《Nanoscale Advances》:Dendritic Fe2O3–rGO nanoarchitectures for electrochemical uric acid sensing coupled with explainable machine learning-driven sensor analyticsOpen Access
编辑推荐:
尿酸(UA)是重要的生物标志物,与代谢和肾脏疾病密切相关,需要灵敏的检测方法。本研究通过一锅水热法制备了枝晶状Fe?O?-还原氧化石墨烯(FOG)纳米复合物,并用于修饰玻碳电极(GCE)以实现尿酸传感。研究人员利用XRD、拉曼光谱、FESEM、HRTEM和XP
尿酸(UA)是重要的生物标志物,与代谢和肾脏疾病密切相关,需要灵敏的检测方法。本研究通过一锅水热法制备了枝晶状Fe?O?-还原氧化石墨烯(FOG)纳米复合物,并用于修饰玻碳电极(GCE)以实现尿酸传感。研究人员利用XRD、拉曼光谱、FESEM、HRTEM和XPS对合成复合物的形貌、结构、性质以及Fe?O?与rGO之间的化学相互作用进行了表征。枝晶状Fe?O?与导电rGO的协同效应增强了电解质的可及性、电子转移和活性位点数量。电化学研究确认尿酸在0.304 V处出现明确的氧化峰,表现出优异的电催化活性。该传感器线性范围为11–189 μM,检出限为3.07 μM,灵敏度为471.1 μA μM?1 cm?2,并实现了高稳定性、可重复性和重现性,确立了FOG@GCE作为经济高效的临床尿酸检测平台。在传统峰电流校准之外,一个具有泄漏感知能力的可解释机器学习框架对多维DPV信息进行了深入分析。高斯过程回归在嵌套验证下实现了R2 = 0.996、RMSE = 3.6 μM和MAE = 2.9 μM,而SHapley Additive exPlanations(SHAP)实现了将预测性能与物理上有意义的电化学描述符联系起来的可解释分析。这种异质界面工程、电化学传感、不确定性感知预测与可解释人工智能的集成,为下一代智能化学传感建立了一个有说服力的框架。
**论文解读:枝晶状Fe?O?-rGO纳米结构用于电化学尿酸传感与可解释机器学习驱动的传感器分析**
**一、研究背景与问题**
尿酸(UA,化学式C?H?N?O?)是人体嘌呤降解与代谢的主要终产物,广泛存在于尿液、血液和唾液中,是一种二元弱酸(pKa? = 5.4,pKa? = 10.3),兼具强还原性和典型抗氧化特性。人体血液中UA的正常生理范围女性为1.5–6.0 mg dL?1,男性为2.5–7.0 mg dL?1。体液中UA浓度升高与高尿酸血症、高血压、高胆固醇、痛风性关节炎、2型糖尿病、Lesch–Nyhan综合征、肾脏损伤及心血管疾病等多种疾病相关;而UA水平过低则可能关联多发性硬化症、低尿酸血症、帕金森病、阿尔茨海默病及其他神经退行性疾病。因此,常规监测UA水平对早期诊断和有效治疗至关重要。
目前已有高效液相色谱、毛细管电泳、分光光度法、化学发光法、紫外-可见光谱法、比色法、荧光法和酶传感等多种UA检测方法,但这些定量和定性方法受限于操作成本高、耗时长和检测效率低。相较之下,电化学传感因操作简便、维护成本低、响应快速和灵敏度高等优势被广泛采用。然而,传统电极常因缓慢的电化学氧化动力学以及难以区分氧化电位而无法准确测量UA。近年多种过渡金属氧化物被开发用于电化学UA传感,其中Fe?O?纳米颗粒因低成本、制备简便和环境友好等优点备受关注,但纯Fe?O?的电导率低和分散性差限制了其传感性能。还原氧化石墨烯(rGO)凭借优异的导电性、大比表面积和丰富的活性官能团成为理想改性材料,将Fe?O?与rGO复合有望通过协同效应增强催化与电化学传感性能。此外,传统电化学分析依赖单一描述符(峰电流),难以捕捉电极异质性、噪声或基质效应引起的细微变化。基于此,研究人员开发了枝晶状Fe?O?-rGO(FOG)纳米复合物修饰的玻碳电极(GCE),并耦合了可解释机器学习框架,以实现多特征校准、不确定性量化和机理可解释的UA智能传感。
