最近，Massy等使用CE-MS分析1000名G3–G5期慢性肾病（chronic kidney disease, CKD）患者的尿液肽组。使用监督和无监督学习表征患者组并预测向肾衰竭的进展。90肽模型在原始队列中达到0.83的c-index，在326名患者的独立外部队列中达到0.89，提供了电泳衍生分子谱研究中外部队列验证的显著例子。电泳衍生分子测量也已与其他生物学和人口统计学变量结合用于样品分类。Karaglani等分析从96名2型糖尿病（type 2 diabetes mellitus, T2DM）患者和71名健康个体获得的循环游离DNA（circulating cell-free DNA, ccfDNA）。使用毛细管电泳进行片段大小谱分析，所得测量与DNA甲基化和人口统计学变量结合在AutoML框架内。最佳性能的生物特征在区分2型糖尿病患者与健康参与者方面达到0.927的AUC。作为相关的高维蛋白质组学例子，Tian等使用4D-DIA定量唾液蛋白质谱识别17个BMI相关标志物，并开发随机森林和SVM模型分类体重不足、正常体重和超重个体，达到0.8333的准确率。基于CE-MS的代谢组学也已被ML分析用于样品区分和筛查。Murata等比较了使用CE-MS和液相色谱-质谱联用（liquid chromatography–mass spectrometry, LC-MS）获得的唾液代谢物谱用于乳腺癌区分。评估了多元逻辑回归和带bagging的替代决策树（alternative decision tree, ADTree）。在唾液代谢组学基础上，Kuwabara等使用ADTree模型分析2602份唾液样品用于结直肠癌（colorectal cancer, CRC）检测。该模型在验证数据集中达到0.870的AUC，展示了将大规模唾液代谢物谱分析与ML结合用于无创筛查的潜力。除代谢组学外，ML也已应用于其他电泳衍生分子测量。Yokoyama等使用甲基化特异性电泳（methylation-specific electrophoresis, MSE）评估胰腺组织样品中MUC1、MUC2和MUC4基因的启动子甲基化状态。这些甲基化谱被纳入ML分类器（包括基于SVM的模型）以预测胰腺癌患者术后生存结果。基于凝胶的电泳测量也已类似地纳入更广泛的ML分析工作流程。Goldstein等使用无监督共识聚类分析多参数生物标志物数据集，其中包括使用单细胞凝胶电泳（single-cell gel electrophoresis, SCGE）或彗星试验获得的DNA损伤测量。分析识别了三个具有不同生存结果的患者亚组。在另一项研究中，Dargazanli等使用SDS-PAGE随后基于质谱的蛋白质组学分析分析从60名缺血性卒中患者收集的血栓。应用于所得蛋白质丰度数据的SVM达到88.3%的最大准确率。已研究降维和分解方法以获得复杂2D-GE图像的信息表示。PCA和ICA被应用于牛血清蛋白图像，其中PCA有效分离疾病和对照样品，而ICA通过从背景中分离独立信号源增强局部斑点检测。在另一种方法中，Marullo等引入了基于多分量分解的近似方法，仅使用有限数量的分量检测判别图案。其他研究使用预定义图像特征（如纹理测量）分类电泳图案。Alias等使用SVM与从AGE图像提取的灰度共生矩阵（gray-level co-occurrence matrix, GLCM）特征检测植物样品中的禾谷镰刀菌病原体，达到97%以上的准确率，灵敏度和特异性均为97.5%。Fernandez-Lozano等随后评估了几种基于核的ML方法，使用从2D-GE图像选定区域提取的纹理特征分类蛋白质斑点和噪声。随着深度学习使用的增加，也已开发模型直接从电泳图像学习判别特征。Tobing等提出了EP-CapsNet，一种结合胶囊网络与Inception模块的专门架构，用于临床电泳图图像的二元分类。使用39 484张图像训练，该模型在区分正常和异常电泳图案方面达到95.87%的准确率。深度学习也已类似地应用于IFE图像的直接分类。Hu等开发了CNN集成（包括VGG-16、ResNet-18和MobileNet-V2）用于浆细胞疾病识别。使用12 703张专家注释的IFE图像，集成达到99.82%的峰值准确率。作者还报告训练时间约为6.2小时，而单个IFE图像的预测仅需几秒。该系统还使用不同成像硬件获取的图像进行评估，并达到与经验丰富的临床专家相当的性能，展示了集成学习改善IFE解释一致性的潜力。除IFE图像分析外，基于深度学习的图案分类也已应用于血红蛋白电泳（HBE），后者广泛用于识别异常血红蛋白变异以诊断血红蛋白病（包括地中海贫血和镰状细胞病）。电泳条带的人工解释可能耗时且观察者之间可能存在差异，特别是当条带微弱或位置接近时。Khan等开发了基于DL的框架用于HBE图像自动分类为正常和地中海贫血类别。从原始多泳道电泳条带开始，图像首先转换为灰度并随后增强以改善条带可见性。然后通过阈值和形态学操作获得二值表示以分离电泳特征，随后分割单个患者泳道，作为机器学习的标准化输入。