沈阳农业大学：研究一种基于硼酸二醇识别的原位和体内检测糖的新型电化学传感器-电子发烧友网

糖在植物中起着至关重要的作用，作为碳和能量代谢、聚合物生物合成的关键成分，并作为重要的激素样信使促进必要的信号转导过程。含糖量也是评价果实品质的重要指标之一。因此，糖含量的快速实时测定对植物和农产品都具有重要意义。随着智能农业的发展，植物信号分子的原位和体内检测越来越受到重视。

电化学传感器是生物和环境分析中重要的分析和电分析方法，具有灵敏度高、选择性好、便于携带和集成等优点。近年来，它也被用于植物的原位和体内检测。其中电化学酶传感器因其优异的选择性和灵敏度而受到研究人员的青睐。然而，酶是不稳定的，这影响了这些传感器的整体稳定性和可重复性。为了解决这些限制，研究人员开发了无酶传感器。这种传感器不依赖于酶，具有成本效益高、稳定性高、制备容易等优点。然而，这些传感器没有很强的特异性。而且它们的检测范围比较小，不适合用于植物中糖含量的原位测定。

图1 Nafion/PAPBA/GO-COOH-Cu-MOFs/SPE传感器（A-B）制备工艺示意图

铜基金属有机骨架（Cu-MOFs）具有比表面积大、孔隙率高的特点。此外，Cu-MOFs内Cu离子的氧化还原活性使其可以作为电探针，在电化学传感器的开发中提供了宝贵的实用价值。然而，它们也有化学稳定性差、结构容易坍塌的缺点。最近，研究人员试图通过将传统MOF与各种功能材料（包括碳纳米管，石墨烯和炭黑等）集成来解决传统MOF的局限性，以创建新型复合材料。复合材料不仅可以解决MOFs的固有局限性，而且具有一定的协同效应。

图2 番茄样品中糖的智能分析(C)（以果糖为例，ΔI = 0- i糖）

机器学习（ML）是一种通过挖掘输入和输出之间潜在的非线性关系来提高模型准确性的方法，允许模型在没有显式编程的情况下执行特定任务。由于其在数据分析方面的巨大潜力，机器学习的主要优势已经扩展到在生物信息学、材料科学、食品安全和农产品检测等各个领域发挥关键作用。人工神经网络（ANN）是一种经典的机器学习模型，具有显著的连续函数学习能力。它可以适用于线性和非线性系统的建模，通常由一个输入层、多个隐藏层和一个输出层组成。输入和输出层的数量由数据本身决定，而隐藏层的最佳数量通常是通过反复试验和错误的过程来确定的。在这项工作中，建立了一个以电流为输入，浓度为输出的人工神经网络模型，用于评估后续的实际应用。

图3 ITO (A)、GO-COOH-Cu-MOFs/ITO (B)、PAPBA/GO-COOH-Cu-MOFs/ITO (C)和Nafion/PAPBA/GO-COOH-Cu-MOFs/ITO (D)的SEM和EDS结果

为了实现对葡萄糖和果糖的原位和体内检测，研制了一种基于硼酸二醇识别的电化学糖生物传感器。由于其实用性和低成本，传感器被构建在丝网印刷电极（SPE）上。将羧化氧化石墨烯与Cu-MOFs纳米复合材料（GO-COOH-Cu-MOFs）修饰在SPE电极上，不仅可以提高电极的活性表面积和电导率，还可以利用Cu2+的氧化还原信号作为传感器的氧化还原探针。然后将3-氨基苯基硼酸（APBA）在GO-COOH-Cu-MOFs/SPE上聚合形成PAPBA膜，用于识别和检测果糖或葡萄糖。为了进一步提高电化学传感器的性能，采用神经网络对检测过程进行建模，提高了检测的精度。该传感器具有简单、便携、优良的选择性和显著的稳定性。但是由于葡萄糖和果糖是同分异构体，传感器无法区分葡萄糖和果糖，这需要在今后的工作中进一步努力。

星标的内容=你在乎的内容，根据微信公众号、推荐原则，没有在传感器专家网公众号主页【设为星标】，将无法及时获得传感器行业最新资讯！

来源：农业纳米科技

声明：转载此文是出于传递更多信息之目的，若有来源标注措误或侵犯了您的合法权益，请与我们联系，我们将及时更正、删除，谢谢。

如有投稿爆料采访需求，请发邮箱：sensorexpert@sensorexpert.com.cn。

推荐阅读：