Machine Learning Enhances the Performance of Bioreceptor-Free Biosensors.
自生物传感器问世以来，研究者常采用简单回归模型根据信号强度计算分析物含量。传统生物受体可提供高灵敏度与特异性，但无生物受体生物传感器因缺乏特异性识别元件，在保持低检出限和强特异性方面面临挑战。机器学习（ML）被引入以增强这类传感器性能，通过建模替代生物受体，在数据分析阶段重新引入特异性。本文综述了 ML 在成像、电子鼻（Enose）...
Array-Based Biosensors for Bacteria Detection: From the Perspective of Recognition.
基于阵列的生物传感器已成为区分核酸、蛋白质、微生物及其他生物分子等分析物中细微差异的有效而强大的工具。在基于阵列的细菌传感中，细菌识别是初始步骤，可关键影响生物传感器阵列的分析性能。细菌识别、信号读出和数学分析对于确保阵列生物传感器的区分能力不可或缺。细菌识别策略主要包括生物分子与细菌表面相应受体之间的特异性相互作用、材料与细菌之间...