地中海贫血是一种遗传性溶血性贫血 (Galanello et al., 2010)。重症患者依赖定期输血维持生命,这不可避免地导致铁过载逐渐加重 (Taher et al., 2018; Arshad et al., 2017)。铁过载是多器官衰竭的主要原因,包括心脏、肝脏和内分泌功能障碍,也是导致这些患者死亡的主要因素 (Taher et al., 2017; Saliba et al., 2015; Ong et al., 2008)。铁螯合疗法对于提高生活质量和延长生存期至关重要。目前,临床上主要有三种铁螯合剂在使用,即去铁胺 (DFO)、地拉罗司 (DFX) 和去铁酮 (DFP),可单独或联合使用 (Kwiatkowski et al., 2011; Borgna-Pignatti et al., 2015)。联合疗法凭借其药物协同作用和快速清除铁的能力,在死亡率、心脏功能和内分泌功能等关键临床结果方面优于单药疗法 (Saliba et al., 2015; Origa et al., 2022; Galanello et al., 2010)。然而,螯合疗法也存在自身风险。每种药物都有其独特的药代动力学特征和毒性谱。与这些药物相关的不良反应共同涉及多个器官系统,包括神经毒性(影响听觉和视觉功能)、肾功能损害、肝肾功能障碍、胃肠道不适、粒细胞缺乏症和关节痛 (Olivieri et al., 1986; Adams et al., 2013; Fioredda et al., 2024; Choudhry et al., 2004)。因此,建立适合同时检测铁螯合剂的合适分析方法,对于指导个体化给药、提高疗效和降低不良反应风险具有重要的临床意义。
在过去的几十年里,各种方法已被用于检测单一类型的铁螯合剂 (DFO, DFX 或 DFP),包括高效液相色谱 (HPLC) (Arshad et al., 2017; De Francia et al., 2012)、液相色谱 - 质谱 (Chauzit et al., 2010; Song et al., 2012)、毛细管电泳 (CE) (Lin et al., 2016a; Lin et al., 2016b)、电化学方法 (Heli et al., 2010; Farokhi et al., 2023)、荧光测定技术 (Wang et al., 2020; Moharami et al., 2024) 和比色测定 (Shi et al., 2024; Li et al., 2024)。也曾尝试使用 HPLC 或 CE 同时监测患者血浆中的 DFO 和 DFP (Lin et al., 2016a; Goddard et al., 1990; Singh et al., 1992)。然而,这些方法大多依赖昂贵的仪器、复杂的样品前处理以及熟练的操作人员。相比之下,基于模拟酶的比色方法因其简单、可视化读出和高灵敏度而成为有吸引力的替代方案 (Yang et al., 2024)。然而,由于无法解决联合疗法引起的交叉干扰,常规单信号读出比色方法在混合系统中对多种螯合剂的定量分析仍然是一个主要挑战。此外,大多数过氧化物酶模拟物需要在酸性介质中才能具有良好的活性 (Li et al., 2024; Zhang et al., 2025),这与真实血液样品检测不兼容。酸性环境可能会水解某些分析物,从而损害定量的准确性 (Liu et al., 2025; Zhu et al., 2025)。
机器学习 (ML) 辅助传感器阵列由于其独特特征,可能为多种铁螯合剂的测定提供有前景的候选方案。与依赖“锁 - 钥”特异性识别机制的常规单信号传感范式不同,阵列策略通过多通道交叉响应产生高维数据 (Wei et al., 2026; Jiang et al., 2026)。在机器学习算法的支持下,该策略能够对复杂信息中的特征指纹进行深入挖掘和智能解释 (Huang et al., 2024; Tan et al., 2026; Bhaiyya et al., 2024)。然而,将模拟酶系统与 ML 模型整合用于多种铁螯合剂的智能分析仍很大程度上未被探索。在近中性 pH 值下设计高活性的模拟酶仍然很重要,且为三种功能相似但共存的铁螯合剂 (DFO, DFX 和 DFP) 开发差异响应模式困难重重。
在本研究中,我们构建了一种基于模拟酶的 FeNTA/POM 双底物比色传感器阵列,并将其与机器学习算法整合,成功实现了对三种铁螯合剂 (DFO, DFX 和 DFP) 的识别和定量分析 (Scheme 1)。为了调节模拟酶的活性,我们利用了 POM 的独特结构和催化特性。POM 作为助催化剂促进类 Fenton 反应中的电子转移和 Fe2+ 再生,从而在近中性 pH 条件下产生高过氧化物酶样活性。这种策略不仅扩展了类 Fenton 反应的操作 pH 范围,也为高效近中性过氧化物酶模拟物建立了新范式,为生物传感应用提供了巨大潜力。DFO (六齿,1:1)、DFX (三齿,1:2) 和 DFP (二齿,1:3) 差异化抑制 FeNTA/POM 的过氧化物酶样活性,这与它们的铁螯合能力 (DFO > DFX > DFP) 以及随之导致的 Fe3+/Fe2+ 氧化还原循环破坏相关。这种差异化抑制在存在 H2O2 和显色底物 (3,3',5,5'-四甲基联苯胺,TMB 和 2,2'-联氮 - 双 (3-乙基苯并噻唑啉 -6-磺酸),ABTS) 时产生多样化的比色响应,从而产生特征性多维信号指纹。通过整合一系列机器学习算法,传感器阵列有效区分并定量检测了三种螯合剂,人工神经网络 (ANN) 模型进一步允许在混合系统中同时预测 DFO 和 DFX 浓度。本研究为同时监测铁螯合剂提供了一种简单、低成本的策略,并扩展了基于模拟酶的传感器阵列在复杂药物监测中的应用前景。