《Advanced Science》：Toward Prostate Cancer Early Warning with a Self-Powered Wearable Biosensing Platform Integrated with Machine Learning
编辑推荐：
本工作报道了一种用于无创肌氨酸（SAR）检测的尿液驱动可穿戴平台，作为分散式早期预警的概念验证。与以往的尿液供电传感器不同，该平台建立了混合生物-电化学能量范式，其中尿液同时作为分析样本和内在能源库。该设计实现了强大的信号放大和操作稳定性，检测限低至0.85 pM。双模式（电化学和比色法）读数允许灵活的结果解释。通过实施混合分类-回归模型，利用学习到的阈值识别高浓度样本，然后进行特定范围回归以减少动态范围干扰并提高定量准确性。该系统进一步集成到具有无线连接功能的智能尿布格式中，支持按需的基于智能手机的分析。对真实尿液样本的初步验证显示出令人满意的分析性能。该工作为以肌氨酸为中心、自供电的非侵入性生物标志物检测策略提供了概念验证。
1 引言
前列腺癌是全球男性中最常见的恶性肿瘤之一，早期诊断对改善患者预后至关重要。目前临床依赖的前列腺特异性抗原（PSA）检测因特异性不足而面临限制，常导致假阳性结果、不必要的活检程序和惰性肿瘤的过度诊断。这些缺点凸显了寻找更可靠、非侵入性生物标志物的迫切需求。尿液作为一种易于获取的生物样本，在癌症诊断中具有独特优势。其中，肌氨酸（SAR）因其与前列腺癌进展的密切关联而受到广泛关注。然而，尿液中的SAR检测面临低浓度和复杂基质等挑战。传统的色谱和质谱方法成本高，且难以适应即时检测（POCT）。
基于酶生物燃料电池（EBFC）的自供电传感器由于无需外部电源和环境友好等优点，在可穿戴医疗检测中展现出巨大潜力。然而，其核心局限性是灵敏度不足，这主要源于酶促反应的固有动力学限制、生物相容性与稳定性之间的权衡以及复杂生物基质对电子转移效率的干扰。特别是对于早期前列腺癌筛查，患者尿液中极低浓度的SAR使得传统EBFC系统难以可靠检测。值得注意的是，储能技术的快速发展为可穿戴传感系统提供了新的解决方案。其中，锌离子电池（ZIB）因其独特的性能优势，特别适用于尿液检测。它使用水性电解质，安全性高，与生物样品兼容性好。更重要的是，尿液中天然存在的锌离子可以直接作为电解质来源，显著简化了系统设计。
因此，本工作提出了一种创新方法，将高功率ZIB与肌氨酸燃料EBFC集成，构建混合动力生物传感系统。该设计利用ZIB提供稳定、高功率输出，同时利用EBFC进行目标物特异性识别，从而克服传统自供电传感器灵敏度和特异性不足的局限。此外，定制设计的蓝牙传输模块可实现与智能手机应用的实时数据同步，便于前列腺癌生物标志物的智能监测。通过利用电化学反应的副产物触发电致变色材料的原位比色反应，构建了电化学-比色法对比输出系统。该设计保留了电化学检测的高灵敏度，并提供了直观的视觉读数能力，有效解决了便携式检测在复杂环境中的适用性挑战。通过协同集成ZIB电源、EBFC识别和双模信号转换，这项工作在能量供应、生物检测和信号输出方面实现了突破性创新，克服了传统自供电传感器在可靠性、通用性和用户体验方面的多重局限。支持蓝牙的智能手机交互进一步为高灵敏度、智能即时生物传感系统的设计提供了新的技术范式。
2 实验部分
2.1 锌离子电池结构
将含有CuSe正极材料、导电炭黑和10 wt.%聚偏氟乙烯（PVDF）粘合剂的N-甲基吡咯烷酮（NMP）浆料按合理比例混合，研磨成均匀浆料，然后涂覆在铝箔集流体上。涂覆的电极在80°C下真空干燥10小时，以制造最终的工作电极。将干燥的电极冲压成直径为10毫米的圆片。对于电化学性能测试，使用ZnSO4水溶液作为电解质，锌箔作为对电极，组装CR2032型纽扣电池。
2.2 传感器构建
首先将炭黑在90°C的硝酸中氧化6小时，在其表面引入羧基，从而促进后续与酶的共价结合。将改性后的炭黑与CuSe和PVDF在NMP中混合形成均匀悬浮液。随后，将50 μL该悬浮液滴涂到一块碳布上，真空干燥去除NMP，从而制备基体电极。接下来，在电极表面添加30 μL含有EDC/NHS的缓冲溶液，活化30分钟，以实现酶与电极的共价偶联。之后，将30 μL的肌氨酸氧化酶（SOx，5 mg/mL）添加到电极上，并在4°C下孵育过夜，形成能够响应酶促反应的传感层。SOx通过EDC/NHS偶联共价固定在电极上，酶负载量约为每1 × 1 cm2电极150 μg（≈每个电极4.5 U）。这种共价固定策略最大限度地减少了酶浸出，并确保在电化学工作条件下具有足够的催化活性。由此得到阳极。使用薄锌片（1 × 1 cm2）作为阴极。
