【摘要】 在Qiwen Bao等人的研究中基于自主设计制造的多通道电化学传感器，配备CB-GO /SPCE，用于Tyr检测。

电化学工作站的可靠性和准确性较低，严重制约了其在工业和住宅检测中的广泛应用。在本研究中，我们将机器学习和多通道检测方法相结合，对从活性电极收集的大量数据进行过滤和建模，以提取可用数据，缓解电化学工作站的上述缺点。

 

在Qiwen Bao等人的研究中基于自主设计制造的多通道电化学传感器，配备CB-GO /SPCE，用于Tyr检测。在相同的工艺条件下制备的同一批次电极用于Tyr的电化学测试，利用该装置的高通量，以尽量减少可能的误差。

 

随后，利用蓝牙传输数据对所提出的多通道电化学传感器装置的人工神经网络模型进行训练、验证和测试。使用平均绝对误差(MAE)、均方误差(MSE)和损失等参数评估人工神经网络模型的可靠性。其实验设计思路如图1所示。

图1 基于机器学习和测试原理图的智能电化学测试系统的构建。

 

实验过程中首先在丝网印刷衬底上构建了碳-氧化石墨烯(CB-GO)复合电极，用于酪氨酸(Tyr)监测。随后，将包含多个相同电极(CB-GO /SPCE)的电极矩阵复制并安装在设计的多通道电化学工作站上。

 

使用车载程序设计了各种电化学方法用于Tyr的电化学检测。以及使用CB-GO /SPCE电极阵列测试Tyr差分脉冲伏安法数据。收集到的数据首先进行人体筛选。接下来，结合t检验和错误发现率方法对数据进行进一步处理并降低其维数，然后将其用作构建模型的输入。

 

图2 温度(34-96℃)对Nafion/ CB-GO / spce检测酪氨酸DPV的影响

 

为了研究温度对Nafion/ CB-GO / spce检测酪氨酸的影响，采用带加热的搅拌器对电解质进行加热。采用完整的加热-自然冷却过程，分析了温度对Nafion/ CB-GO / spce检测酪氨酸的影响。其他外部环境因素在实验过程中尽可能保持稳定，如溶液pH 8.1、不搅拌、Tyr浓度恒定(40 mM)等。如上所述设置了ph温度计站的参数并使用。

 

实时记录升温和降温过程中的温度值和DPV曲线，如图2所示。发现升温过程明显是一个加速离子迁移和交换的过程，这也符合电化学动力学原理。除了在冷却过程中，可以看到电化学反应速率明显减弱，并且还发现在+1.5 V附近有一个逐渐增加的氧化峰，这在加热过程中没有出现。这可能是由于电解槽在高温过程中发生的电化学副反应引起的。

 

由于可用数据相对较少，实验中选择了具有交叉验证数据的K-fold验证。我们使用CB-GO /CP电极的电化学测试平台对Tyr进行在线分析。随后，构建一个小型人工神经网络对数据进行分析。将分析结果与理论目标进行对比，并绘制相应的损失曲线和准确度曲线来检验该物质的浓度。

 

结果表明，基于设计的电化学测试平台数据，神经网络模型在一个全新的验证数据集上合理地预测了Tyr浓度。本文提出的多通道便携式电化学分析平台与机器学习相结合，可广泛应用于电化学分析方法中，提高其可靠性。

 

[1] New J. Chem., 2023, 47, 8073.

 

科学指南针已获得检验检测机构资质认定证书（CMA）、实验动物使用许可证、“ISO三体系认证”等专业认证，提供材料测试、高端测试、环境检测、生物服务、模拟计算、科研绘图、数据分析、试剂耗材、行业解决方案、指南针学院等多项科研产品和服务矩阵。企业致力于为高校、科研院所、医院、研发型企业等科研工作者，提供专业、快捷、全方位的检测及科研服务。

 

免责声明：部分文章整合自网络，因内容庞杂无法联系到全部作者，如有侵权，请联系删除，我们会在第一时间予以答复，万分感谢。