本文已根据 Science X 的编辑流程和政策进行审阅。编辑在确保内容可信度的同时强调了以下属性：
事实核查
同行评审的出版物
可信来源
校对
芝加哥大学普利兹克分子工程学院联合开发的新诊断测试系统(PME) 和加州大学洛杉矶分校 Samueli 工程学院将强大、灵敏的晶体管与廉价的纸质诊断测试融合在一起。当与机器学习相结合时，该系统成为一种新型生物传感器，最终可以改变家庭测试和诊断。
由芝加哥大学的 Junhong Chen 教授和芝加哥大学的 Aydogan Ozcan 教授领导。加州大学洛杉矶分校的研究团队将场效应晶体管（FET）（一种可以检测生物分子浓度的设备）与纸质分析盒（与家庭怀孕和新冠病毒检测中使用的技术相同）结合起来。
该组合将 FET 的高灵敏度与纸质墨盒的低成本结合在一起。与机器学习相结合时，该测试测量血清样本中的胆固醇的准确度超过 97%，与由 KT Jerry Yeo 教授领导的芝加哥大学医学院 CLIA 认证的临床化学实验室的结果相比。
这项研究发表在《ACS Nano》上，是与加州大学洛杉矶分校的 Ozcan 团队合作进行的，该团队专门研究纸质传感系统和机器学习。结果是一个概念验证，最终可用于创建廉价、高精度的家用诊断测试，能够测量各种健康和疾病的生物标志物。
“通过解决每个测试的局限性，博士后研究员、该论文的共同主要作者 Hyun-June Jang 表示：“我们创建了一个新的测试平台，可以诊断疾病、检测生物标志物并在家中监测治疗。加州大学洛杉矶分校的 Arm Joung。
家庭诊断测试（如妊娠或新冠病毒测试）使用纸质检测技术来检测目标分子的存在。虽然这些测试简单且成本低廉，但它们在很大程度上是定性的，可告知用户生物标志物是否存在。
测试范围的另一端是 FET，最初是为电子设备设计的。如今，它们还被用作能够实时生物标志物检测的高灵敏度生物传感器。许多人相信 FET 是生物传感的未来，但其商业化却受到特定测试条件要求的阻碍。在血液等高度复杂的基质中，FET 很难检测到分析物的信号。
Chen 和 Ozcan 的团队着手将这两种技术结合起来，创建一种新型测试系统。特别是纸流体技术，其多孔传感膜减少了 FET 通常所需的复杂、受控测试环境的需要。它还为系统提供了低成本基础，因为每个墨盒成本约为 15 美分。
当团队集成深度学习动力学分析时，提高了 FET 内测试结果的准确性和精确度。
“我们提高了准确性，并创造了一种总成本不到 50 美元的设备，”Jang 说。“并且 FET 可以在一次性盒式测试中重复使用。”
为了测试该系统，该团队对设备进行了编程，以测量匿名的剩余人体血浆样本中的胆固醇。根据 CLIA 指南，在 30 次盲测中，该系统测量胆固醇的准确度超过 97%，远远超过 10% 的总允许误差。
该团队还进行了一项概念验证实验，结果表明该设备可以结合免疫测定，广泛用于激素、肿瘤标志物和心脏生物标志物的定量。
“这是一种改进的经典诊断系统，对于家庭测试来说非常重要诊断在美国医疗保健系统中继续变得越来越流行。”Jang 说。
接下来，该团队将开发用于免疫分析测试的系统，并最终希望展示该系统如何能够通过单个样本输入。Jang 说：“这项技术有潜力从一滴血中检测出多种生物标志物。”
该论文的其他合著者包括 Artem Goncharov、Anastasia Gant Kanegusuku、Clarence W. Chan、Kiang-Teck Jerry Yeo 和 Wen Zhuang。
更多信息：Hyun-June Jang 等人，与场效应晶体管集成的纸基分析盒中基于深度学习的动力学分析，ACS Nano (2024)。DOI：10.1021/acsnano.4c02897
期刊信息：ACS Nano
由芝加哥大学提供