**二、研究内容概述**
研究人员通过一锅水热法制备了枝晶状Fe?O?-rGO(FOG)纳米复合物,将其滴涂于预清洁的GCE表面制成FOG@GCE工作电极,并系统评估了其对UA的电化学检测性能。同时,构建了基于差分脉冲伏安法(DPV)多维电化学描述符的可解释机器学习(ML)框架,在无需人工干预的条件下实现概率浓度预测与物理解释。
**三、主要技术方法**
研究人员采用一锅水热法合成FOG纳米复合物,原材料包括铁氰化钾(K?[Fe(CN)?])、rGO和十二烷基苯磺酸钠(SDBS),在120 °C下反应20小时。表征手段涵盖粉末X射线衍射(XRD)、拉曼光谱、场发射扫描电子显微镜(FESEM)、高分辨透射电子显微镜(HRTEM)、选区电子衍射(SAED)和X射线光电子能谱(XPS)。电化学测试包括循环伏安法(CV)、电化学阻抗谱(EIS)和DPV,采用标准三电极体系(FOG@GCE为工作电极、铂丝为对电极、Ag/AgCl(1 M KCl)为参比电极)。机器学习部分采用留一浓度交叉验证(LOCO-CV),使用线性回归、岭回归、偏最小二乘(PLS)、k近邻(k-NN)、支持向量回归(SVR)、随机森林、XGBoost和高斯过程回归(GPR)对12个DPV伏安图提取的7个电化学描述符进行建模,并利用SHAP进行归因分析。真实样本验证使用gomutra(牛尿)作为基质。
**四、研究结果**
**4.1 结构与形貌表征结果**
XRD分析确认FOG复合物同时含有α-Fe?O?(JCPDS卡片号33-0664,菱方晶系)和rGO相,无杂质峰。拉曼光谱显示,Fe?O?特征声子模(A?g = 225.1 cm?1,Eg = 292.7/407.9 cm?1)与rGO的D带(从1349.7移至1331.8 cm?1)和G带(蓝移至1580.1 cm?1)同时存在于复合物中,ID/IG比值从rGO的0.39升至FOG的0.91,表明Fe?O?锚定显著增加了碳基质的缺陷密度并建立了强界面电子耦合。FESEM和HRTEM观察发现,Fe?O?呈枝晶状(树枝状)分级结构并均匀锚定在褶皱的rGO片层上,rGO的引入稳定而非破坏其固有生长模式。HRTEM显示晶格间距0.364 nm对应α-Fe?O?的(012)面,复合物中0.234 nm晶格间距对应(104)面,SAED进一步确认了晶体结构在杂化后得以保留。XPS分析揭示了从纯α-Fe?O?到Fe?O?-rGO杂化物的电子和界面转变,Fe 2p谱出现负移和不对称性,表明界面电荷再分布;O 1s谱中531.1 eV组分增强表明氧空位浓度增加和Fe–O–C界面连接形成;C 1s谱显示sp2杂化碳(284.4 eV)占主导,证实高导电石墨网络恢复。
**4.2 电化学特性与UA检测结果**
CV测试表明,FOG@GCE的氧化还原峰电流显著高于裸GCE、rGO@GCE和Fe?O?@GCE,电化学活性面积(EASA)达8.3 × 10?? cm2,是rGO@GCE的3.1倍、裸GCE的51.7倍。扫速研究表明峰电流与扫速平方根呈良好线性关系(阳极R2 = 0.99913,阴极R2 = 0.99496),log(Ip)–log(ν)斜率分别为0.464和0.460,接近理论值0.5,表明过程受扩散控制。Nicholson分析得到表观非均相电子转移速率常数约1.1 × 10?2 cm s?1。EIS数据显示FOG@GCE的电荷转移电阻(Rct)低至216 Ω,较纯Fe?O?电极(111.8 kΩ)降低两个数量级以上。pH优化实验确定pH 8为UA氧化的最佳条件。在1 mM UA溶液中,FOG@GCE在0.304 V(vs. Ag/AgCl)处呈现明确氧化峰,阳极电流为6.95 × 10?? A,显著高于rGO@GCE(4.63 × 10?? A)。UA氧化经历2e?/2H?过程,生成尿酸二亚胺中间体,经水化形成尿酸-4,5-二醇,最终分解为尿囊素和CO?。DPV定量分析显示,UA浓度在11–189 μM范围内峰电流与浓度呈良好线性(y = 0.0391x + 1.24,R2 = 0.96),灵敏度为471.1 μA μM?1 cm?2,检出限(LOD)为3.07 μM,定量限(LOQ)为9.32 μM。
