Согласно новым выводам исследовательской группы штата Пенсильвания, сочетание машинного обучения с мультимодальным электрохимическим зондированием может значительно улучшить аналитические характеристики биосенсоров. Эти улучшения могут принести пользу неинвазивному мониторингу здоровья, например, при тестировании слюны или пота. Результаты были опубликованы в этом месяце в Analytica Chimica Acta .

Исследователи разработали новую аналитическую платформу, которая позволила им выборочно измерять несколько биомолекул с помощью одного датчика, экономя место и уменьшая сложность по сравнению с обычным способом использования систем с несколькими датчиками.

В частности, они показали, что их датчик может одновременно обнаруживать небольшие количества мочевой кислоты и тирозина — двух важных биомаркеров, связанных с почечными и сердечно-сосудистыми заболеваниями, диабетом, нарушениями обмена веществ , нервно-психическими расстройствами и расстройствами пищевого поведения — в поте и слюне, что делает разработанный метод подходящим. для индивидуального мониторинга здоровья и вмешательства.

Многие биомаркеры имеют сходную молекулярную структуру или перекрывающиеся электрохимические характеристики, что затрудняет их одновременное обнаружение. По словам исследователей, использование машинного обучения для измерения нескольких биомаркеров может повысить точность и надежность диагностики и, как следствие, улучшить результаты лечения пациентов. Кроме того, зондирование с использованием одного и того же устройства экономит ресурсы и объемы биологических образцов, необходимых для тестов, что имеет решающее значение для клинических образцов в ограниченном количестве.

«Мы разработали новый подход к повышению производительности электрохимических биосенсоров, объединив машинное обучение с мультимодальными измерениями», — сказала Аида Эбрахими, доцент кафедры электротехники и доцент биомедицинской инженерии Томаса и Шейлы Роелл.

«Используя нашу оптимизированную архитектуру машинного обучения, мы можем обнаруживать биомолекулы в количествах, в 100 раз меньших, чем позволяют обычные методы обнаружения».

Методология исследователей включает аппаратно-программную систему, которая позволяет им автоматически собирать и обрабатывать информацию на основе модели машинного обучения , которая обучена идентифицировать биомолекулы в биологических жидкостях, таких как слюна и пот, которые являются обычным выбором для неинвазивного мониторинга здоровья.

«Подход к электрохимической диагностике на основе машинного обучения, представленный в этой статье, может найти более широкое применение в мультиплексном биохимическом зондировании», — сказал Винай Каммарчеду, 2022–2023 гг., научный сотрудник Мемориала Милтона и Альберты Лэнгдон в области электротехники в Пенсильванском университете и первый автор статьи.

«Например, этот метод можно распространить на множество других молекул, включая пищевые и водные токсины, лекарства и нейрохимические вещества, которые сложно одновременно обнаружить с помощью обычных электрохимических методов».

В своей текущей работе исследователи применяют этот подход к таким нейрохимическим веществам, которые трудно обнаружить из-за сходства их молекулярной структуры и перекрывающихся электрохимических характеристик.

«Наша методология успешно использовала один материал для дифференциации и различения четырех нейрохимических веществ, которые важны при таких заболеваниях, как болезнь Паркинсона и болезнь Альцгеймера», — сказал Эбрахими.

«Хотя эти предварительные данные являются многообещающими, мы должны работать дальше, чтобы иметь возможность обнаруживать более низкие уровни этих нейрохимических веществ в биологических образцах, таких как слюна».

Помимо конкретных результатов с мочевой кислотой и тирозином, исследователи воодушевлены потенциалом и универсальностью методологии.

«Это новый способ разработки электрохимических диагностических методов, которые можно применять в различных приложениях, помимо биомедицинских систем», — сказал Эбрахими.

В сочетании с инновациями в разработке материалов и устройств для разработки датчиков аналитический метод исследователей может открыть возможности в фармацевтике, исследованиях в области наук о жизни, скрининге пищевых продуктов, обнаружении токсинов в окружающей среде и биозащите, где требуется точное и мультиплексное тестирование или поточный мониторинг.

Традиционно мультиплексирование достигается спектроскопическими методами, использующими громоздкое и дорогое оборудование, которое больше подходит для лабораторного анализа. На текущей стадии прототипа у исследователей аппаратное обеспечение имеет настольный размер. Они работают над созданием системы меньшего размера, которую можно использовать не только для мониторинга состояния здоровья.

«В конечном счете, мы представляем портативное и развертываемое в полевых условиях устройство, которое будет проще в использовании и более доступно, чем нынешние методы, используемые в лабораторных или клинических условиях», — сказал Каммарчеду.