ACS AMI：基于生物启发的铁卟啉共价有机框架纳米酶传感器阵列—机器学习辅助识别与检测硫醇

鉴于硫醇在维持正常生理功能中的关键作用，建立一种高通量、高灵敏度的分析方法来准确识别和量化各种硫醇至关重要。目前，大多数检测硫醇的光谱方法都依赖于“锁-钥”模式的传感器。相比之下，受哺乳动物嗅觉和味觉系统启发的比色传感器阵列采用多点、多角度数据采集，以此来分析复杂基质中的各种参数。此外，机器学习技术的集成极大地增强了比色传感器阵列的能力，可以进行复杂的数据处理，为每种分析物生成独特的指纹，从而促进多种物质的识别和检测。

近期，福州大学林子俺研究员（点击查看介绍）课题组受天然辣根过氧化物酶（HRP）的铁卟啉活性中心的启发，构建了一个六通道纳米酶比色传感器阵列。随后，利用机器学习技术对复杂系统中的硫醇进行了精确鉴定。该工作在疾病检测和诊断的临床应用方面具有巨大潜力，同时也为基于生物启发框架材料的传感器阵列提供了新思路。相关成果发表在国际学术期刊ACS Appl. Mater. Interfaces 上。

图1. 六通道纳米酶传感器阵列的构建

作者首先设计并合成了两种铁卟啉共价有机框架（Fe-COF-H和Fe-COF-OH），并利用它们卓越的过氧化物酶样（POD-like）活性，构建了六通道纳米酶比色传感器阵列。接着，结合线性判别分析（LDA）、决策树（DT）、随机森林（RF）、人工神经网络（ANN）和层次聚类分析（HCA）等机器学习方法，将传感器数据转化为直观的二维图像，实现了对复杂体系中硫醇的精准识别，检测限低至50 nM。

图2. 利用机器学习技术对复杂系统中的硫醇进行精确鉴定

为了验证传感器阵列的实际应用价值，研究人员成功利用其检测血清样本中的同型半胱氨酸（Hcy）水平，从而实现了对心血管疾病患者的准确区分。此外，该传感器阵列还能够区分不同类型的脱毛膏，并依据谷胱甘肽（GSH）水平识别正常细胞与癌细胞。该研究展示了一种简单、快速且高通量的纳米酶传感器阵列，具备高灵敏度硫醇分析能力，在疾病检测和诊断领域具有广泛的应用潜力，并为基于生物启发的框架材料传感器阵列的设计提供了新思路。

图3. 纳米酶传感器阵列的实际样分析

该研究工作得到了国家自然科学基金（22274021和22036001）和福建省自然科学基金（2022J01535）的资助，作者在此表示感谢。

原文（扫描或长按二维码，识别后直达原文页面，或点此查看原文）：

Bioinspired Iron Porphyrin Covalent Organic Frameworks-Based Nanozymes Sensor Array: Machine Learning-Assisted Identification and Detection of Thiols

Cong Hu, Wen Xie, Jin Liu, Yajing Zhang, Ying Sun, Zongwei Cai, Zian Lin*

ACS Appl. Mater. Interfaces, 2024, DOI: 10.1021/acsami.4c18284

导师介绍

林子俺 研究员/博导，福州大学化学学院副院长，福州大学食品安全与生物分析教育部重点实验室副主任。迄今为止，以第一作者或通讯作者身份在包括J. Am. Chem, Soc., Adv. Mater., Mass Spectrom. Rev., Chem. Sci., Anal. Chem.等国际权威刊物上已发表SCI论文140余篇，授权国家发明专利14项。

林子俺

https://www.x-mol.com/groups/lin_zian