2.3 伦理声明
本研究使用的所有人尿液样本均符合伦理要求收集，并严格遵循相关医疗指南。样品收集和使用的所有程序均获得西安交通大学第二附属医院医学伦理委员会的批准（批准号：2025YS381）。所有参与者均提供了将其尿液样本用于科学研究的知情同意书。
3 结果与讨论
3.1 传感芯片检测机制
展示了一个创新的非侵入性前列腺癌筛查系统，通过尿液自供电混合能量供应方法实现双模高灵敏度检测。在特定的检测模块中，修饰在中空立方体电极表面的肌氨酸氧化酶选择性识别前列腺癌患者尿液中的SAR代谢物。尿液中的锌离子作为ZIB的电解质，而SAR作为EBFC的燃料，通过双重能量供应从根本上提高了检测灵敏度。同时，电化学反应的副产物触发嵌入尿液收集垫中的无纺布比色条发生可见颜色变化，提供直观的定性评估。最后，无线传输模块通过蓝牙将检测数据实时发送到智能手机和医院监测系统进行定量分析。虽然同时运行，但EBFC和ZIB通过不同且在空间上受限的机制发挥作用。EBFC由酶-底物特异性和H2O2介导的电子转移控制，而ZIB由Zn2+传输和可逆电化学反应主导。因此，尿液基质的变化通过正交途径影响两个子系统，从而实现信号放大而互不干扰。该系统创新性地集成了高特异性生物传感、自供电技术和可穿戴设备，既能通过颜色变化实现快速的居家筛查，又能通过电子数据进行精确的临床诊断，有效解决了传统PSA检测假阳性率高的问题。
3.2 材料形态学
2O template, (B, C) SEM image of prepared CuSe, (D, E) TEM images of CuSe, (F) High-resolution TEM (HRTEM) of CuSe, (G) SAED of CuSe, (H) mapping images of CuSe before, (I) XPS spectra of CuSe, (J) Schematic illustration of CuSe synthesis and ball-and-stick models of the CuSe material viewed from different angles, along with the three possible adsorption sites on the CuSe surface, (K) X-ray diffraction (XRD) pattern of CuSe, (L) Raman spectrum of CuSe.">图1A显示了制备的Cu2O立方体模板的SEM图像，其呈现出规则的立方体形态，尺寸均匀约为500纳米，表面光滑，无明显团聚。相应的TEM图像进一步证实了Cu2O立方体明确的纳米结构和清晰的晶格条纹，表明其结晶性良好。图1B, C显示了制备的CuSe材料的SEM图像。经硒处理后，整体形貌保持不变，基本颗粒仍无明显团聚。在保持原始立方体形态的基础上，目标产物由超薄二维纳米片组成，纳米立方体表面粗糙均匀。如图1D, E所示，中空CuSe结构明显，直径约为600纳米。中空微结构使纳米材料具有低质量密度并避免结块现象。引入二维纳米片可以避免三维薄层结构的破碎，有利于电解质渗透，从而暴露丰富的活性位点并提供离子扩散途径。图1F中，通过边缘高分辨TEM观察到晶面间距为0.20纳米的晶格条纹，这与CuSe的（110）晶面相关。选区电子衍射图案（SAED，图1G）显示了对应于（106）/（100）/（110）晶面的单晶斑点与多晶衍射环，证明了多晶CuSe的成功合成。映射图像代表了整个纳米立方体，Cu和Se元素的均匀分布也证实了复合多维材料的成功制备（图1H）。元素分析与SEM观察显示，循环后CuSe的中空立方结构发生部分破碎，并伴有新元素信号的出现，表明材料在充放电过程中经历了某些结构和成分演变。锌的存在进一步证实了可逆反应的成功进行。EDX元素分布和XPS全谱（图1I）证实了材料表面主要元素Cu和Se的存在，上述结果证实了CuSe的成功制备。图1J描绘了CuSe材料的制备过程，以及显示不同角度和三个候选吸附位点的球棍模型。图1K显示了Cu2O和CuSe晶体的XRD图谱，与标准卡片（PDF#05-0667和PDF#27-0185）匹配良好，证实了它们的相纯度。此外，观察到的尖锐峰和几乎没有杂峰证实了CuSe的成功合成。图1L显示了拉曼数据，光谱中最强的峰位于260 cm-1，可归属于Cu-Se振动的第一纵向光学声子模式。这些发现进一步验证了CuSe的成功合成。
