当前位置：首页>深圳>深圳大学许太林、刘聪慧AFM:基于化学计算的汗液生物标志物的精准识别

深圳大学许太林、刘聪慧AFM:基于化学计算的汗液生物标志物的精准识别

2026-06-10 10:44:58

1.研究背景：

可穿戴生化传感器已成为个性化和按需健康监测的关键技术。汗液由于持续分泌且含有丰富的电解质、代谢物和疾病相关生物标志物，能够反映实时的生理状态，因此是极具吸引力的非侵入性生物流体。尽管近年来柔性电化学平台在汗液分析中取得了显著进展，但这些系统通常依赖于有源电子元件、频繁的校准程序和基于酶的识别层。这不仅增加了设计和操作的复杂性，还可能影响长期稳定性并限制了用户的便利性。比色传感器提供了一种免校准、视觉可读的替代方案，但目前的可穿戴比色设备往往灵敏度有限，且在复杂的生物流体中化学特异性较差。超分子主客体化学为克服这些限制提供了有前景的策略，然而，将计算筛选的超分子识别技术转化为集成的、无电子元件的可穿戴平台，在很大程度上仍未被充分探索。

2.文章概述：

近日，由深圳大学许太林副教授与刘聪慧助理教授领导的科研团队提出了一种新型无源微流控可穿戴传感技术，成功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，利用高度多孔的铁-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，研究团队引入超分子主客体识别机制，通过密度泛函理论（DFT）精准筛选出高度匹配的人工大环受体，并与特异性显色报告因子进行结合。这一设计不仅彻底摆脱了对外部电源的依赖，还确保了直接光学信号的高保真转导。利用该无源微流控平台，结合K-最近邻（KNN）机器学习算法解码多维RGB信号，目标分析物（K⁺、Ca²⁺和尿酸）的分类准确率可高达100%。该技术为探索非侵入性可穿戴生化传感及个性化健康监测的新型机制与方法具有指导和借鉴意义。

3.图文导读

图1. 用于多重汗液生物标志物检测的可穿戴微流控贴片整体架构与工作原理。 (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。(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基热驱动模块相结合。(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^-¹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。

(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)扫描电子显微镜（SEM）形貌表征；(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）染料置换法的紫外-可见光谱及由此产生的显色响应。

图4.主客体相互作用的理论分析。(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。(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K-NN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。

4.结论：

总而言之，该工作开发了一种完全集成的可穿戴生化传感平台，通过将计算引导的超分子化学与柔性微流控技术以及机器学习解码相融合，提出了一种多重汗液分析的新方法。该平台实现了在复杂生物流体中对Ca²⁺、K⁺、尿酸和葡萄糖的无酶及高特异性识别。集成热驱动、微流控和KNN算法成功克服了可穿戴诊断中的光学干扰和光谱复杂性等分析瓶颈。研究成果为探索新型非侵入性可穿戴传感器具有一定的参考和借鉴意义。