这些提取的泳道图像随后通过迁移学习框架使用CNN分析。在他们的工作中，评估了多个预训练模型（包括ResNet变体、InceptionV3、DenseNet201、SqueezeNet和MobileNetV2），具有不同的网络深度和配置。其中，InceptionV3达到最高性能，F1分数为95.8%，而MobileNetV2以显著降低的计算成本展示了95.72%的相当准确率，突出了其用于便携式和即时检测应用的适用性。该研究包括103条电泳条带，从中获得824张单个患者泳道图像用于分析。重要的是，观察到网络聚焦于临床相关的血红蛋白条带位置（如HbA、HbF和HbA2），从而确认学习到的特征与既定诊断标准一致。这种自动预处理、高性能分类和可解释模型行为的结合展示了深度学习支持可靠和可扩展血红蛋白病筛查的潜力。基于ML的分类也已应用于法医遗传谱和食品真实性分析。Benschop等使用从常染色体STR谱提取的特征在随机森林分类器中估计法医DNA混合物的贡献者数量，达到83.3%的准确率。在一项相关法医工作流程中，Liu等开发了Fragsifier，一种基于ML的方法用于从大规模平行测序数据中检测和提取STR序列，并将所得基因型与CE衍生谱进行比较。Jin等进一步将六种ML方法应用于选定的17个信息缺失/插入多态性标志物面板用于祖先推断，其中朴素贝叶斯在非洲、欧洲和东亚人群之间提供最佳分类。除法医分析外，Fagnani等通过使用朴素贝叶斯分类器分析尿素-PAGE蛋白质谱，识别了掺入Ricotta的Parmigiano Reggiano奶酪。总的来说，这些研究表明ML辅助分类和预测分析可在几个层面的电泳衍生信息上运作，从工程化图像或信号特征到完整电泳图像和迹线、分子谱以及下游定量测量。当信息特征可明确定义时，SVM、逻辑回归、随机森林、降维和基于决策树的方法等经典方法仍被广泛使用，而深度学习使得直接从复杂电泳图像学习判别特征成为可能，如IFE和HBE分析所示。所综述的研究还说明电泳结果可作为ML的直接输入或作为生成分子测量以供后续预测的上游分析步骤。由于这些工作流程使用不同形式的电泳衍生信息并针对不同的分析目标，所报告的性能指标在每个研究的背景下最有意义。文献中的独立队列评估和跨硬件评估说明了基于ML方法的更广泛适用性，而score-CAM可视化提供了对促成深度学习预测的电泳区域的洞察。总体而言，这些发展突出了ML从多样电泳衍生数据中提取和解释有用信息的灵活性。
**3.5 实时视频分析和迁移追踪**
大多数电泳图像分析方法依赖于分离完成后获取的静态图像。然而，实时视频分析能够连续监测条带迁移并提供电泳特征在整个实验过程中如何变化的信息。这需要模型能够在单个帧中重复识别条带区域并结合这些检测重建随时间的迁移轨迹。在此背景下，Figueiredo等开发了ML辅助框架，利用金纳米颗粒标记样品的视频记录进行凝胶电泳动态分析。电泳过程首先通过在不同时间点提取的代表性帧可视化，其中最初加载在孔中的样品在施加电场下迁移并形成逐渐向下移动的明显条带。虽然这些帧提供对迁移行为的定性洞察，但跨时间准确和可重复地追踪条带位置需要自动分析。为解决这一问题，使用U-Net架构实现基于深度学习的分割框架，以在每个帧中对对应于孔和迁移条带的区域进行像素级识别。与独立分析局部补丁的滑动窗口图像分类方法不同，U-Net处理整个帧以生成分割图，有效将电泳特征与背景分离。模型成功识别和定位条带区域，使得能够精确提取其空间坐标。这些检测到的区域随后跨多个帧分析以确定条带随时间的中心。通过聚合和对齐这些时间检测，系统重建单个样品的迁移轨迹，其中垂直线代表对应于每个孔的推断电泳泳道。该方法使得能够自动追踪迁移路径，允许定量分析条带移动、提高可重复性并实时监测电泳过程。此外，基于分割的框架与基于分类的方法相比展示了显著更高的准确性和计算效率，突出了全卷积网络用于动态电泳分析的适用性。
**3.6 ML辅助电泳数据分析的进展与机遇**
本节综述的研究表明，ML辅助电泳数据分析已从经典基于特征的方法扩展到能够直接处理电泳图像、曲线、分子谱和视频数据的深度学习框架。由于电泳数据可采取多种形式，可根据数据类型和特定分析任务选择不同的ML方法。当信息特征可明确定义时，经典模型仍然有用，而深度学习方法可捕捉更复杂的图像、信号和空间图案。SPEP、IFE、HBE、2D-GE和实时迁移分析的最新发展进一步说明了ML方法如何适应不同电泳数据的特定特征。另一个令人鼓舞的发展是越来越多地使用更大的专家注释数据集和更广泛的评估策略。例如，SPECTR使用超过159 000条专家注释的SPEP曲线开发，并随后在额外的回顾性研究中评估。IFE框架使用不同成像硬件获取的图像进行检查，而基于CE-MS的肾病模型使用独立患者队列评估。这些研究说明了日益多样化的数据集和评估设置如何帮助建立ML方法在不同电泳分析环境中的适用性。可解释性和计算效率也日益整合到ML辅助电泳分析中。IFE分析中的证据回溯和HBE分类中的score-CAM可视化有助于将模型预测与电泳有意义的特征联系起来。同时，SPECTR等研究表明在标准计算硬件上可实现快速推理，而IFE框架表明需要数小时训练的模型在常规分析中仍可在几秒内提供预测。InceptionV3和MobileNetV2的比较说明了紧凑架构如何以更低计算需求提供竞争性性能。总之，这些发展为ML方法通过高效、信息丰富和任务特定的数据解释补充电泳分析的持续进展提供了坚实基础。
