分享一篇发表在JACS上的文章，题目为“Electrochemomics Profiling Metabolic Dynamics in Biofluids”。文章的通讯作者为新加坡南洋理工大学的陈晓东教授和北京大学口腔医学院的卫彦教授，前者的研究专注于柔性电子材料与器件。生化传感器（biochemical sensors）的开发为生物标志物的实时检测提供了便捷、患者依从性高的方法。然而，由于外周生物流体（Biofluids，如唾液或汗液）组分高度复杂且受环境和个体差异影响大，生化传感器从这类样品中定量读取特定生物标志物的灵敏度是受限的。本文中，作者提出利用生化传感器从组学水平捕捉生物流体的全局特征，具体而言，即使用电化学传感分析样本中的代谢物组，称为EC-omics。

为此目标，作者设计了一种传感器件，其关键部件为基于碳纳米管-细菌纤维素（CNT/BC）的电极，该电极能从生物流体样本中收集伏安谱，通过无线连接的处理终端提取电流（Ip）、氧化还原电位（Ep）、半峰宽度（W1/2）和峰面积（S）等电化学特征。作者在一次工作周期内设置了2次循环伏安法（CV）扫描和一组差分脉冲伏安法（DPV）扫描，以充分表征电极-生物流体界面上的动态和准稳态行为。根据CV/DPV中的峰形可以鉴定不同的代谢物（例如模型体系中的尿酸和酪氨酸），它们的Ip和Ep等特征则与体系中的代谢物浓度、pH和电解质浓度相关。综合上述EC-omics特征，即可从复杂体系中表征各代谢物的状态（state），从而辅助疾病诊断。

随后，作者将EC-Omics方法应用在唾液样本的特征分析上。经过基线校正和特征提取，作者将唾液样本的CV/DPV谱图划分为三个主要区域：pkpr（代表蛋白质及相关代谢物的峰）、pkua（代表尿酸及相近代谢物的峰）和pkom（代表其他代谢物的峰），并从中提取了39个峰相关特征和9个面积相关特征。重要的是，很多电化学特征可以与通过非靶向NMR方法测定的特征相匹配；此外，这些特征之间也具有紧密的关联（Pearson 相关系数 > 0.5），表明EC-Omics能够通过电化学分析从生物流体样本中描绘复杂代谢物网络，与传统检测特定预设生物标志物的器件形成了对比。

最后，作者展示了EC-Omics在临床诊断上的应用潜力。作者分析了来自34名健康人和41名牙周炎患者的唾液样本，并通过上述方法提取了样本中的电化学特征。可视化结果显示，在牙周炎发病期间，多数特征具有显著的动态变化趋势。作者随后以60%样本为训练集训练了一个基于支持向量机（SVM）的分类模型，通过上述特征，模型能以83%的准确率进行牙周炎的诊断，优于以生物标志物和NMR特征进行的诊断。

总结而言，本文开发了一种称为EC-Omics的方法，通过电化学器件实现了复杂生物流体样本中的特征提取，并成功应用于牙周炎等疾病的诊断。

本文作者：TYC

责任编辑：LCX

DOI：10.1021/jacs.5c18235

原文链接：https://doi.org/10.1021/jacs.5c18235