3.3 放电性能与机制分析
2+ electrolyte, (B) Log (i) vs log (v) curves of two peaks, (C, D) Capacity contribution rate, (E) Schematic diagram of the constructed ZIB, (F) Charge–discharge curves at the initial five cycles, (G) Rate capability, (H) Discharge–charge GITT profiles, (I) Cycle performance.">基于Randles–Sevcik关系，在不同扫描速率下通过循环伏安法（CV）研究Zn2+扩散动力学。在2 M Zn2+电解质中性pH条件下，在大约0.60和0.40 V（vs Zn2+/Zn）处观察到了明确的氧化还原峰和相应的放电/充电平台，表明CuSe电极可逆的Zn2+嵌入/脱出行为。如图2A所示，随着扫描速率增加，整体CV曲线几乎保持不变，表明极化低且倍率性能良好。图2B展示了峰电流与扫描速率的线性拟合。氧化峰和还原峰的b值分别为0.67和0.82，表明CuSe阴极中的Zn2+存储由离子扩散和表面赝电容效应共同控制。使用相同模型进一步量化了不同扫描速率下这两个过程的各自贡献。图2C显示了在0.6 mV s-1下的CV曲线，其中赝电容行为的容量贡献为43.7%（紫色区域）。在图2D中，赝电容行为的容量贡献从32%逐渐增加到52%。上述分析可导致高的Zn2+扩散率，其中空结构有助于材料的多形式能量存储。组装的电池在不同循环次数下的电化学阻抗谱显示，10次循环后半圆尺寸和曲线轮廓几乎未变，表明在可逆循环过程中界面电荷转移稳定且Zn2+扩散顺畅，证实了电池良好的循环稳定性。在第十次循环测试后，阻抗略有增加，通过绘制低频区的Z'与ω-1/2图拟合的σ从50增加到60 Ω s-1/2，这导致扩散系数略有下降。图2E阐明了锌离子在电极材料中的嵌入和脱出以及SOx的催化反应机制，其中肌氨酸被酶促氧化释放电子，而锌离子在电极材料内可逆迁移以维持电荷平衡。在所考虑的吸附位点中，总能量最高的构型说明了CuSe的原子排列以及Cu和Se原子的相对位置。图2F显示了CuSe阴极在1.0 A g-1下的充放电曲线，初始放电和充电容量分别为315和328 mAh g-1，库仑效率为96%。容量在后续循环中几乎保持不变，表明具有高度可逆的Zn2+存储行为。图2G显示了制备的CuSe材料的倍率性能。在0.1–5.0 A g-1的电流密度下观察到稳定的放电容量分别为356、340、331、318、308、298和276 mAh g-1，容量保持率为78%。此外，当电流密度调整回0.1 A g-1时，可逆容量迅速恢复到约300 mAh g-1，表明所制备的多维CuSe正极材料具有良好的倍率耐受性和循环稳定性。计算得出的CuSe材料的扩散系数主要稳定在10-11–10-12cm2s-1范围内，这与充放电结果一致，证实了该材料具有优异的放电行为（图2H）。如图2I所示，在1 A g-1下测试了CuSe的长循环性能，结果显示200次循环后容量保持率为80%，表明CuSe材料具有优异的长循环耐久性。
3.4 肌氨酸相关生物信息学分析
为了探索与前列腺癌中肌氨酸相关改变相关的基因表达模式，进行了一系列生物信息学分析。差异表达分析（图3A）识别了前列腺癌和正常组织之间多个显著上调和下调的基因。带有层次聚类的热图（图3B）显示，这些差异表达基因基于其表达谱能将肿瘤样本与正常样本区分开。整体分析流程总结在图3C中。KEGG通路富集分析（图3D）表明，差异表达基因富集在与代谢和若干信号传导过程相关的通路中。GO细胞组分分析（图3E）显示这些基因主要与细胞器、膜相关成分等细胞内结构相关。GO分子功能分析（图3F）揭示了包括小分子结合和酶活性在内的功能富集。GO生物过程分析（图3G）表明涉及物质转运和代谢调节等生物过程。总体而言，图3A–G总结了前列腺癌中肌氨酸相关基因的差异表达模式和功能富集结果。
