用于折射率传感与早期癌细胞检测的下一代光谱敏感O形生物传感器：人工智能增强的机器学习优化

《Materials Today Advances》：Next-generation spectrally sensitive O-shaped biosensor for refractive index sensing and early cancer cell detection: AI-enhanced machine learning optimization

　　

随着表面等离子体共振（Surface Plasmon Resonance, SPR）生物传感器的发展，癌细胞现在可以在早期阶段被检测到。这代表了医学领域的一项重大成就，因为它推进了技术研究并有助于癌症预防。当前生物传感器主要采用环形结构（O形）和方形角（V形）来形成独特的共振模式。OV折射率生物传感器（OV-shaped Refractive Index Biosensor, OVRIB）使用银（Ag）材料进行共振设计，底层衬底层为陶瓷二氧化硅（SiO₂）。该优化的光谱敏感传感器通过在银和SiO₂电介质交界处的电振荡，应用于血液和乳腺癌细胞的检测。血液和乳腺癌细胞检测均显示出相同的灵敏度结果，为714.28 nm/RI（折射率单位），品质因数分别为145.45和146.18，检测限为0.00153。对于癌变血液细胞，半高全宽（Full Width at Half Maximum, FWHM）为11，波长变化（Δλ）为10，折射率变化（Δn）为0.014；对于癌变乳腺细胞，FWHM为13，Δλ为10，Δn为0.014，这使得灵敏度率相同。通过分析各层厚度，本研究可以提取不同的透射率输出，并且机器学习优化也展示了0.99的R²输出。所开发的OVRIB生物传感器，在多种生物标志物和功能诊断的支持下，显示出通过折射率值变化检测其他癌细胞类型的潜力。

**论文解读：下一代光谱敏感O形生物传感器在折射率传感与早期癌细胞检测中的应用**

**一、 研究背景与意义**

癌症的早期检测对于提高治愈率和改善患者预后至关重要。表面等离子体共振（SPR）生物传感器作为一种强大的光学传感技术，因其高灵敏度、实时监测和无标记检测能力，在生物分子相互作用分析和疾病诊断领域，特别是癌细胞检测方面，展现出巨大潜力。SPR技术的基本原理在于监测传感界面处折射率（Refractive Index, RI）的微小变化，当目标分析物（如癌细胞特异性生物标志物）结合到传感表面时，会引起局域折射率改变，进而导致共振波长或角度的偏移，从而实现检测。

尽管SPR技术已取得显著进展，但开发具有更高灵敏度、更佳特异性、更紧凑结构并能同时检测多种癌症类型的新型传感器，仍然是当前研究的重要挑战。传统的SPR传感器设计在实现超高灵敏度、尖锐共振峰（高Q因子）以及适用于实际生物样本的宽动态范围方面存在权衡。此外，如何通过创新的几何结构和材料组合来增强等离子体耦合与局域场限制，以提升传感性能，也是研究热点。本研究旨在应对这些挑战，提出并优化一种新型的OV形（环形与方形角组合）SPR生物传感器，专门用于血液和乳腺癌细胞的早期检测。该研究发表在《Materials Today Advances》期刊上，其重要意义在于为高灵敏度、多靶标癌症诊断提供了一种新颖且可扩展的传感平台设计方案。

**二、 关键技术方法**

研究人员为开展此项研究，采用了多项关键技术方法。首先，利用COMSOL Multiphysics软件进行传感器结构的三维建模与电磁仿真，通过有限元分析（Finite Element Analysis, FEA）模拟电磁波传播和表面等离子体激发。传感器设计采用了一种新颖的OV形超材料结构，该结构由环形（O形）和方形角（V形）单元组合而成，以产生独特的等离子体共振特性。传感器采用双层结构：共振层使用银（Ag），以利用其高介电常数和强等离子体激发能力；衬底层使用二氧化硅（SiO₂），因其良好的化学稳定性和生物相容性。研究通过参数化扫描，系统优化了共振层厚度（B）、衬底层厚度（I）和衬底宽度（O）等关键几何参数，以获取最低的透射率峰值和最佳的传感性能。此外，研究引入了机器学习（Machine Learning, ML）中的线性回归（Linear Regression）模型，对传感器参数与性能输出之间的关系进行建模和优化，以预测和提升传感器性能，其优化过程基于仿真生成的数据集进行。

