基于微生物燃料電池系統的微生物傳感器是一種具有自我修復和再生能力,成本低,可長期有效運行的新型生物傳感器系統。但是由于進水組分及接種物的變化會影響微生物群落多樣性及其豐度大小,而電信號難以反映此類變化。系統運行條件及胞外電子傳遞速率將底物與微生物群落結構之間的關系復雜化,最終導致不同的進水底物會有相似的電信號輸出,降低了傳感器檢測化學物質的準確性,且電信號不能特異性地表征某一種物質。
針對上述難題,西安交通大學王云海教授小組、美國俄勒岡州立大學Hong Liu教授小組,以及英國紐卡斯爾大學Elizabeth S. Heidrich教授小組合作攻關,首次將基于MFC系統的微生物傳感器對有機底物的檢測與生物信息學數據聯系起來,并通過人工智能預測底物基質種類,為提高該類型微生物傳感器信號的特異性提供改進思路。此外,在已知底物基質的系統中,利用微生物群落結構與底物基質的相關關系,該方法也可以通過識別系統中微生物群落結構的組成成分及其豐度來判斷物質的代謝途徑,并可以探求食物鏈的完整代謝途徑。
據研究人員介紹,該創新技術將來亦可以應用于環境大數據分析、環境污染特征分析、環境污染預警等方面,具有簡便、高效的特點。
Biosensors & Bioelectronics最近發表了該研究的相關論文“Incorporating microbial community data with machine learning techniques to predict feed substrates in microbial fuel cells”,美國自然科學基金、中國國家自然科學基金等項目也給與了資助。