3.5 传感器性能
OCV and SAR concentration, (C) Correlation between transient current and SAR concentration, (D,E) Optical detection mode showing RGB/absorbance versus SAR concentration relationships, all measured in PBS buffer containing 10 μM Zn2+with varying concentrations of SAR, (F) Stability comparison of four testing methods, (G) Structural analysis diagram of interference experiments, (H) Specificity data under dual detection modes, (I) System stability tests in both electrochemical and colorimetric modes.">SEM观察揭示了涂覆电极材料后碳布明显的形态变化。涂层使表面明显更粗糙，活性材料均匀分布在纤维网络中。这种均匀覆盖增加了有效表面积并提供更多的电活性位点，从而增强了信号传输。这种形态特征改善了分析物与电极表面的相互作用，实现了稳定和灵敏的传感器输出。图4A说明了可穿戴尿布的双模检测机制，该系统通过协同的电化学-光学输出实现肌氨酸浓度的精确检测。在电化学检测模式下，随着SAR浓度增加，EBFC的燃料浓度相应上升。SAR在SOx催化下氧化，生成H2O2并释放电子。这些电子通过电极转移到外电路，导致电池系统的开路电压（EOCV）或短路电流显著增强。信号强度与肌氨酸浓度呈正相关。同时，SAR氧化反应产生的H2O2进一步触发光学检测模式。在辣根过氧化物酶（HRP）存在下，H2O2氧化无色底物3,3',5,5'-四甲基联苯胺（TMB），生成蓝色的氧化TMB（oxTMB），从而引起系统明显的颜色变化。该电致变色反应的显色强度与H2O2浓度直接相关，从而与初始肌氨酸浓度建立定量关系。颜色变化可通过智能手机RGB分析或紫外-可见分光光度法定量分析。这种双模设计通过电化学信号提供高灵敏度的定量结果，并通过光学信号提供直观的视觉读数。两种模式之间的相互验证显著提高了检测可靠性，特别适合非专业用户在家庭环境中进行快速筛查。在该系统中，尿液中的Zn2+（10 μM）作为ZIB的电解质，ZIB作为辅助和可逆的电源单元，用于稳定和放大输出信号，而非传感元件。由于可逆的Zn2+嵌入/脱出机制，Zn2+浓度的正常波动对短期电池运行影响可忽略。图4B, C显示了电化学检测模式下EOCV和瞬态电流的灵敏度响应曲线。随着目标分析物浓度增加，EOCV和瞬态电流均呈现渐进式上升，在特定浓度范围内表现出强线性相关（R2> 0.99）。对于EOCV，线性范围为10 pM–1000 μM，校准方程为y = 0.02376 lg c + 1.251 (R2= 0.9940) 和 y = 0.07655 lg c + 1.574 (R2= 0.9945)，检测限为0.95 pM。对于瞬态电流，线性范围为10 pM–500 μM，校准方程为y = 0.7168 lg c + 14.96, R2= 0.9942) 和 y = 1.298 lg c + 18.39, R2= 0.9951)，相应的检测限为0.85 pM。这些结果表明EOCV和瞬态电流响应均具有高灵敏度，适用于分析物的定量检测。值得注意的是，0.85 pM的超低检测限凸显了我们传感策略卓越的分析灵敏度，证明了其可行性，并为集成到可穿戴平台奠定了坚实基础。图4D说明了比色模式的定量能力。