编辑推荐：
新冠疫情期间，SARS-CoV-2 的快速检测至关重要。研究人员针对现有检测技术的不足，开展优化微流控芯片检测 SARS-CoV-2 的研究。利用田口法和 ANN-PSO，确定最佳参数，显著缩短检测时间。该研究为新冠检测提供新方案。
新冠疫情的爆发给全球公共卫生带来了巨大挑战，快速、准确地检测新冠病毒（SARS-CoV-2）成为了控制疫情的关键。传统的实时逆转录聚合酶链反应（RT-PCR）虽然是检测 SARS-CoV-2 的主要方法，但它存在诸多缺点，比如需要昂贵的试剂、专门的设备以及专业的操作人员，检测过程也比较耗时。为了克服这些问题，各种即时检测（POC）生物传感器应运而生，然而，这些传感器在检测速度、灵敏度等方面仍有待提高。在此背景下，来自突尼斯多个研究机构的研究人员开展了一项重要研究，其成果发表在《Scientific Reports》上，为 SARS-CoV-2 的快速检测提供了新的思路和方法。
研究人员主要运用了田口法（Taguchi method）和粒子群优化（PSO）结合人工神经网络（ANN-PSO）的技术方法。田口法通过设计正交实验，系统地优化过程参数，减少实验次数，高效地确定关键参数对检测系统的影响。ANN-PSO 则利用人工神经网络进行预测建模，粒子群优化算法对网络参数进行微调，从而提高预测的准确性，以此来评估微流控芯片的性能。
研究结果
- 模型构建与验证：研究人员构建了微流控芯片的数学模型，涵盖了流体流动（基于 Navier-Stokes 方程）、抗原传输（Fick’s 第二定律）以及抗原 - 抗体结合动力学（一阶 Langmuir-Hinshelwood 吸附模型）等方面。通过与已有实验数据对比，利用均方根误差（RMSE）和平均绝对百分比误差（MAPE）进行评估，结果显示模型预测准确，能有效模拟微流控芯片检测过程。
- 参数优化：选取雷诺数（Re）、达姆科勒数（Da）、施密特数（Sc）和反应表面位置（X）作为优化参数，运用田口法的L9(34)正交表进行实验。通过计算信噪比（S/N）和分析各参数对检测时间的影响，发现 Da 对缩短检测时间影响最大（贡献率达 91.1%），X 影响最小（仅 0.3%）。最终确定最佳参数组合为Re=4×10?2 ，Da=1000 ，Sc=105 ，X=1 。在此条件下，微流控芯片的检测时间显著缩短至 21 分钟，且检测限（LOD）为 2.197 pmol/L ，定量限（LOQ）为 6.659 pmol/L 。
- 模型预测能力评估：分别使用多层感知器人工神经网络（ANN-MLP）和 ANN-PSO 对微流控芯片的检测时间进行预测。结果表明，ANN-PSO 模型性能更优，其调整后的决定系数RAdj2达到 0.98 ，均方根误差（RMSE）为 33.2 ，相比 ANN-MLP 模型，能更准确地捕捉和预测复杂模式。
研究结论与讨论
该研究成功优化了用于 SARS-CoV-2 快速检测的微流控芯片，通过田口法和 ANN-PSO 技术确定了最佳参数组合，大幅缩短了检测时间，提高了检测效率。ANN-PSO 模型在预测微流控芯片性能方面表现卓越，优于传统的 ANN-MLP 模型。这一研究成果不仅为 SARS-CoV-2 的快速检测提供了有效的解决方案，也为其他生物检测领域中微流控芯片的优化提供了借鉴，推动了生物传感器技术在疾病检测方面的发展，对全球公共卫生防控具有重要意义。