**4 用于电泳性质预测和分离优化的机器学习**
电泳分离取决于分析物性质、电场强度、缓冲液组成、温度、分离介质特性及其他操作条件之间的复杂关系。这些关系通常通过经验模型和实验试错进行研究，可能需要大量时间和资源。ML提供数据驱动工具来预测重要电泳性质并识别改善分离性能的操作条件。因此，本节根据预测和优化任务组织，包括电泳淌度预测、迁移时间和分离行为预测、等电点和聚焦行为预测以及实验条件优化。表4总结了使用ML进行电泳性质预测和分离优化的代表性研究及其模型类型和报告性能。
**4.1 电泳淌度预测**
电泳淌度描述带电分析物在施加电场下如何移动，是确定迁移顺序和分离行为的重要因素。然而，准确的淌度预测具有挑战性，因为它取决于分子性质以及实验条件（包括溶剂和缓冲液组成）。ML模型可学习分子描述符、操作条件和实验测量淌度之间的关系，提供在进行大量实验之前估计迁移行为的计算方法。早期研究集中于预测毛细管电泳中小有机化合物的淌度。Jalali-Heravi和Garkani-Nejad使用反向传播ANN预测31种异构烷基和烯基吡啶的电泳淌度。Liu等随后使用SVM和径向基函数神经网络（radial basis function neural networks, RBFNN）预测不同醇浓度下CZE中取代芳香酸的淌度。类似地，Xue等使用SVM、RBFNN和多元线性回归开发了羧酸的定量结构-淌度关系（quantitative structure-mobility relationship, QSMR）模型。淌度预测随后扩展到肽，其迁移行为受更复杂的结构特征影响。Yu和Cheng比较了反向传播ANN（BP-ANN）、径向基函数ANN（RBF-ANN）和支持向量回归（support vector regression, SVR）在CZE中预测肽淌度的性能。其中，SVR达到最佳性能，102个肽的数据集的相对标准误差（relative standard error, RSE）为5.75%。Mittermayr等进一步强调，纳入结构描述符（特别是与肽二级结构相关的信息）可提高淌度建模的准确性。最近，Hamidi等使用Abraham溶剂化描述符比较了MLR、ANN和自适应神经模糊推理系统（adaptive neuro-fuzzy inference system, ANFIS）模型预测几种分析物组的电泳淌度。总之，这些研究表明分子描述符和实验条件可用于以基于核、神经网络和神经模糊模型预测电泳淌度。这些研究中非线性方法的强大性能突出了其捕捉分子特征与电泳淌度之间复杂关系的能力。这些发展为将淌度预测扩展到更广泛的分析物和分离条件以及支持电泳方法开发提供了有用基础。
**4.2 迁移时间和分离行为预测**
在毛细管电泳中，准确预测迁移时间很重要，因为它直接影响分离质量、分析物识别和实验效率。迁移时间取决于分析物特征和操作条件，使得这些关系难以用单一经验模型描述。ML可从实验数据学习这些关系，而混合模型还可使用已知物理关系指导预测。早期基于ML的迁移时间预测主要开发用于支持CE-MS中的代谢物识别。Sugimoto等使用ANN集成从分子结构预测CE-MS中241种阳离子代谢物的相对迁移时间。同一团队后来使用375种标准阳离子代谢物开发了SVR模型以支持CE-TOFMS中的代谢物识别。该模型对整个数据集达到R = 0.952的相关性，交叉验证下R = 0.905，并随后用于预测2938种数据库化合物的迁移时间。Yamamoto和Sasaki随后将基于随机森林的迁移时间预测纳入化学信息学工作流程，用于对未识别CE-TOFMS峰的候选结构进行排序。该方法有助于将尿液样品中两个先前未分配的峰鉴定为胍基乙酸和N-乙酰甘氨酸。最近，Kiuchi等使用XGBoost预测CE-MS/MS中代谢物的实验迁移时间，阳离子模式的均方根误差约为0.93 min，阴离子模式为1.12 min。迁移时间预测也已扩展到更大的生物分子。Chen等评估了五种ML架构用于CZE-MS中蛋白质变体迁移时间预测，报告最佳性能的门控循环单元（gated recurrent unit, GRU）和全连接神经网络模型的相关系数为R = 0.981。超越纯数据驱动预测，Li等比较了传统数据驱动ANN与物理信息神经网络（physics-informed neural network, PINN）预测微流控CE中单链和双链RNA的迁移时间和迁移长度的性能。PINN实现比数据驱动ANN显著更低的预测误差，展示了物理引导建模用于电泳迁移预测的潜力。总之，这些研究展示了迁移时间建模从基于ANN和SVR的小代谢物预测向化学信息学辅助峰识别、完整蛋白质变体的深度学习以及RNA迁移的物理信息预测的进展。在CE-MS应用中，预测的迁移时间可为识别未知或不确定的分子特征提供补充信息，而蛋白质变体和核酸的模型旨在描述更大和结构更复杂分析物的迁移行为。这些进展为将迁移时间预测扩展到额外分子类别和实验条件提供了坚实基础，进一步拓宽了其在化合物识别和电泳方法开发中的作用。
