单组分双发射比值型荧光探针：机器学习驱动的神经生物标志物检测与鉴别研究

文献分享 单组分双发射比值型荧光探针：机器学习驱动的神经生物标志物检测与鉴别研究

导语

今天给大家分享一篇发表在期刊 Anal. Chem. 上的文献：

Single-Component Double-Emissive Ratiometric Probe: Toward Machine Learning Driven Detection and Discrimination of Neurological Biomarkers.

概要

本研究创新性构建了基于牛血清白蛋白保护的金纳米团簇（BSA-Au NCs）氧化响应的单组分比值型荧光传感体系，用于检测与鉴别神经母细胞瘤、嗜铬细胞瘤及副神经节瘤等神经性疾病的关键生物标志物——儿茶酚胺类神经递质及其代谢产物。该传感平台通过N-溴代丁二酰亚胺（NBS）介导的Au NCs氧化反应实现检测功能：当NBS存在时，BSA-Au NCs的荧光发射光谱发生显著变化，表现为650 nm处的荧光发射峰淬灭，并伴随450 nm处新发射峰的产生，从而引发探针整体发射颜色从红色到蓝色的可逆转变。这种单荧光团体系的比值响应特性突破了传统比值探针需结合两种独立荧光团的局限性，为开发高信噪比生物传感技术提供了新思路。神经相关生物标志物（如多巴胺、去甲肾上腺素等）可通过竞争性抑制NBS对Au NCs的氧化作用调控探针的荧光发射强度比（I₄₅₀/I₆₅₀）及颜色变化，不同分析物的浓度与种类差异引发光谱特征与颜色模式的特异性变化（如多巴胺作用下呈现蓝绿色调，肾上腺素代谢产物导致青色调偏移）。

研究团队进一步整合发射光谱数据与RGB色彩信息，运用机器学习算法进行多维分析：线性判别分析（LDA）对不同神经递质及代谢物实现98.2%以上的分类准确率；偏最小二乘回归（PLS-R）模型展现出宽动态范围（0.1-100 μM）与低检出限（0.05 μM）。实验验证表明，该传感体系成功实现了人体尿液中多种儿茶酚胺类物质的同时检测与精准鉴别，其定量结果与高效液相色谱法（HPLC）比对偏差小于5%。这一突破性进展不仅为神经退行性疾病与肿瘤的早期筛查提供了新型检测工具，更通过光谱-机器学习联用策略建立了生物标志物高灵敏度、高选择性分析的方法学范式。

图1系统展示了基于BSA-Au NCs氧化响应的荧光传感机制：探针通过疏水作用锚定目标分子，NBS触发的氧化反应引发荧光发射波长偏移，而生物标志物的存在则通过竞争性抑制效应调控这一光物理过程，最终实现可视化信号与机器学习数据处理的协同分析。

参考文献：DOI：10.1021/acs.analchem.4c05618