《Microchemical Journal》：Recent advances in artificial intelligence integrated gold nanoparticle-based biosensors for the detection of diseases and hazards
编辑推荐：
金纳米颗粒（AuNPs）因其独特的表面等离子体共振、生物相容性及大比表面积等特性，成为生物传感器领域的重要材料。本文综述了AuNPs在疾病检测、环境监测等领域的应用进展，并重点探讨人工智能（AI）技术与AuNPs生物传感器的融合创新，包括机器学习（ML）和深度学习（DL）在信号分析、数据处理中的关键作用，以及通过案例研究验证其在提升检测精度、实现便携化设备中的实际价值。当前仍面临数据不足、模型复杂性等挑战，未来需加强跨学科合作以推动技术落地。
Vishakha Parkhe | Tukaram D. Dongale | C.I. Sathish | Gurwinder Singh | Ajayan Vinu | Arpita Pandey Tiwari
印度科拉普尔D.Y. Patil教育协会跨学科研究中心干细胞与再生医学及医学生物技术系，该协会被认定为大学，邮编416006。
摘要
金纳米粒子（AuNPs）具有独特的性质，如表面等离子体共振（SPR）、生物相容性、较大的表面积与体积比、光电功能以及多样的合成方法，使其适用于多种生物传感应用。本文综述了AuNPs的多种合成方法及其特性，重点介绍了它们在检测传染病、癌症、食源性疾病病原体和环境危害方面的进展。最近，机器学习（ML）和深度学习（DL）的引入显著推动了人工智能（AI）领域的发展，实现了各种应用中的突破。尽管这些算法在图像分析、面部识别和语音识别等领域已经广为人知，但其在生物传感中的应用仍是一个新兴领域。本文重点介绍了基于AuNPs的生物传感器结合AI算法的最新进展，展示了它们提高诊断准确性的潜力，并支持可穿戴式、即时检测和芯片实验室生物传感器在临床应用中的发展。这篇综述将有助于增进对利用AI技术的潜在AuNPs生物传感器研究的理解和发展。
引言
“生物传感器”一词由两个词组成：“bio”指的是生物或生物实体，“sensor”则表示能够识别和响应输入的装置或设备。Cammann于1969年首次使用这一术语，介绍了一种利用生物元件来测量和检测特定目标分析物的装置[1]。生物传感器是一种先进的分析设备，能够精确检测复杂生物过程中的微小变化，并将这些微小变化转化为易于观察的电信号。由于这些优势及其在临床治疗、生物医学、药学和医疗保健服务中的潜在应用，基于生物传感器的研究最近获得了显著的发展[2]。例如，生物传感器已成功用于疾病检测、预防、治疗、患者监测和人类健康管理。这些生物传感设备结合了可以与多种生物成分（包括酶、组织、细菌、细胞和核酸）相互作用的传感元件，以及智能设计的换能器。电化学和光学换能器在反应过程中可以产生可读信号，从而识别细菌、病原体、癌细胞、病毒和其他生物分子[3]。
随着全球人口的增长和慢性生活方式疾病的普遍化，生物诊断和生物传感器变得越来越重要。传统上，科学诊断需要将患者样本送到外部实验室进行分析。然而，快速检测病原体或生物标志物对于基于护理的评估至关重要，因为它可以立即响应并监测疾病进展[4]。一种新的分子诊断方法，包括生物标志物筛查，允许个性化用药和早期检测，使其成为一种有价值的工具。这种方法可以根据患者的分子特征而不是外部症状实现更准确和更快速的诊断[5]。
最近，纳米粒子被纳入生物传感器中以增强信号并实现更精确的分析物检测。基于纳米粒子的生物传感器的出现为检测和实时监测与各种疾病相关的生物标志物及其治疗提供了新的机会。纳米粒子通常通过特定的自组装方法在纳米尺度上生成。它们具有独特的机械、光学、磁性和电学特性等[6]。在用于开发生物传感器的纳米材料中，金纳米粒子（AuNPs）已成为一种有用且多功能的纳米材料。同样，表面等离子体共振（SPR）使AuNPs在没有标记的情况下也能实现敏感检测。它们的简单功能化、生物相容性和信号放大能力提高了灵敏度和特异性。它们的稳定性、灵活性和适应性使其适用于广泛的生物传感器配置，这对于环境监测和临床诊断至关重要[7]。
计算机最近已广泛应用于所有研究和技术领域。人工智能（AI）是计算机语言编程的重要组成部分，用于监控和增强各种数据输出。在检测复杂结构和实体时会产生大量数据，手动评估所有数据非常具有挑战性[8]。机器学习（ML）有助于分析大量传感器数据，并已应用于各种应用。此外，ML可以帮助分析含有噪声或干扰的数据[9]。在生物传感器的情况下，杂质的存在会影响传感器的性能，而ML可以帮助消除来自污染物的信号，从而实现高灵敏度，使数据解释更加容易和有效[10]。