**4.3 等电点和聚焦行为预测**
在IEF和2D-GE中，准确估计等电点（isoelectric point, pI）很重要，因为它确定蛋白质或肽净电荷为零从而到达其聚焦位置的pH。可靠的pI预测可支持选择适当的pH梯度并协助解释蛋白质分离图案。除基于序列的pI估计外，ML还可支持直接解释实验产生的IEF图案。Pérez-Riverol等开发了基于SVM的模型从氨基酸描述符和电荷状态模型估计预测肽pI值。Skvortsov等随后开发了pIPredict，其中包括一个ANN用于从带电氨基酸的身份和位置估计肽pI，使用7390个肽进行训练。Audain等使用PIP-DB数据库和公开可用的肽数据集对几种pI计算和基于学习的方法进行了基准测试。在评估的方法中，基于SVM的方法对肽提供最强性能，均方根偏差（root mean square deviation, RMSD）为0.21，R2为0.96。最近的研究已将深度学习和集成预测纳入基于序列的pI估计。Kozlowski开发了IPC 2.0，结合深度学习和SVR模型从氨基酸序列预测蛋白质和肽pI值。Lee和Min后来引入了AmorProt指纹，使用其组成氨基酸的分子指纹表示蛋白质或肽序列。评估了光梯度提升机（light gradient boosting machine, LGBM）和多层感知器模型用于pI回归，展示了基于分子指纹的序列表示用于预测蛋白质和肽性质的潜力。ML也已直接应用于解释实验产生的IEF图案。Tian等开发了无标记微条带IEF方法，其中CNN分类完整聚焦图案而无需传统pI标记。使用来自21个肉样品的1449个IEF图案（包括受pH梯度漂移影响的图案），模型达到97.1%的准确率，推理时间约为50 ms。该方法表明ML不仅可通过预测分子pI值而且可通过直接解释完整聚焦图案来支持IEF分析。总之，这些研究展示了从基于描述符的SVM和ANN模型向深度学习架构、替代序列表示和IEF图案直接分类的进展。基于序列的模型估计pI值，可支持pH梯度选择和蛋白质或肽识别，而基于图像的模型解释IEF实验期间产生的完整聚焦图案。这些发展共同拓宽了ML在pI预测和实验产生IEF图案分析中的作用。
**4.4 实验和操作条件优化**
电泳分离性能取决于缓冲液组成、pH、电压、温度、毛细管长度和分离时间等操作参数。这些参数通常通过现有文献或重复实验选择。ML辅助推荐和优化方法可通过从先前实验数据识别合适操作条件或搜索参数组合以改善分离性能来减少这种试错过程。Havel等引入了早期ML辅助优化框架，其中实验设计与反向传播ANN结合以建模CZE中操作参数与分离性能之间的非线性关系。他们证明可从有限的设计实验集预测合适的分离条件，而无需完整分离过程的明确物理化学模型。后来，K?ivánková等通过Xemic信息系统引入了互补的基于知识的方法，以支持CZE中实验条件的选择。使用545个已发表CZE实验的精选数据库，该系统应用k-最近邻（k-nearest neighbors, kNN）和朴素贝叶斯分类器识别相似物质并推荐合适的分离条件。近年来，深度神经网络也被引入用于操作条件优化。例如，Sanders等使用ANN预测快速DNA分离的合适条件而无需先前的表面修饰。优化系统随后使用与Duchenne肌营养不良症相关的临床DNA样品进行演示。Frías-García等结合实验设计和ANN优化三嗪除草剂的MEKC分离。分离变量作为模型输入提供，而结合分离度和分离时间的色谱指数函数用作优化响应，说明了平衡多种分离性能指标的早期方法。实验设计和ANN策略的组合也已应用于优化分析物特异性CE方法。Hameda等通过考虑背景浓度和电压优化了CZE测定石杉碱甲的峰面积、峰高和分析时间。优化方法随后应用于药物和血清样品。从条件推荐转向直接参数优化，Zhai等提出了结合遗传算法（genetic algorithm, GA）和最小二乘支持向量机（least-squares support vector machine, LSSVM）的全局优化框架用于四种合成抗肿瘤化合物的毛细管电泳分离。Li等后来结合遗传算法与SVR优化微芯片CE中多重PCR产物的分离。该模型考虑了筛分基质浓度、施加电压、核酸染料浓度和运行缓冲液组成等因素，使得四种食源性病原体的PCR产物在所选条件下可在8分钟内分析。电泳测量也已支持超越直接分离优化的ML辅助实验和测定设计。D?ring等开发了基于逻辑回归的热力学错配模型，从引物-模板序列特征预测免疫球蛋白PCR扩增，使用AGE结果作为实验标签。该模型在940个引物-模板组合中达到0.953的AUC。最近，Abrantes-Coutinho等使用AlphaFold和基于DelPhi的分子建模识别固定灵芝凝集素的有利条件，其纯化通过SDS-PAGE验证。上述研究展示了ML辅助优化电泳条件的几种互补策略。基于知识的系统使用先前实验信息推荐初始条件，而ANN方法从有限数量的计划实验学习非线性关系。GA支持的SVM、SVR和LSSVM框架提供搜索操作变量组合以改善分离性能的额外手段。这些方法为不同电泳应用识别合适操作条件提供了灵活方式。它们还创造了平衡多种分离目标（如分离度和分析时间）的机会，同时支持更高效的电泳方法开发。