结果表明，随着SAR浓度增加，蓝色oxTMB产物在652 nm处的蓝色值发生线性变化，拟合方程为y = ?3.065 lg c + 184.4 和 y = ?0.02685 c + 194.4 (LOD = 1.14 pM)。图4E和S10采用紫外-可见分光光度法进行交叉验证，以验证光学检测的可靠性。在652 nm特征吸收峰处获得的校准曲线与灰度分析结果高度一致，证实了其稳健的定量性能。图4F和S11显示了双模系统的重现性，在不同测量模式下RSD低于5%。如图4G, H所示，使用常见干扰物（如肌酐、氨基酸，各10 mM）的对照实验表明，只有目标分析物肌氨酸（SAR, 10 μM）能引起显著的电化学和比色响应，证实了酶级联反应的高特异性。该传感系统在缓冲的近中性条件（pH 7.4）下运行，从而最大限度地减少了尿液分析过程中与pH相关的干扰。最后，在电化学和比色模式下评估了系统在三种浓度下的稳定性（图4I）。将修饰电极在4°C干燥条件下密封保存，以尽量减少水分暴露和酶降解。使用在相同修饰条件下制备的电极，以5天为间隔进行稳定性测量。传感器在30天后仍保持其初始性能的90%以上。与已报道的肌氨酸传感器相比，该平台显示出相当或更优的灵敏度、更简单的操作以及更好的即时检测（POCT）适用性。
3.6 机器学习数据处理与实际样本分析
由于实验获得的双峰数据沿浓度维度离散分布，基于原始数据集的统计分布特征构建了连续模拟数据，以评估模型在连续空间中的稳定性和泛化能力。所有模型训练和参数优化仅使用实验获得的真实数据进行，而模拟数据仅用于事后验证和连续性分析。如图5A所示，原始数据和模拟数据在电流和蓝色值的二维空间中表现出高度一致的分布，表明模拟数据有效地再现了实验数据的整体特征。如图5B所示，不同浓度的样本在双峰信号中显示出清晰的梯度分布，低浓度和高浓度区域之间具有良好的可分离性。基于此特征分布，图5C显示电流和蓝色值在低浓度组和高浓度组之间均表现出极显著差异（p < 0.001），验证了分类阈值的合理性。在模型开发之前，使用分层随机抽样将数据集划分为训练集和测试集，确保浓度分布平衡，同时防止信息泄漏。此外，如图5D所示，分类模型在归一化特征空间中，对于原始数据集和模拟数据集都实现了高准确率和F1分数。相应的ROC曲线（图5E）显示AUC值接近1，表明具有出色的判别能力和泛化性能。如图5F所示，边界样本的分类性能与原始样本和模拟样本相比显著下降，表明阈值附近的不确定性是影响分类稳定性的主要因素。图5G示意性地说明了由双峰特征输入、分类和分段回归进行定量预测构成的整体机器学习工作流程，为后续的分类器-回归器集成分析提供了方法框架。引入分段回归后，图5H显示预测值与真实的lg(C/M)值之间存在强线性相关性（R2= 0.980），表明定量预测准确性得到显著提高。SHAP分析（图5I）显示，电流和蓝色值在不同浓度范围内的贡献权重不同，反映了双峰信号的互补性。在更广泛的临床背景下，个体间差异可以通过特征归一化进一步减轻。将供体相关元数据作为辅助协变量纳入，可以在不改变核心传感机制的情况下实现自适应校准。最后，如图5J所示，“分类-回归”联合模型显著提高了模拟数据的回归拟合性能，使其与真实数据相当，这表明该策略有效缓解了数据分布差异对回归准确性的不利影响。为了评估自供电生物传感器在实际样品中的适用性，进行了加标回收实验。首先使用Tris-HCl将尿液样本缓冲至pH 7.4，然后在4°C、4000 rpm下离心3-5次，每次5分钟，以减少基质干扰。将所得上清液用PBS溶液（pH = 7.4）稀释，随后加入不同浓度的肌氨酸进行加标。传感器回收率在83.68%至125.88%之间，RSD在2.65%至7.95%之间。这些结果表明，所提出的方法适用于实际样品中分析物的检测。
3.7 可穿戴芯片测试
OCV validation of the single-enzyme biofuel cell and dual-powered enzyme-zinc battery system, (G, H) Dual-power mechanism model and its verification, (I) Images of diapers after exposure to different sarcosine concentrations, (
