乳酸（Lactate, LA）是无氧代谢、缺氧状态及细胞应激的重要生物标志物，其水平升高通常反映剧烈运动、败血症及微生物活动过程中发生的代谢变化。然而，如何实现乳酸的实时、便捷检测仍然具有较大挑战。本研究开发了一种通用型3D打印水凝胶生物传感器，将乳酸氧化酶（LOx）与氧化铈纳米酶（nCe）模拟酶集成于同一平台，并结合智能手机成像和机器学习（ML）算法，实现了针对不同样品基质的高鲁棒性乳酸检测。LOx/nCe水凝胶能够完成一步法比色检测，而机器学习分析可有效校正环境成像条件带来的影响，从而显著提高检测准确性，实现了46 μM的检测限。酶与纳米酶之间的协同催化不仅赋予体系高度分子识别能力，同时实现了信号放大，使该平台能够在多种复杂样品中完成灵敏且具有良好选择性的乳酸检测。所得生物传感器具有优异的储存稳定性，在室温可稳定保存45天、4 ℃保存6个月以及−20 ℃保存9个月后仍保持良好的检测性能。此外，3D打印工艺保证了传感器的可重复、规模化制备，而基于智能手机的机器学习分析能够实时预测乳酸浓度，其预测模型的决定系数（R²）达到0.95。该平台进一步成功应用于汗液乳酸监测以及牛奶和海鲜新鲜度智能包装检测。总体而言，本研究建立了一种低成本、即时检测（Point-of-Use）的乳酸检测平台，为个体健康监测、运动表现评估以及食品品质智能检测提供了新的技术方案。
图1｜3D打印生物传感器的制备流程及后续分析与定量检测工作流程示意图。
图2｜AG/nCe/LOx及AG/nCe/LOx/TMB水凝胶的配制与3D打印过程，用于构建便携式、自支撑乳酸（LA）生物传感器。
图3｜（A） 不同相机拍摄角度及不同光照条件下传感贴片的图像。（B） 扫描图像颜色特征中各颜色通道贡献比例的饼图分析。（C） 三位不同肤色受试者人工汗液中乳酸浓度与红色通道（Red channel）响应之间的关系。（D） 基于630张在不同环境条件下采集、涵盖三位不同肤色受试者的数据训练得到的随机森林模型，对乳酸浓度预测值与真实值的对比。（E） 基于手机应用程序的图像处理流程及乳酸浓度预测软件界面。
图4｜（A） 巴氏杀菌牛奶样品在储存过程中pH值及滴定酸度的变化。（B） 第0–5天期间，采用集成传感器瓶盖密封的牛奶样品对应的实物照片。（C） 包装虾样品中乳酸敏感型生物传感器红色通道强度（Red color intensity）的变化及计算得到的乳酸浓度（n = 3）。（D） 生物传感器对应的比色响应照片。