**4.5 电泳分离的物理信息和混合建模**
纯数据驱动的ML模型从可用输入和输出数据学习关系，但可能需要大量训练数据集，且不明确考虑支配电泳传输的物理原理。物理信息和混合方法通过将ML与理论关系或基于物理的模拟数据相结合来解决这一限制。这种整合可指导模型训练并减少预测电泳行为所需的实验或数值模拟数量。一种方法是使用基于物理的模拟生成的数据训练ML模型。Jangra等开发了神经网络模型以快速预测所选分析物是否会被等速电泳缓冲液系统聚焦。该模型使用超过10 000个阴离子和10 000个阳离子ITP模拟进行训练和测试，达到97.7%以上的预测准确率。该框架使得能够快速筛选电解质系统，否则需要重复的数值模拟或实验。其他混合方法集中于发现或直接求解电泳传输的支配方程。Both等开发了DeepMoD，结合神经网络与稀疏回归从噪声时空数据识别支配方程。当应用于凝胶电泳的实验时间序列图像时，该方法恢复了描述染料迁移的对流-扩散方程。Sun等随后开发了纳入Nernst–Planck、Poisson和Navier–Stokes方程的PINN框架，并演示了其在微流控系统中电迁移的应用。该框架还支持逆参数识别和跨不同物种参数的迁移学习。Li等展示了将电泳物理更直接地整合到ML中，比较了传统数据驱动ANN与物理信息神经网络预测微流控CE中单链和双链RNA的迁移行为。PINN将迁移时间、毛细管长度和分子量纳入模型的损失函数，允许训练过程由实验数据和已知物理关系共同指导。对于迁移时间预测，PINN达到1.1%的相对误差，而数据驱动ANN为15.12%。类似地，对于迁移长度预测，相对误差从传统ANN的9.56%降至PINN的0.44%。这些结果展示了将电泳关系纳入模型训练与仅使用数据训练的模型相比如何显著改善预测性能。这些研究展示了将电泳知识与ML结合的几种互补策略。模拟辅助模型从使用既定物理模型生成的数据学习，数据驱动模型发现方法从实验观察识别支配传输方程，PINN在模型训练期间纳入已知物理关系。第一种方法可提供计算密集型模拟的快速近似，而物理信息模型可在实验数据有限时改善学习。这些方法共同拓宽了物理知识与ML整合用于电泳建模的方式。
**4.6 电泳性质预测和分离优化的进展与机遇**
本节综述的研究突出了ML在预测电泳性质和支持分离设计方面日益扩大的作用。ML模型已被用于将分子特征和实验条件与电泳淌度、迁移时间、等电点、聚焦行为和其他分离性能指标联系起来。经典ML方法、神经网络和深度学习方法提供捕捉这些关系的互补方式，允许研究人员选择与分析方法类型、可用数据和预测目标相匹配的建模策略。ML辅助优化进一步将这些能力从性质预测扩展到实验条件的选择。基于知识的系统可利用先前实验推荐初始条件，而ANN和基于优化的方法可评估不同实验条件组合（如缓冲液组成、施加电压和分离介质特性）以识别合适的电泳分离条件。由于电泳应用可能强调不同结果，优化目标也可针对分离度、分析时间或性能指标组合等优先事项进行调整。实验应用优化条件的研究进一步说明了基于ML的建议如何直接促进电泳方法开发。物理信息和模拟辅助方法通过将数据驱动学习与既定电泳传输知识相结合提供了另一个有前景的方向。PINN框架获得的改进预测和电泳模拟生成数据训练的神经网络实现的快速筛选说明了将物理关系或模拟数据纳入ML开发的益处。与DeepMoD等模型发现方法一起，这些发展拓宽了研究电泳行为的可用工具，并创造了预测、优化和物理建模更紧密结合的机会。
**5 机器学习与新型电泳传感平台的集成**
微纳加工的进展使得将电泳过程集成到紧凑传感平台成为可能，包括微流控芯片、纸基器件和印刷电路板。根据平台不同，施加电场可用于分离、聚焦、浓缩或传输分析物，产生电泳视频、荧光强度信号或光谱等输出。ML和数据驱动信号处理方法可用于分析这些输出以抑制背景噪声、识别复杂图案、定量分析物并促进快速或实时解释。更广泛地说，ML也已应用于分析生物分子、微生物、病毒和纳米颗粒电驱动传输过程中产生的复杂离子电流信号。以下各节聚焦于ML与微芯片和纸基电泳平台的集成，重点在实时信号解释、即时检测分析和实际实施。表5总结了ML集成电泳传感和即时检测平台的代表性进展。
