深圳大学许太林、刘聪慧团队AFM:无电子元件可穿戴平台精准识别汗液中生物标志物

研究背景

可穿戴生化传感器正逐步成为个性化、按需健康监测的关键器件。汗液因可持续分泌，富含盐分、代谢物及疾病相关生物标志物，能实时反映机体生理状态，成为一种极具前景的非侵入检测生物流体。

近年来，柔性电化学平台在汗液分析中取得显著进展，但此类系统通常依赖有源电子元件、频繁校准及酶识别层，不仅增加了设计与操作复杂性，还可能影响长期稳定和便利。

比色传感器虽提供免校准、视觉可读的替代方案，但现有可穿戴比色设备灵敏度有限，在复杂生物流体中的化学特异性较差。超分子主客体化学为克服上述局限提供了新策略。然而，将计算筛选的超分子识别技术转化为集成化、无电子元件的可穿戴平台，仍面临诸多挑战。

文章概述

近日，深圳大学许太林副教授与刘聪慧助理教授团队提出了一种新型无源微流控可穿戴传感技术，实现了汗液生物标志物“采集-转换-解码”的无缝集成与多重生理监测。

该技术基于热驱动策略，利用高度多孔铁-蛭石-碳复合材料的局部放热动力学，自主刺激目标区域分泌汗液。在传感模块中，团队引入超分子主客体识别机制，借助密度泛函理论精准筛选高度匹配的人工大环受体，并与特异性显色报告因子结合。该设计无需外部电源便可保证高保真转导光学信号。结合K-最近邻（KNN）机器学习算法解码多维RGB信号，平台对K⁺、Ca²⁺和尿酸的分类准确率达100%。该成果为探索非侵入性可穿戴生化传感及个性化健康监测提供了新机制与方法。

图文导读

图1. 可穿戴微流控贴片的整体架构与工作原理。图源：Adv. Funct. Mater.

(A) 可穿戴贴片具备热驱动汗液诱导、定向微流控传输以及多种汗液生物标志物（含葡萄糖、尿酸、Ca²⁺和K⁺）比色分析功能。 (B) 可穿戴微流控贴片的结构分解示意图。 (C-E) 集成化分子设计策略：基于氢键模式、拓扑几何特征与静电势面指导主体筛选。通过密度泛函理论（DFT）计算预测最优结合位点与相互作用能，进而利用定制的人工大环受体实现对目标生物标志物的高选择性识别。 (F) 整体传感机制，展示了汗液原位采样、主客体结合与靶标富集，以及基于智能手机与算法辅助的比色检测解码过程。

图2. 可穿戴传感器的集成设计与多功能表征。图源：Adv. Funct. Mater.

(A) 集成化平台示意图：该平台将超分子传感器与用于诱导汗液分泌的铁热驱动模块相结合。 (B) 组装器件的皮肤原位贴附演示。 (C) 铁粉及铁基复合材料的扫描电子显微镜（SEM）图像。 (D-E) 红外热成像图对比：分别展示了未处理表面（23–24°C）与利用铁基复合材料实现的局部精准加热区域（~37°C）。 (F) 0.12 mmol/L尿酸在微通道内0-6分钟扩散动力学的仿真分析。 (G) 验证微流体定向传输的染料示踪实验。 (H) 基于3D打印母模复刻的PDMS微流控芯片，展示了其优异的共形性、可弯曲性与可扭转性。

图3. 计算引导的主客体靶标捕获与光学信号转导。图源：Adv. Funct. Mater.

(A) 计算引导的汗液主客体靶标捕获及其后续光学信号转导过程示意图。 (B–E) Ca²⁺传感系统： (B) 经密度泛函理论（DFT）优化的Ca²⁺@host 1复合物的几何构型与结合能；(C) Ca²⁺@host 1聚集体的非共价相互作用（NCI）指纹图谱（RDG–sign(λ₂)ρ 散点图）及 (D) SEM图像；(E) Br₂-CNDI报告系统的紫外-可见（UV-vis）吸收光谱及相应的比色响应。 (F–I) K⁺传感系统： (F) 经DFT优化的K⁺@host 2结构与结合能分析；(G) NCI分析及 (H) 证实K⁺诱导host 2发生聚集行为的SEM图像；(I) 集成金纳米颗粒（AuNPs）系统的紫外-可见光谱及其肉眼可见的等离子体光学转变。 (J–M) 尿酸（UA）传感系统： (J) 经DFT优化的UA@host 3结合构型；(K) NCI指纹图谱及 (L) 揭示UA在大环主体（host 3）空间限制下形成致密堆积的SEM图像；(M) 基于试卤灵（RF）染料置换法的UV-vis光谱及显色响应。

图4. 主客体相互作用的理论分析。图源：Adv. Funct. Mater.

(A) 基于密度泛函理论（DFT，采用 ωB97XD/6-31G(d,p) 计算水平及 SMD 隐式水模型）获得的 Ca²⁺@host 1、K⁺@host 2 与 UA@host 3 复合物的能量最低构型及 IGMH（独立梯度模型）分析（等值面参数 δg_inter = 0.005）。 (B) 靶标结合前后的单点能（Single-point energy）变化，进一步证实了热力学上有利的主客体相互作用。 (C-H) 大环主体（host 1、host 2、host 3）及其捕获靶标后的复合物（Ca²⁺@host 1、K⁺@host 2、UA@host 3）的静电势（ESP）表面分布图。 (I-N) 大环主体（host 1、host 2、host 3）及相应复合物（Ca²⁺@host 1、K⁺@host 2、UA@host 3）的前线分子轨道（HOMO/LUMO）等值面图（等值面设定为 0.02）。

图5. 比色传感与机器学习辅助分类。图源：Adv. Funct. Mater.

(A-D) 归一化RGB响应值与 Ca²⁺ (0.5–10 mM)、K⁺ (0.5–15 mM)、尿酸 (UA, 20–250 µM) 及葡萄糖 (0.5–250 µM) 浓度的函数关系。误差线代表平均值 ± 标准差 (n = 3)；各数据图上方展示了对应的代表性液滴显色图像。 (E) 基于从液滴图像中提取的RGB特征，利用KNN算法进行分析物智能区分的工作流程图。 (F-I) 不同浓度下 Ca²⁺、K⁺、尿酸及葡萄糖的归一化RGB输出特征热图。 (J-M) Ca²⁺、K⁺、尿酸及葡萄糖分类预测的混淆矩阵，进一步验证了该机器学习辅助分类策略的高准确率。

结论

本研究开发了一种完全集成的可穿戴生化传感平台，结合计算引导的超分子化学与柔性微流控技术及机器学习解码，实现了汗液多重分析。该平台在复杂生物流体中完成了对Ca²⁺、K⁺、尿酸和葡萄糖的无酶、高特异性识别。集成热驱动、微流控与KNN算法有效克服了可穿戴诊断中的光学干扰与光谱复杂性等分析瓶颈。该成果为新型非侵入性可穿戴传感器的研发提供了重要参考。

致谢

该工作得到了深圳市科技计划（JCYJ20240813142503006）、深圳大学合成生物学研究中心、广东省高校海洋微生物组工程重点实验室（2024KSYS011）、深圳市海外人才计划及深圳大学仪器分析中心的资助。

更多研究细节请移步原文：