摘要：
本研究重点关注基于醇氧化酶（AOX）酶反应的乙醇纳米生物传感器及其在生物电池中产生电流的可行性。其目的是通过AOX酶在乙醇存在下的酶促氧化过程，将乙醇中的潜在能量转化为电能。电子的释放和电位差的产生使得乙醇作为生物燃料电池/自供电生物传感器在生物敏感系统中的使用成为可能。为实现这一目标，研究中对玻碳电极进行了金纳米粒子的修饰，以增强导电性，并将AOX酶固定在工作电极上。在不同的pH值和分析物浓度条件下测量了通过酶促过程生成的电流。随后，采用机器学习模型，包括多层感知器（MLP）、深度神经网络、决策树和随机森林，评估参数对电流生成的影响，评估误差率并比较结果。结果表明，MLP模型是预测不同pH值、温度和乙醇浓度下产生电流的最合适方法。这些发现可用于确定最佳条件并提高电流输出，以作为自供电生物传感器的可靠能源来源。总之，本研究提出了一种通过AOX酶氧化乙醇生成电力的有前景的方法。利用机器学习分析实验数据为最大化电流输出的最佳条件提供了洞察，为在生物敏感系统和生物电池技术中开发可持续能源来源提供了支持。
文章简介：
利用生物资源产生的电流在能源生产中越来越受欢迎，因为其环保特性。这种能源来源在小型精密设备中尤为有用，例如生物技术、医学和诊断应用中的设备。乙醇是最易获取和广泛存在的生物能源之一，可以通过代谢、生化和化学过程生产。乙醇含有大量潜在能量，可以作为生物电池的燃料。
电化学生物传感器的工作依赖于分析物与工作电极上的受体之间电子的移动，以生成电流。这个过程需要驱动力，通常由工作电极与对电极之间的电位差提供。历史上，这种电位差是通过外部电源或化学能源（如电池）提供的。然而，自供电生物传感器在其结构中嵌入了电能源，这种电能是通过生物相容的生化过程获得的。
本文强调了将生物物质（如乙醇）作为这种电位差来源的潜力。用生物电池替代传统化学电池可以对新型电化学生物传感器的技术和生产产生重大影响。这个概念在自供电生物燃料电池（BFCs）中得到了展示，这些生物传感器的结构内嵌入了电池。这些生物传感器中的电能是通过酶反应产生的，本文所研究的特定酶反应是醇氧化酶（AOX）在乙醇作为底物上的反应。
适合作为乙醇生物传感器中生物选择性组分的酶包括醇氧化酶（AOX）和醇脱氢酶。醇脱氢酶催化初级芳香族和脂肪族醇的可逆氧化（甲醇除外），并需要烟酰胺腺嘌呤二核苷酸或吡咯喹啉醌作为辅因子。基于AOX的生物传感器更为简单，因为它们只需分子氧作为辅因子。AOX催化低分子量初级醇（如甲醇和乙醇）氧化为相应的醛。在此反应中，酶辅因子黄素腺嘌呤二核苷酸（FAD）被还原为其氢化形式（FADH2），然后被氧分子（O2）重新氧化为其原始状态。
氧化过程利用氧作为电子受体，生成乙醛和过氧化氢作为反应产物，如方程式（1）所示。电子的释放产生负电荷，能够作为工作电极的合适底物，作为阳极生成电位差，并随后产生电流。这个电位差为其他电化学生物传感器在检测过程中的操作提供了必要的能量。
在电化学过程中，使用高导电性化合物或用导电化合物修饰电极表面可以降低电极的电导阻抗，并增强酶与电极表面之间的电子转移速度，从而改善生物传感器的通信通道。金纳米粒子（GNPs）是这些化合物中导电性最强且最常用的一种，显著提高了生物传感器结构中电极的导电性。因此，在本研究中，采用AOX酶作为生物催化剂，旨在加速反应、提高效率，并确保反复使用的可重复性。为了进一步提高电极的导电性，玻碳电极（GCE）被涂覆了金纳米粒子。
本研究开发了一种利用AOX酶作为生物催化剂和金纳米粒子增强玻碳工作电极导电性的乙醇生物传感器。该生物传感器中生成的电位差和电流为乙醇作为生物电池中主要燃料来源的应用提供了有价值的见解。此外，在自供电生物传感器中预测电流的人工智能应用是本研究的一大优势。为此，研究了多种机器学习模型，以确定最适合此目的的模型。分析和评估影响乙醇氧化酶促反应的因素，采用人工智能进行分析。这一分析不仅阐明了这些因素对生物传感器性能的影响，还允许通过推导出的综合公式确定更广泛的操作范围。这个独特的公式可以用于其他生物传感器的设计，为该领域做出了宝贵的贡献。
在本文中，我们讨论了电化学生物传感器的三个关键组成部分：分析物、受体和交换器。生物传感器结构利用通过乙醇氧化的酶促过程生成的电能。玻碳是一种对化学攻击具有高度抵抗性的材料，具有良好的电导性、机械稳定性和极低的液体渗透性。因此，它被选为本研究的工作电极。
AOX酶通过戊二醛中间体固定在改性金纳米粒子的玻碳基底上（见图1）。该设置在约25°C的温度条件下干燥，以完成稳定化过程。作为阳极，工作电极能够转移电子并施加电位差。此外，使用含有纳米颗粒（如金纳米粒子，GNPs）的导电墨水进行电路打印技术的进步，使得能够创建灵活且可穿戴的电化学生物传感器套件（见图1）。
图1. 乙醇生物传感器的制作和使用示意图.
(A) 清洁玻碳电极（GCE），使用铝氧化物粉末进行清洗，并用去离子水进行洗涤和超声处理。
(B) 修改GCE的方法示意图，通过金纳米粒子（GNPs）和醇氧化酶（AOX）酶对其进行改性，并通过壳聚糖将它们固定在GCE表面，随后进行酶促反应。
(C) GNPs/壳聚糖/AOX复合物在工作电极上的固定。
(D) 使用乙醇生物传感器测量含有乙醇的溶液中乙醇值的示意图。CV，循环伏安法。
文章结论：
本文通过评估多种机器学习模型与实验数据，优化了生产流程，以确定pH值、温度和乙醇浓度的最佳值。选择了多层感知器（MLP）模型作为最有效和合适的模型，并使用实验室数据进行了训练。结果表明，增加乙醇浓度可以导致电流产量的提高，但pH值和温度起着至关重要的作用。将pH值提高到8.5和温度提高到40°C，可以改善电流的产生。这些最佳条件通常在生物基质中是稳定的，使其适合用于基于乙醇的生物电池，以在各种生物应用中产生高效的电流，特别是在自供电生物传感器中。控制和监测这些参数以防止反应过程中出现任何抑制效应是至关重要的。
文章信息：
Evaluating the Performance of Ethanol Electrochemical Nanobiosensor Through Machine for Predictive Analysis of Electric Current in Self-Powered Biosensors
Afshin Farahbakhsh, Javad Mohebbi Najm Abad, Amin Hekmatmanesh*, Heikki Handroos
