西安交大在基于人工智能的微生物传感器研究领域获进展

近年来，人工智能的研究已经实现了自动驾驶、实用语音识别、精确图像识别、高效网络搜索等功能。由于它可以通过计算机模型学习人类思维、推理和行为的思维方式，因此它已经成为计算机科学、金融、航空航天、生物医学等领域的研究热点。然而，其在工程领域，尤其是微生物传感器领域的应用却鲜有报道。

基于微生物燃料电池系统的微生物传感器是一种新型生物传感器系统，具有自修复和再生能力，成本低，长期有效运行。阳极生物膜或生物阴极是生物识别元件，电极是信号传感装置。化学物质的检测可以通过电信号的变化来实现。进水成分和接种物的变化会影响微生物群落的多样性和丰富度，而电信号很难反映这种变化。系统的操作条件和细胞外电子转移速率使底物和微生物群落结构之间的关系复杂化，导致不同流入底物的电信号输出相似，降低了传感器检测化学物质的准确性，且电信号不能具体表征某一物质。

针对上述问题，Xi交通大学行动主义学院环境科学与工程系王运海教授、美国俄勒冈州立大学刘红教授和英国纽卡斯尔大学伊丽莎白·海德里希教授等组成了研究团队。在思维、模型构建、微生物基因和底物数据收集与分析等多个方面开展了密切的合作研究。他们首次将基于MFC系统的微生物传感器对有机底物的检测与生物信息学数据联系起来，并通过人工智能预测底物的类型，为提高这类微生物传感器信号的特异性提供了改进的思路。此外，在具有已知底物基质的系统中，该方法还可以通过识别系统中微生物群落结构的组成和丰度来判断物质的代谢途径，并且可以利用微生物群落结构和底物基质之间的相关性来探索食物链的完整代谢途径。

据项目专家介绍，该创新技术还可以应用于未来环境大数据分析、环境污染特征分析、环境污染预警等方面，具有简单高效的特点。

该研究结果最近发表在生物传感器领域的顶尖期刊《生物传感器与生物电子学》上，论文题为“基于机器学习和生物信息数据的微生物燃料电池基质预测”。论文的第一单元是交通大学，第一作者蔡是教授课题组的博士生。

本项目的研究工作得到了美国自然科学基金、中国国家自然科学基金和国外学者合作研究项目的支持。

文章相关信息:https://doi.org/10.1016/j.bios.2019.03.021