**4.3 重复性、稳定性与真实样本验证**
五次连续CV循环的最大氧化电流平均值为5.92 ± 0.201 μA,相对标准偏差(RSD)为3.40%;五个独立制备电极的峰电流均值为6.41 ± 0.15 μA,RSD为2.40%;储存30天后峰电流RSD为1.23%,表明FOG@GCE具有出色的重复性、电极间重现性和长期稳定性。在gomutra(牛尿)真实样本测试中,DPV响应随稀释样本添加量增加而规律增强,氧化电位基本不变,证实了传感器在生物基质中的定量检测能力。
**4.4 可解释机器学习分析结果**
ML分析旨在解决单参数传感的局限——传统Ipa校准在189 μM后饱和,但DPV波形仍保留浓度相关信息。研究人员从12个DPV伏安图中提取7个电化学描述符,采用LOCO-CV严格评估模型性能。在嵌套验证协议下,高斯过程回归(GPR)在使用AUC+Ipa描述符时实现R2 = 0.996、RMSE = 3.6 μM、MAE = 2.9 μM,预测误差较传统Ipa校准(RMSE = 20.0 μM)降低5.2倍。GPR同时提供逐样本预测方差,平均预测标准差为3.2 μM,92%的留出测量落在95%预测区间内,区间在校准范围边缘正确变宽。SHAP归因分析显示,描述符重要性排序为AUC > Ipa > 基线斜率 > W?/?,与排列重要性交叉验证一致,表明该排序是数据本身属性而非模型选择的结果。物理上,积分峰电荷(AUC)与UA氧化摩尔数成正比,而峰高受峰宽变化影响——W?/?在浓度序列中从0.065 V增至0.135 V(约2倍),而峰面积增加27倍,传统校准的饱和源于峰展宽导致的峰高亚线性增长,而非法拉第响应丧失。将AUC替代Ipa用于单变量线性校准,无需增加模型复杂度或额外测量,即可将R2从0.875提高至0.974,RMSE从20.0降至9.1 μM(预测误差降低54%)。
**五、讨论与结论总结**
讨论部分指出,UA是少数分散化测量可直接改变临床实践的生物标志物。该传感系统具备面向即时检测(POC)的有利条件:DPV测量仅需60秒、最佳工作pH 8.0接近未稀释尿液pH(6.0–8.0)、Fe?O?和rGO原料廉价且储量丰富;GPR输出的预测区间而非单一数值能自动标记模型约束不足的结果区域,这是固定校准线无法提供的质量保证信号。但研究也明确了临床转化所需解决的障碍,包括:将实验室GCE更换为丝网印刷或纸基电极并重新建立校准;人血清和尿液中的抗坏血酸、多巴胺、黄嘌呤等干扰物及蛋白质污染问题(gomutra实验已证明共氧化基质物种的贡献);当前模型仅在单一电极、单一基质上训练,需在更大队列上重新训练并显式划分电极间方差分量。
结论部分总结:枝晶状FOG纳米复合物修饰GCE作为高性能UA电化学检测平台,其枝晶状Fe?O?提供丰富活性位点,导电rGO促进电子转移,协同效应带来优异的电催化活性。FOG@GCE传感器实现了3.07 μM的低检出限、11–189 μM的宽线性范围和471.1 μA μM?1 cm?2的高灵敏度,并具有优异的稳定性、重现性和重复性;在真实样本(gomutra)中的有效检测验证了其实用价值。在嵌套验证下,高斯过程回归达到R2 = 0.996、RMSE = 3.6 μM、MAE = 2.9 μM,展示了多维伏安信息的价值且避免了人为数据增强。未来研究应聚焦于降低检出限、扩大独立生物样本验证、评估临床相关干扰物和基质效应、建立批次间重现性和长期储存稳定性,并通过微电极、微流控、便携/无线恒电位仪和智能手机分析集成为紧凑的即时检测平台。该工作将异质界面工程、电化学传感、不确定性感知预测与可解释AI相集成,为下一代智能化学传感提供了有说服力的框架。