近日，华南理工大学生物科学与工程学院王菊芳教授团队在Biosensors and Bioelectronics（IF=12.6）杂志上在线发表题目为“Detection of SARS-CoV-2 using machine learning-enabled paper-assisted ratiometric fluorescent sensors based on target-induced magnetic DNAzyme”的研究论文。华南理工大学生物科学与工程学院博士研究生王文海为第一作者，王菊芳教授为通讯作者，华南理工大学生物科学与工程学院为第一单位。

论文链接：https://www.sciencedirect.com/science/article/pii/S095656632400277X

图1. SARS-CoV-2 检测系统的主要组成和工作流程

COVID-19是由SARS-CoV-2引起的大流行病，持续影响社会的各个方面。病毒的快速传播凸显了通过追踪接触者及时诊断以限制其传播的必要性。然而，目前的检测方法在提供灵敏和快速的现场诊断方面能力有限。

与传统的单色荧光检测方法相比，具有双发射荧光特性的比率荧光传感器因其多色差异、高灵敏度和较强的抗干扰能力而受到广泛关注。此外，机器学习是一种人工智能算法，在图形和语音识别方面都优于早期技术，基于比率荧光传感器的智能设备已被广泛开发。然而，基于机器学习的智能平台在SARS-CoV-2现场检测中的应用很少，因此，开发比率荧光传感器的智能人工视觉平台，以实现灵敏、准确的SARS-CoV-2现场检测非常必要。

 在本研究中，我们提出一种基于机器学习和纸辅助比率荧光传感器的高灵敏度现场测试方法，用于快速和高特异性检测SARS-CoV-2。该纸辅助比率荧光传感器是将Blue-SiO₂ (B–SiO₂) 和Dopamine修饰的QD/SiO₂ (DPA-QD@SiO₂或R–SiO₂)集成到纤维纸上，用于视觉检测SARS-CoV-2 RNA。首先，目标物诱导滚环扩增，以产生磁性DNAzymes，生成的磁性DNAzyme和H₂O₂将DPA-QD@SiO₂上的多巴胺催化氧化为多巴色素，随后DPA-QD@SiO₂上QDs被淬灭。最后，智能手机记录纸基传感器荧光图像，机器学习平台分析相应的荧光图像，量化SARS-CoV-2 RNA。研究结果显示，机器学习的ResNet算法可以准确识别荧光图像并量化SARS-CoV-2 RNA的浓度，识别准确率达99%。机器学习平台表现出出色的灵敏度和颜色响应性，实现了SARS-CoV-2 RNA30 fM的检测限。这种机器学习平台与纸辅助比例荧光传感器的集成体系为现场筛查COVID-19提供了一种新思路，并在未来具有更广泛地用于疾病诊断的潜力。

该研究得到了广州市科技计划项目（202205110007）的资助。