Les ingénieurs améliorent la détection électrochimique en intégrant l’apprentissage automatique
Résumé graphique. Le crédit: Analytica Chimica Acta (2022). DOI : 10.1016/j.aca.2022.340447
La combinaison de l’apprentissage automatique avec la détection électrochimique multimodale peut améliorer considérablement les performances analytiques des biocapteurs, selon de nouvelles découvertes d’une équipe de recherche de Penn State. Ces améliorations peuvent être bénéfiques pour la surveillance de la santé non invasive, comme les tests impliquant la salive ou la sueur. Les résultats ont été publiés ce mois-ci dans Analytica Chimica Acta.
Les chercheurs ont développé une nouvelle plate-forme analytique qui leur a permis de mesurer de manière sélective plusieurs biomolécules à l’aide d’un seul capteur, économisant de l’espace et réduisant la complexité par rapport à la voie habituelle d’utilisation de systèmes multi-capteurs.
En particulier, ils ont montré que leur capteur peut détecter simultanément de petites quantités d’acide urique et de tyrosine – deux biomarqueurs importants associés aux maladies rénales et cardiovasculaires, au diabète, aux troubles métaboliques et aux troubles neuropsychiatriques et alimentaires – dans la sueur et la salive, ce qui rend la méthode développée appropriée. pour un suivi et une intervention de santé personnalisés.
De nombreux biomarqueurs ont des structures moléculaires similaires ou des signatures électrochimiques qui se chevauchent, ce qui rend difficile leur détection simultanée. Selon les chercheurs, tirer parti de l’apprentissage automatique pour mesurer plusieurs biomarqueurs peut améliorer la précision et la fiabilité des diagnostics et, par conséquent, améliorer les résultats pour les patients. De plus, la détection à l’aide du même appareil permet d’économiser les ressources et les volumes d’échantillons biologiques nécessaires pour les tests, ce qui est essentiel avec des échantillons cliniques en petites quantités.
« Nous avons développé une nouvelle approche pour améliorer les performances des biocapteurs électrochimiques en combinant l’apprentissage automatique avec la mesure multimodale », a déclaré Aida Ebrahimi, professeure adjointe en début de carrière Thomas et Sheila Roell de génie électrique et professeure adjointe de génie biomédical.
« Grâce à notre architecture d’apprentissage automatique optimisée, nous avons pu détecter des biomolécules en quantités 100 fois inférieures à ce que les méthodes de détection conventionnelles peuvent faire. »
La méthodologie des chercheurs comprend un système matériel/logiciel qui leur permet de collecter et de traiter automatiquement des informations basées sur un modèle d’apprentissage automatique formé pour identifier les biomolécules dans les fluides biologiques tels que la salive et la sueur, qui sont des choix courants pour la surveillance non invasive de la santé.
« L’approche de diagnostic électrochimique basée sur l’apprentissage automatique présentée dans cet article pourrait trouver une application plus large dans la détection biochimique multiplexée », a déclaré Vinay Kammarchedu, 2022-23 Milton and Albertha Langdon Memorial Graduate Fellow in Electrical Engineering at Penn State et premier auteur de l’article.
« Par exemple, cette méthode peut être étendue à une variété d’autres molécules, y compris les toxines alimentaires et hydriques, les médicaments et les neurochimiques qui sont difficiles à détecter simultanément à l’aide de méthodes électrochimiques conventionnelles. »
La combinaison de l’apprentissage automatique avec la détection électrochimique multimodale peut améliorer les performances analytiques des biocapteurs et bénéficier d’une surveillance de la santé non invasive, comme les tests impliquant la sueur ou la salive. Crédit : Fourni par Vinay Kammarchedu
Dans leurs travaux en cours, les chercheurs appliquent cette approche sur ces substances neurochimiques, difficiles à détecter en raison de similitudes dans leur structure moléculaire et de leurs signatures électrochimiques qui se chevauchent.
« Notre méthodologie a utilisé avec succès un matériau pour différencier et distinguer quatre substances neurochimiques qui sont importantes dans des maladies comme la maladie de Parkinson et la maladie d’Alzheimer », a déclaré Ebrahimi.
« Bien que ces données préliminaires soient prometteuses, nous devons travailler davantage pour pouvoir détecter les niveaux inférieurs de ces substances neurochimiques dans des échantillons biologiques tels que la salive. »
Au-delà des résultats spécifiques avec l’acide urique et la tyrosine, les chercheurs sont enthousiasmés par le potentiel et la polyvalence de la méthodologie.
« C’est une nouvelle façon de concevoir des méthodes de diagnostic électrochimique qui peuvent être appliquées à une variété d’applications au-delà des systèmes biomédicaux », a déclaré Ebrahimi.
Combinée à des innovations dans l’ingénierie des matériaux et des dispositifs pour le développement de capteurs, la méthode analytique des chercheurs peut offrir des opportunités dans les domaines pharmaceutique, de la recherche en sciences de la vie, du dépistage alimentaire, de la détection des toxines environnementales et de la biodéfense, où des tests précis et multiplexés ou une surveillance en ligne sont nécessaires.
Classiquement, le multiplexage est réalisé par des méthodes spectroscopiques qui reposent sur un équipement volumineux et coûteux qui est plus adapté à l’analyse en laboratoire. Au stade de prototype actuel des chercheurs, le matériel est de la taille d’une paillasse. Ils travaillent à créer un système plus petit qui peut être mis en œuvre pour plus que la simple surveillance de la santé.
« En fin de compte, nous envisageons un appareil portable et déployable sur le terrain qui sera plus facile à utiliser et plus facilement disponible que les pratiques actuelles utilisées en laboratoire ou en milieu clinique », a déclaré Kammarchedu.
