Machine learning-driven sensor array for predictive detection of glutathione

doi:10.1016/j.microc.2026.118261

Machine learning-driven sensor array for predictive detection of glutathione

2026-07-01

0

PRE

AI

DOI：10.1016/j.microc.2026.118261

原文链接

原文求助

摘要

En 中文

谷胱甘肽（GSH）及其氧化形式谷胱甘肽二硫化物（GSSG）是细胞氧化还原稳态的关键调节剂，其比值是评估细胞培养物中氧化应激的关键生物标志物。本研究提出了一种非选择性电化学传感器阵列，结合机器学习（ML），作为同时定量测定细胞培养基中GSH/GSSG的验证性平台，该培养基是一种复杂且具有生物学相关性的基质，广泛用于离体培养和哺乳动物细胞研究。该阵列包含丝网印刷传感器，其碳基工作电极未经修饰或经碳纳米管、量子点和金属氧化物/金属（纳米）颗粒修饰，这些材料因其部分重叠的响应以及对未稀释细胞培养基中固有漂移和干扰物的抗性而被选中。在评估的化学计量学方法中，人工神经网络表现优异，能够使用有限数据集并在实验变量最小控制下实现对GSH/GSSG的高分辨率鉴别和定量。这些有前景的结果表明，机器学习能够通过解卷积多变量信号、补偿干扰物和减少数据需求，在具有挑战性的生物基质中实现稳健性能，证明了在不进行广泛样品预处理或大型训练集的情况下，对离体培养物进行氧化应激监测的可行性。

Keyword:

Sensor array

Electrochemical sensors

Glutathione

Machine learning

Artificial intelligence

Cyclic voltammetry

Artificial neural networks

Machine learning-driven sensor array for predictive detection of glutathione

摘要

期刊

机构

引用论文