Wekalao等人（2025年）报告了一个环境监测的显著例子。该研究提出了一种改进的SPR生物传感器架构，其中结合了石墨烯和Au金属表面，并采用了先进的ML方法。生物传感器设计包括在二氧化硅基底上制造的T形、半圆形环和圆形谐振器。使用COMSOL Multiphysics软件进行的数值模拟展示了该传感器对气体和水溶性分析物的出色检测能力。通过实施一维卷积神经网络（CNN）回归模型，系统的预测能力得到了提升，R2系数达到了100%。该生物传感器的检测指标非常优秀，值为4.225 RIU?1，品质因数为11.981[11]。另一个例子是用于快速现场检测食品和饮料样本中的食源性微生物。Soleimani等人（2025年）构建了一种结合了ML的电化学适配体传感器，该传感器使用AuNPs和铁调控表面决定蛋白-A特异性适配体，在丝印碳电极上用于检测金黄色葡萄球菌。此外，还使用了Transformer架构和CNN对 spiked样本的CV数据进行了分类[12]。Rodrigues等人（2021年）研究了使用多种检测技术检测前列腺癌特异性DNA序列（PCA3）的基因传感器。基因传感器使用碳印刷电极或覆盖有AuNPs、硫酸软骨素和互补DNA序列（PCA3探针）的石英制成。PCA3溶液的检测限为83 pM，而循环伏安法和紫外-可见光谱法的检测限分别为2000 pM和900 pM。此外，ML算法用于分类基因传感器的扫描电子显微镜图像，准确率达到99.9%，区分了暴露于PCA3溶液的样本与对照样本[13]。尽管AI/ML技术被用于基于AuNPs的生物传感器，用于临床和环境监测，但这些生物传感器仍存在一些局限性，如数据集有限、模型复杂性高、数据范围狭窄等[14]、[15]、[16]。因此，需要快速、准确且经济高效的检测技术用于临床诊断和环境监测，这需要了解当前的生物传感器进展并确定未来的发展方向。因此，本文旨在通过提供基于金纳米粒子（AuNPs）的生物传感器的全面概述来弥合这一差距，这些传感器用于检测传染病、癌症、食源性疾病病原体和环境监测，并强调整合AI/ML以提高性能。因此，本文不仅突出了基于AuNPs的生物传感器的进展，还为早期研究人员开发下一代生物传感技术提供了宝贵见解，最终有利于医疗系统和食品安全。
本文旨在从生物传感器的角度阐明AuNPs的关键作用，重点介绍各种合成方法和AuNPs对生物传感器开发至关重要的独特性质，特别是在临床诊断方面。此外，还讨论了AuNPs在诊断传染病、检测癌症以及其他领域（如食源性疾病病原体检测和环境监测）中的具体应用。此外，本文还探讨了AI技术（包括机器学习（ML）和深度学习（DL）在生物传感器中的集成。最后，本文强调了AuNPs与AI技术的协同潜力，旨在促进对当前生物传感器技术的更深入理解和进步，以改善医疗诊断。
基于AuNPs的生物传感器
AuNPs属于等离子体纳米粒子家族，还包括银、铂和铜纳米胶体[17]、[18]、[19]。AuNPs出色的光学和物理特性使其在生物和分析研究应用中具有吸引力（图1）。因此，自法拉第实验以来，AuNPs一直受到广泛研究；然而，它们的生物潜力直到最近才得到重视。这是由于发现了可靠的AuNPs生产方法
AuNPs与AI在生物传感器中的集成
在过去的几十年中，AuNPs越来越多地被整合到各种类型的生物传感器中，用于诊断传染病、癌症、食源性疾病病原体检测和环境监测。但仍需要开发更精确、准确、经济且最重要的是现场检测这些疾病或病原体的方法。将AI技术（如ML和DL算法）与基于AuNPs的生物传感器集成不仅增强了生物传感器的现有功能
AI辅助生物传感中的伦理问题和挑战
AI在生物传感器中的集成显著提高了准确性和特异性。然而，AI驱动的方法存在伦理和安全问题，包括数据偏见和计算透明度，这些问题需要克服以实现负责任和高效的实施[132]。在整个AI过程中解决伦理问题，包括数据收集、预处理、模型训练、评估和实施，对于避免不公平的选择和有偏结果至关重要[133]。
结论和未来展望
基于金纳米粒子的生物传感器与人工智能的结合为下一代诊断平台提供了变革性的步骤。金纳米粒子凭借其独特的光学、电子和表面特性，已成为提高生物传感器性能不可或缺的材料，适用于从传染病诊断到癌症诊断的广泛应用
CRediT作者贡献声明
Vishakha Parkhe：撰写——审稿与编辑、原始草稿撰写、可视化、方法论、研究、正式分析。Tukaram D. Dongale：撰写——审稿与编辑、正式分析。C.I. Sathish：撰写——审稿与编辑、正式分析。Gurwinder Singh：撰写——审稿与编辑、正式分析。Ajayan Vinu：撰写——审稿与编辑、正式分析。Arpita Pandey Tiwari：撰写——审稿与编辑、监督、资金获取、概念构思。
伦理批准
不适用。
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。
致谢
本工作感谢D.Y. Patil教育协会的“基于电化学生物传感器的登革热感染检测原型”（项目编号DYPE/DU/R&D/2023/1164）内部大学项目。作者还感谢Chhatrapati Shahu Maharaj研究培训与人类发展研究所（SARTHI）提供的财政支持。作者还要感谢RUSA-Maharashtra在“RUSA-Industry”项目下的财政援助
