生物流體（如血液、尿液或汗液）中含有多種代謝組分且不同人體之間存在個體差異性，對快速便捷、準確高效的臨床分析或健康評估提出了巨大挑戰(zhàn)。與其他生物流體相比，汗液在無需刺穿皮膚的前提下，即可在人體表皮輕松收集，因而日益受到關(guān)注。然而，目前基于電化學阻抗譜、高效液相色譜的汗液生物標志物檢測方法因需要專業(yè)的實驗設(shè)備、復雜的樣品前處理流程和訓練有素的技術(shù)人員而受到限制。與上述方法相比，比色傳感分析技術(shù)具有檢測速度快、靈敏度高、耗材較少等優(yōu)勢而受到廣泛關(guān)注。但是，目前所報道的大多數(shù)比色傳感分析技術(shù)存在染料泄露、顯色不均和化學擴散等缺陷。

近期，暨南大學李風煜教授課題組報道了一種深度學習技術(shù)輔助的可編程比色傳感芯片，用于快速檢測汗液中的多種生物標志物（葡萄糖、乳酸等）。相關(guān)成果以“Explainable Deep-Learning-Assisted Sweat Assessment via a Programmable Colorimetric Chip”為題發(fā)表在國際化學權(quán)威雜志Analytical Chemistry上。論文的第一作者為暨南大學化學與材料學院2020級研究生劉志浩，通訊作者為暨南大學化學與材料學院徐慧華副教授、孟建新教授和李風煜教授。

具體來看，研究人員設(shè)計了一種由海藻酸鈉-氯化鈣膠囊微球組成的可編程比色傳感芯片，實現(xiàn)了對來自不同汗液的多種生物標志物的準確分類和量化分析。通過收集4600張比色響應(yīng)圖像作為數(shù)據(jù)集，研究人員比較了2種深度學習算法和7種機器學習算法。其中，隸屬深度學習算法的卷積神經(jīng)網(wǎng)絡(luò)模型可對汗液中的多種生物標志物實現(xiàn)100％準確分類和量化分析。而深度學習輔助的比色傳感芯片與傳統(tǒng)分析方法對實際汗液的檢測結(jié)果的匹配度為91.0%~99.7％。此外，將類激活映射機制用于可視化卷積神經(jīng)網(wǎng)絡(luò)模型的內(nèi)部決策機制，有助于解釋所設(shè)計的可編程比色傳感芯片的合理性。

總體而言，該深度學習技術(shù)輔助的可編程比色傳感芯片提供了一種“端到端”的分析策略，促進了實驗軟件設(shè)計和原理優(yōu)化，為臨床監(jiān)測、疾病預防，科學發(fā)現(xiàn)提供了新的研究方向。

審核編輯：郭婷