ACS Nano｜基于双极自供电传感器的机器学习辅助智能监测多变量miRNA生物标志物

本研究由西安交通大学王福团队与信阳师范大学许婧团队合作，发表在《ACS Nano》上，旨在解决乳腺癌早期诊断中miRNA检测的灵敏度低和多靶标同步分析难的问题。研究开发了一种基于微孔空心立方结构硒化物的双极自供电传感器，能够高效检测乳腺癌标志物miRNA-451和miRNA-145，并集成智能终端实现实时动态监测。通过引入机器学习技术，研究团队优化了检测算法，提高了检测的准确性和效率。该传感器在1-100000 fM的宽线性范围内表现出卓越的分析性能，检测灵敏度高，适用于真实样品检测，具有良好的稳定性、选择性和重复性。这一成果推动了自供电电化学生物传感和生物芯片领域的发展，为乳腺癌的早期诊断和精准治疗提供了新的方向。