**5.1 微芯片电泳和芯片实验室平台**
微芯片电泳将电泳分离、聚焦和检测小型化在紧凑器件内。除减少样品和试剂需求外，这些平台可将样品处理、电场驱动迁移和光学检测结合在单一分析工作流程中。所得数据可能由静态图像、实时电泳视频或从成像传感器提取的数值信号组成。当这些信号与所需分析输出之间的关系难以用固定方程或简单阈值描述时，ML特别有用。Babikian等报告了集成电泳传感的早期例子，其中开发了数字信号处理（digital signal processing, DSP）辅助的微流控电路板用于等速电泳测定中的片上荧光检测。放大的荧光信号使用DSP从噪声CMOS传感器输出中提取，检测方法被描述为朴素贝叶斯分类器的简化变体。An等通过ML辅助的即时检测系统展示了ML与微芯片电泳更直接的集成，用于集成血红蛋白分析。该平台将纸基微芯片电泳与ANN结合用于实时诊断解释。总体工作流程中，一次性醋酸纤维素 cartridge 置于便携式读取器内，在施加电场下进行电泳分离。样品加载后（t = 0），血液样品与标准校准物（二甲苯青）混合，用于比较条带强度。血红蛋白迁移随后启动两步分离过程：在第一阶段（t ≤ 2.5 min），总血红蛋白与校准物分离，使得能够基于其相对强度演变定量估计血红蛋白浓度，而在第二阶段（t ≤ 8 min），不同的血红蛋白变异（如Hb A、S、C）沿条带空间分辨。该系统不依赖静态终点成像，而是连续记录电泳过程并提取时间序列信号ρ(t)，定义为前约150 s内感兴趣区域中血红蛋白与校准物的相对强度。该完整时间序列向量随后被馈送到全连接ANN，执行回归以估计血红蛋白浓度（g/dL）并确定贫血状态。条带迁移的动态性质及其诊断相关性在不同临床条件的电泳条带移动时空图中进一步展示，包括Hb SS（贫血）、Hb AS（贫血）、Hb SC（非贫血）和Hb AA（非贫血），突出条带轨迹和分散的变化如何编码难以通过静态观察 discern 的疾病特异性信息。通过将实时电泳分离与基于ANN的时间迁移特征分析相结合，该系统代表了从传统静态图像解释向动态、数据驱动诊断的转变，在贫血检测和血红蛋白变异分类中均达到高灵敏度和特异性。这些研究说明了ML如何与微芯片电泳集成以支持紧凑即时检测系统中的实时分析。通过将电泳分离与自动信号解释相结合，这些平台可在单一分析工作流程内提供快速定量和分类结果。使用计算高效模型和简化数据处理可进一步支持在便携式硬件上的实施，并扩展ML辅助微芯片电泳的实际可能性。
**5.2 纸基电泳生物传感器和即时检测诊断**
纸基电泳生物传感器使用廉价和便携的纸器件，其中施加电场有助于在所得信号使用ML分析之前处理样品。与第5.1节讨论的微芯片电泳平台不同，这些系统中的电场主要不用于产生诊断有意义的分离条带。相反，电泳传输用于去除可能干扰光学测量的非特异性生物分子或未结合检测标签。ML随后分析所得比色测量或光谱信号以支持快速疾病诊断和预后。Low等开发了纸基多重比色生物传感器用于急性心肌梗死（acute myocardial infarction, AMI）的早期诊断和预后。该平台同时测量心肌肌钙蛋白I（cardiac troponin I, cTnI）、高密度脂蛋白（high-density lipoprotein, HDL）和低密度脂蛋白（low-density lipoprotein, LDL）。测量的生物标志物和健康相关变量随后使用集成CatBoost框架分析。在同一团队早期纸基电泳方法的基础上，该团队开发了AI辅助微流控纸基多重表面增强拉曼光谱（surface-enhanced Raman spectroscopy, SERS）生物传感器用于AMI诊断和预后。外部施加电场用于电迁移未结合的SERS标签和其他非特异性结合物种，提高多重cTnI、HDL和LDL检测的选择性而无需多个洗涤步骤。高维SERS光谱使用特征选择和降维方法处理，随后使用ML分类器分析。尽管处于初期阶段，这些微流控平台为即时检测提供了重要优势，包括便携性、多重生物标志物检测以及与相对轻量级ML模型的兼容性。随着这些平台的持续发展，在更广泛患者队列和不同器件配置中的评估可进一步展示其在各种即时检测环境中的一致性。即时检测传感、多重分析和轻量级ML的结合也为快速和可及的电泳检测提供了有前景的基础。
**5.3 ML集成传感平台的进展与机遇**
本节综述的研究展示了将电泳过程、传感和ML整合在紧凑分析平台中的几种方式。在微芯片和纸基系统中，电泳传输可支持分离或样品处理，而ML将所得图像、强度测量或光谱转换为有用的分析信息。这些应用共同说明了小型化电泳系统如何支持快速分析和自动解释。这些小型化平台的一个重要优势是能够在紧凑工作流程中结合几个分析步骤。例如，微芯片系统整合了电泳分离、实时视频采集、血红蛋白定量和变异识别，展示了ML如何从同一电泳过程支持多个分析输出。在纸基系统中，多重方法展示了电泳样品处理如何与多个生物标志物的同时分析相结合。这些特征突出了开发结合样品处理、传感和自动解释的紧凑系统的机会。
