近日，公共卫生学院牛湘衡团队在纳米酶传感阵列设计及检测应用方面取得新进展，相关成果以“Machine Learning-Enabled Time-Resolved Nanozyme-Encoded Recognition of Endogenous Mercaptans for Disease Diagnosis”为题发表在国际学术期刊Analytical Chemistry（IF=6.7，中科院1区，自然指数期刊）上。公共卫生学院23级硕士研究生陈鑫瑜为第一作者，牛湘衡为主要通讯作者，南华大学为第一单位。

内源性硫醇在调控细胞内氧化还原平衡以及维系细胞稳态方面发挥着关键作用，在临床实践中被广泛认为是多种疾病的重要生物标志物。因此，构建高效、便捷的检测方法用于精准区分和定量内源性硫醇，对于健康管理具有重要意义。近期，牛湘衡团队提出了一种机器学习辅助时间分辨纳米酶编码策略，通过识别存在潜在干扰的内源性硫醇用于疾病诊断。首次采用二乙烯三胺五甲叉磷酸与Mn³⁺配位，制备了一种新型无定形Mn_x(DTPMPA)纳米酶。该纳米酶能够催化无色的3,3',5,5'-四甲基联苯胺氧化为蓝色产物。由于内源性硫醇（半胱氨酸、同型半胱氨酸和谷胱甘肽）具有不同的抗氧化能力，它们的存在会在不同程度上竞争性抑制上述显色过程，从而为每个目标物提供特定的指纹图谱。利用这一机制，构建了以纳米酶为唯一传感单元的时间分辨传感阵列，借助模式识别可以准确区分不同类型和浓度的硫醇及其混合物。此外，将机器学习与传感阵列结合，构建了一种由浓度无关的分类模型和浓度关联的回归模型组成的逐步预测模型，不仅可以根据细胞内谷胱甘肽水平以区分癌细胞与正常细胞，还可以根据血清中同型半胱氨酸的浓度评估心血管疾病的严重程度。该团队设计的机器学习辅助时间分辨纳米酶编码策略在疾病诊断中展现出广阔的应用前景。

图1 机器学习辅助时间分辨纳米酶编码策略识别内源性硫醇用于疾病诊断（图片来自Analytical Chemistry）

近两年来，牛湘衡老师带领“纳米酶卫检”团队以南华大学为通讯单位在Analytical Chemistry、Biosensors and Bioelectronics、TrAC Trends in Analytical Chemistry、ACS Sensors、Small、Advanced Healthcare Materials、Journal of Hazards Materials、Chemical Engineering Journal、Food Chemistry、Sensors and Actuators B: Chemical等期刊上发表论文30余篇，积极为保障人民健康、绿色环境和食品安全贡献力量。

论文信息：Machine Learning-Enabled Time-Resolved Nanozyme-Encoded Recognition of Endogenous Mercaptans for Disease Diagnosis, Analytical Chemistry, 2025, https://doi.org/10.1021/acs.analchem.5c01539