**三、 研究结果分析**

**1. 传感器设计与参数优化**
研究人员设计了一种用于血液和乳腺癌细胞检测的OVRIB生物传感器。其结构包括一个250 nm厚的SiO₂衬底层，以及一个由Ag构成的150 nm厚的OV形共振层。通过系统的参数优化研究，得出以下结论：
* **共振层厚度（B）优化**：当B在110至190 nm范围内变化时，在B=150 nm处，传感器对所有测试细胞（正常/癌变血液细胞和正常/癌变乳腺细胞）均显示出最低的透射率峰值（约0.15%-0.16%），表明此时等离子体共振效应最强，因此选定150 nm为最佳共振层厚度。
* **衬底层厚度（I）优化**：当I在210至290 nm范围内变化时，在I=250 nm处，透射率峰值达到最低（约0.14%-0.15%），故选定250 nm为最佳衬底层厚度。
* **衬底宽度（O）优化**：当O在3960至4040 nm范围内变化时，在O=4000 nm处，透射率峰值最低（约0.11%-0.12%），因此选定4000 nm为最佳衬底宽度。

**2. 传感性能评估**
在优化几何参数（B=150 nm, I=250 nm, O=4000 nm）的基础上，研究人员评估了传感器对血液和乳腺癌细胞的检测性能。
* **灵敏度（S）**：对于血液癌细胞（折射率从正常细胞的1.376变为癌细胞的1.39）和乳腺癌细胞（折射率从1.395变为1.399），传感器均表现出相同的灵敏度，高达714.28 nm/RIU。这对应于检测血液癌细胞时共振波长从1592 nm偏移至1602 nm（Δλ=10 nm），检测乳腺癌细胞时从1598 nm偏移至1608 nm（Δλ=10 nm）。
* **品质因数（Q）**：传感器在检测血液癌细胞和乳腺癌细胞时，分别获得了145.45和146.18的高品质因数，表明共振峰非常尖锐，分辨率高。
* **检测限（DL）**：计算得到的检测限为0.00153，表明传感器能够检测到极其微小的折射率变化。
* **半高全宽（FWHM）与信号噪声比（SNR）**：对于血液癌细胞，FWHM为11，SNR（Δλ/FWHM）约为0.91；对于乳腺癌细胞，FWHM为13，SNR约为0.77。这些参数共同表征了传感器的分辨能力和信噪比水平。

**3. 机器学习优化验证**
研究应用线性回归模型对传感器性能进行机器学习优化。针对优化后的三个关键参数（B=150 nm, I=250 nm, O=4000 nm），分别建立了健康/癌变血液细胞和健康/癌变乳腺细胞的预测模型。结果显示，大多数模型的预测值与实际值高度吻合，决定系数（R²）最高达到0.99，均方误差（MSE）低至4.2×10^-4。这证明了机器学习在有效预测和优化此类SPR生物传感器性能方面的潜力。

**4. 与同类工作的比较**
研究人员将所提出的OVRIB传感器与已报道的其他SPR生物传感器进行了比较。对比指标包括灵敏度、工作波段、品质因数和检测限。结果显示，OVRIB传感器在保持较高灵敏度（714.28 nm/RIU）的同时，获得了显著更高的品质因数（~145.6），并且具有较低的检测限（0.00153），综合性能优于许多同类设计，例如X形、方形I框、超材料和眼形等传感器结构。

**四、 讨论与结论**

在讨论部分，研究人员强调了所提出OVRIB生物传感器设计的创新性和优势。其新颖性主要体现在：提出了一种结合O形环和V形角的独特超材料几何结构以实现特异性的等离子体共振；开发的传感器能够用单一结构同时检测血液和乳腺癌细胞；利用银-二氧化硅界面处的电振荡来增强等离子体耦合和共振限制；通过优化层厚实现了透射率响应的可调性而无需改变传感器几何形状；并成功应用了机器学习辅助优化来高效预测和提升传感器性能。此外，该传感器设计紧凑，采用了标准的等离子体材料和陶瓷材料，有利于实际制造和集成到生物医学诊断系统中。

**研究结论**：
为检测人体血液和乳腺组织中的癌细胞，本研究开发了当前这款工作于1560-1660 nm波段的OVRIB（OV形折射率生物传感器）。该生物传感器采用双层结构：OV形设计的共振部分采用银（Ag）以利用其新颖的等离子体特性，第二层（衬底）由SiO₂构成。血液和乳腺癌细胞检测均实现了714.28 nm/RI的相同灵敏度，品质因数分别为145.45和146.18。OVRIB生物传感器的机器学习优化在文中显示了高达0.99的输出结果。结合各种生物标志物及其功能诊断，所开发的OVRIB生物传感器设计还可以扩展到其他类型的癌细胞检测，其应用前景基于折射率值的变化。