**6 未来展望**
电泳仍是化学、生物学和医学中的基础分析技术，应用范围从分子分离和蛋白质组学分析到临床诊断和小型化传感。然而，实验变异性、仪器和成像限制、不一致的数据处理以及实验室间差异继续影响电泳工作流程的分辨率、可重复性和通量。如本综述全文所示，ML可通过改善电泳衍生数据的分析和解释、自动化特征检测和分类、预测电泳性质和分离行为、优化操作条件以及支持小型化和传感平台中的快速分析来帮助解决其中几个挑战。然而，ML辅助电泳的持续发展不仅取决于提高预测性能，还取决于解决与数据质量和独立性、验证、可解释性、计算需求、可重复性和实际实施相关的共同限制。因此，本节总结了当前ML辅助电泳应用中共享的主要挑战，并概述了未来研究方向。
**6.1 跨领域挑战**
最持久的挑战之一是大型、多样和标准化电泳数据集的有限可用性。许多报告的模型使用从单一实验室、仪器、患者群体或实验方案收集的数据开发。凝胶制备、染色、样品加载、成像条件、缓冲液组成、施加电压、器件制造和信号采集的变化可显著改变提供给ML模型的数据。此外，不一致的标记实践和不完整的元数据使得难以比较结果或跨研究重现模型。缺乏普遍接受的基准数据集进一步限制了不同预处理方法、模型架构和验证策略之间的直接比较。数据的结构和独立性也需要仔细考虑。大量图像、视频帧、电泳图或分子测量不一定代表同等数量的独立样品。多个观察可能源自同一患者、凝胶、电泳条带、传感设备或实验运行。当密切相关的观察分布在训练和测试数据集之间时，模型可能学习样品或实验特异性特征，导致过于乐观的性能估计。因此，未来工作应报告独立生物样品、患者、设备和实验运行的数量，并在适当的独立水平划分数据。另一个限制是独立外部验证的使用相对有限。内部训练-测试划分或交叉验证在模型开发期间有价值，但不能完全证明模型将使用不同仪器、方案、操作者、实验室或患者群体收集的数据可靠运行。当ML辅助电泳分析用于临床决策支持时，这一问题尤为重要，其中独立进行的多中心、多仪器和多实验室验证应在常规诊断使用之前进行。类似地， intended for microchip or paper-based electrophoretic platforms 的模型应跨独立制造的器件和不同操作条件评估，以确定其性能是否对物理传感系统的变化稳健。可解释性是另一个重要考虑，特别是当ML预测影响生物学、临床或实验决策时。基于特征的模型可提供关于预定义变量（如峰特征、蛋白质分数、分子测量或选定肽和代谢物特征）相对贡献的信息。深度学习方法通常需要额外方法（如激活图或基于注意力的可视化）来指示哪些条带、峰、图像区域或信号图案影响了预测。这些解释可提高透明度，但应被视为支持性证据，并与专家对错误、不确定和异常预测的检查一起考虑。对于分子谱应用，选定特征或生物标志物在独立数据集中的可重复性对于确定学习关系是否具有生物学稳健性也很重要。更好地整合领域知识和电泳物理可进一步帮助确保模型决策基于物理或生物学有意义的信息。计算效率也必须与预测性能一起考虑。CNN和其他深度架构可直接从电泳图像、信号和其他高维数据学习复杂表示，但其训练、内存和硬件需求可能限制其在计算资源受限的实验室或便携式即时检测系统中的使用。当可用数据集有限或需要快速设备上推理时，经典ML方法和轻量级神经网络架构可能提供实际优势。因此，未来研究应报告训练时间、推理时间、内存需求、硬件规格和预处理成本，并考虑模型复杂性、预测性能和可部署性之间的权衡。
**6.2 未来研究方向**
解决上述挑战将需要未来研究推进ML辅助电泳的计算方法和实验基础。几个方向特别重要：
物理信息和混合建模：将基于物理的模拟与ML预测相结合的混合模型可改善电泳过程的预测和优化，特别是当实验训练数据有限时。超越纯数据驱动方法，物理信息神经网络和其他理论引导模型可纳入支配电场驱动传输、扩散、电渗流和分析物-介质相互作用的关系。这种整合可改善物理一致性并减少对大型训练数据集的依赖。更广泛地说，将实验衍生的物理特征与数据驱动分析相结合也已被探索作为改善颗粒表征的手段。然而，未来模型还应在超出训练期间表示的条件下评估，以确定纳入电泳物理是否改善其泛化能力。
增强的数据处理、特征提取和表示学习：ML最直接的应用之一在于改善电泳衍生数据的质量和解释。深度学习和其他数据驱动方法可支持去噪、背景校正、重叠峰或条带分离以及检测可能难以使用固定基于规则方法解决的微弱或不规则图案。除图像和信号处理外，ML还可从电泳图、分子谱、片段大小分布和其他电泳衍生定量测量中识别信息表示。这种表示学习方法可能揭示难以仅使用手动定义描述符识别的反复出现图案或特征组合。当标记实验数据有限时，半监督学习可提供另一种有用策略，允许更大量的未标记数据在模型开发期间补充较小的注释数据集。在这些不同的ML辅助方法中，进一步进展将需要在不同仪器、分析平台、预处理程序、实验条件和实验室间评估，而非在单一数据生成环境下。
电泳行为的预测建模：现有研究已展示使用ML预测电泳淌度、迁移时间和距离、聚焦行为以及合适的分离条件。未来工作应将这些能力扩展到同时预测多种分离性能指标，如迁移时间、分离度、条带展宽和聚焦质量。这些模型的可靠性还应在不同分析物、缓冲液组成、电场强度、毛细管或凝胶配置、仪器和实验系统中检查。此外，ML可进一步支持在大量实验测试之前选择缓冲液组成、场强、毛细管尺寸和其他操作条件。应更多关注预测不确定性以及在不同于训练数据所表示条件下的模型性能。表示分子结构的基于图的模型可提供将分析物特征与电泳行为联系起来的额外手段，尽管其有效性应使用多样和独立验证的数据集证明。
