![]()
![]()
郑州大学杨瑞英副教授为通讯作者，河南工程学院耿文超副教授为第一作者，在国际权威期刊Advanced Functional Materials，发表“Machine Learning‑Assisted Polarity‑Switchable Photoelectrochemical Platform based on B‑Eu₂O₃ Nanospindle and Dual‑Amplified Rod‑Shaped DNA Walker”相关成果（2026, e79008，DOI: 10.1002/adfm.79008）。
光电化学（PEC）生物传感器因灵敏度高、检测设备简易的突出优势，在疾病生物标志物检测领域得到广泛关注。然而当前已报道的极性翻转光电材料大多集中于铋、铜、碳基材料体系，这类材料普遍存在光生载流子分离效率低、能带结构难以调控、光电流极性反转效果不理想等问题。镧系元素具备独特的4f电子构型、多变的价态以及可调控的电子能级，为构建极性翻转传感平台提供了良好的材料基础，因此，本文基于B-Eu2O3纳米纺锤体结构以及目标触发式双放大一维棒状DNA步行器，设计了一种新型极性翻转PEC生物传感器，用于视黄醇结合蛋白4（RBP4）的灵敏检测；同时引入机器学习算法挖掘PEC检测数据中的隐藏特征，精准区分T2DM患者与健康人群，为糖尿病标志物智能检测提供了新思路。
靶标RBP4可触发棒状 DNA 步行器完成信号转换与放大，生成大量 P1（RP）探针。随后，RP 探针作为步行器，打开电极表面的发夹探针 1（H1）；被激活的 H1 进一步触发生物素标记的发夹探针 2（H2），释放出 RP 步行器，启动催化发夹组装（CHA）放大反应。借助生物素‑链霉亲和素的特异性结合作用，B‑Eu₂O₃纳米纺锤引入生物传感体系，产生与背景阳极信号方向相反的阴极检测信号。该PEC生物传感器检测RBP4的检出限低至
0.49 fg/mL，进一步利用机器学习模型挖掘检测数据中潜藏的特征模式，集合机器学习与PEC平台的一体化检测体系能够有效区分T2DM患者与健康人群，分类准确率可达100%。
方案1：（A）B‑Eu₂O₃纳米纺锤制备示意图。（B）基于B‑Eu₂O₃纳米纺锤与双放大棒状DNA步行器的极性翻转PEC生物传感器。（C）机器学习辅助PEC平台用于T2DM分类。
图1. （A,B）B-Eu-MOF纳米纺锤的SEM图、（C）TEM图、（D）XRD图和（I）EDX元素面分布图。（E,F）B-Eu₂O₃纳米纺锤的SEM图、（G）HRTEM图、（H）XRD谱图和（J）EDX 元素面分布图。
![]()
![]()
图2.（A）Eu 3d、（B）O 1s、（C）N 1s 以及（D）B 1s 的 XPS 谱图。（E）Eu₂O₃与 B-Eu₂O₃的紫外-可见吸收光谱；（F）Tauc 图；（G）M-S 曲线。（H）B-Eu₂O₃的价带 XPS 谱图。（I）ITO/Eu₂O₃与 ITO/B-Eu₂O₃电极的光电流曲线。（J）330 nm 激发条件下，Eu₂O₃与 B-Eu₂O₃的 PL 光谱。（K）避光与光照条件下 Eu₂O₃和 B-Eu₂O₃的EIS。（L）ITO/CdS、ITO/CdS/Eu₂O₃以及 ITO/CdS/B-Eu₂O₃电极的光电流曲线。
![]()
![]()
图3.（A）不同偏压条件下 B-Eu₂O₃的极性翻转探究。（B）未加入抗坏血酸（AA）时，CdS（曲线 a）与 CdS/B-Eu₂O₃（曲线 b）在光照下的瞬态光电流分析。（C）CdS（曲线 a）与 CdS/B-Eu₂O₃（曲线 b）的表面光电压信号；（D）TRPL光谱。（E–H）避光与光照条件下 CdS、CdS/B-Eu₂O₃的KPFM图像及其对应的电势分布。（I）CdS、（J）CdS/B-Eu₂O₃光照前后 Cd 3d 的结合能偏移。（K）ITO/CdS 电极、（L）ITO/CdS/B-Eu₂O₃电极的极性翻转机理。
图4.（A）一维棒状 DNA 步行器、（B）三维 DNA 步行器的示意图。（C）金纳米棒（Au NRs）、（D）金纳米颗粒（Au NPs）的TEM图。（E）一维棒状 DNA 步行器（曲线 a）与三维 DNA 步行器（曲线 b）产生的光电流。（F）聚丙烯酰胺凝胶电泳（PAGE）实验。（G）不同修饰电极的EIS和（H）PEC表征：ITO/CdS、ITO/CdS/H1、ITO/CdS/H1/BSA、ITO/CdS/H1/BSA/RP walker、ITO/CdS/H1/BSA/RP walker/B-Eu₂O₃-SA。（I）不同 RBP4 浓度下的光电流响应：2、10、10²、10³、10⁴、10⁵、10⁶以及 5×10⁶ fg/mL，（J）标准曲线，（K）选择性实验，RBP4 浓度：10 pg/mL，各干扰物浓度：500 pg/mL。
![]()
![]()
图5.（A）人血清样本中 RBP4 检测的PEC方法与 ELISA 试剂盒的响应对比和（B）相关性图。（C）健康组与
T2DM组RBP4信号的箱式图；（D）热图。（E）人工神经网络（ANN）、支持向量机（SVM）、随机森林（RF）、决策树（DT）以及逻辑回归（LR）模型的灵敏度、特异度与准确度。（F）T2DM分类的DT模型的 ROC 曲线，（G）DT模型框架，（H）混淆矩阵。
综上，本文构建了一种基于B-Eu₂O₃纳米纺锤诱导光电流极性翻转和双放大DNA步行器的高灵敏、高选择检测RBP4的PEC生物传感平台。该PEC生物传感器具有较宽的线性范围（2 fg/mL ~ 5 ng/mL）、较低的检出限（LOD=0.49 fg/mL）以及优异的抗干扰能力，为 RBP4 的超灵敏检测提供了良好的平台。该PEC平台可有效区分T2DM患者与健康人群。此外，借助机器学习挖掘RBP4的PEC数据中潜在的隐匿特征模式，取得了优异的诊断效果。该融合PEC生物传感器与机器学习的一体化检测平台，在生物标志物智能分析领域具备良好的应用前景。
分析人QQ：827739075
分析人微信号：fen-xi-ren
添加编辑微信，加分析微信群
投稿、荐稿、合作请联系：
lovechemwechat@163.com