实时边缘计算和闭环控制：从运行后分析向实时处理的转变可支持在分离期间提供即时反馈或在即时检测点快速解释结果的电泳系统。ML增强仪器可使用实时图像、迁移迹线或检测器信号识别不良分离、实验伪影或终点分辨率不足。该信息随后可用于闭环系统调整电场条件、修改微流控流动或在实现所需分离时停止运行，从而减少时间和试剂使用。对于便携式实施，应强调轻量级架构、模型压缩、高效预处理和使用低成本或嵌入式硬件的推理，而非仅依赖计算密集的深度网络。
与实验室自动化和机器人的集成：与实验室信息管理系统（laboratory information management systems, LIMS）的集成可允许电泳平台产生更可追溯和可重复的分析工作流程。未来自动化系统可支持样品加载和预处理、实验调度、仪器校准、质量监测以及设备或仪器故障检测。自动记录操作条件和样品元数据还可减少缺失信息并改善实验间比较。然而，对于异常样品、失败运行以及自动预测与实验或临床证据冲突的情况，人工监督仍将是必要的。
多组学和跨平台集成：电泳结果经常贡献于更广泛的蛋白质组学、代谢组学、基因组学或临床工作流程。ML可协助将电泳谱与质谱、测序、成像和临床数据对齐，并识别从单一数据源不明显的关?系。这种整合可支持更完整的生物学解释并改善生物标志物发现或患者分层。然而，结合多种数据模态也增加了对一致样品识别、归一化、元数据和验证的需求，以使模型不会学习主要由分析平台或数据处理程序引起的差异。
标准化、基准数据集和开放数据：共享电泳数据集和标准化基准框架的开发对于比较ML方法并确定报告的改进是否可重复至关重要。未来存储库不仅应包括处理后的图像或信号，还应包括相应的原始数据、参考注释、样品级标识符、实验条件、仪器信息、预处理步骤和数据质量指标。基准数据集还应保留从同一患者、样品、设备或实验运行获得的测量的分组，以便在适当的独立水平分离训练和测试。当临床或专有限制阻止完全开放数据共享时，共同评估协议和精心管理的多机构数据集可提供实际替代方案。
可解释、独立验证和负责任的部署：未来模型应提供足够信息供研究人员或临床医生理解重要预测的基础，特别是当预测影响诊断或质量控制决策时。特征重要性、激活图、不确定性估计以及对错误或异常情况的专家审查可支持这一目标，尽管可解释性方法不应被视为外部验证的替代品。未来系统还应提供良好校准的置信度或不确定性估计，并在可用数据不足或超出模型可靠操作范围时暂不提供确定性预测。 intended for practical use 的模型应跨独立实验室、仪器、设备、操作者和患者或样品群体测试。负责任的实施还需要关注数据隐私、算法偏见、监管要求、网络安全以及AI辅助系统产生不确定或错误结果时责任的明确分配。这些领域的进展将取决于电泳研究人员、数据科学家、临床医生、工程师、仪器开发人员和监管专家之间的合作。
**7 结论**
ML和AI在电泳中的应用是一个快速发展的领域，在分析科学、生物医学研究、临床分析和质量控制应用中具有日益增长的相关性。如本综述全文所示，ML已应用于广泛的电泳衍生数据，包括凝胶图像、条带、峰、电泳图、分子谱、定量分子测量和迁移迹线。ML方法还支持电泳性质和分离行为的预测、操作条件的优化、样品分类以及小型化和即时检测传感平台产生的数据的解释。这些应用包括经典ML方法和深度学习架构，不同方法根据数据类型、分析目标、可用数据集和预期应用提供优势。所综述的文献表明，ML可支持更快和更一致的电泳数据解释，识别可能难以仅使用传统分析识别的复杂图案，并减少某些应用所需的重复实验试错量。许多研究已成功证明ML在其特定实验或分析环境中的可行性和价值，而更广泛的评估可在这些方法 intended for use across different instruments, laboratories, devices, or patient populations 时进一步扩展其适用性。因此，持续关注数据集质量、独立评估、可解释性、计算需求和可重复性可补充该领域已展示的强劲进展，并支持ML辅助电泳方法的持续发展。未来的进展可能包括改善电泳衍生数据的分析和解释、更广泛的电泳行为预测、物理信息和混合建模、实时分析和控制以及与实验室自动化的日益集成。这些领域的进展可通过良好记录的数据库和元数据、仔细组织训练和评估数据、在适当情况下更广泛的验证、可解释和不确定性感知的预测以及适合预期应用的计算方法来支持。经典ML方法和紧凑神经网络可继续为高效和便携式分析提供优势，而更复杂的架构可为高维图像、信号和分子数据提供额外能力。电泳研究人员、数据科学家、临床医生、工程师和仪器开发人员之间的持续合作可进一步扩展ML在改善电泳工作流程的效率、可重复性和分析能力方面的作用。
