基于算法辅助的SPR传感器多目标优化实现单分子检测

本文提出一种基于多目标粒子群优化(PSO)算法的表面等离子体共振(SPR)传感器优化策略，通过同步优化入射角、铬膜厚度和金膜厚度等参数，显著提升了传感器灵敏度(S，提升230.22%)、品质因数(FOM，提升110.94%)和深度品质因数(DFOM，提升90.85%)。该技术成功将小鼠IgG检测限降低至54 ag/mL(0.36 aM)，实现了从fg/mL到μg/mL的宽线性动态范围，为生命科学领域的超灵敏单分子检测提供了创新解决方案。

　　

Highlight
工作机理
基于多目标优化设计的SPR传感器工作原理如图1所示。首先根据SPR传感原理确立优化目标，将灵敏度(S)、品质因数(FOM)和深度品质因数(DFOM)作为三大关键性能指标。随后将SPR等效为四层介质模型(图1a)，并利用迭代传输矩阵法(图1b)计算其光学特性(图1c,d)。通过计算...

单目标优化
当针对单一性能指标(如S、FOM或DFOM)进行PSO优化的结果如图2所示。图2a-c展示了单目标优化函数随迭代次数的变化趋势。经过150次迭代后，单目标优化函数达到最大值。图2d-f展示了对应不同优化目标的SPR光谱。值得注意的是，与FOM相关的SPR光谱...

结论
本研究提出了一种基于算法的SPR生物传感器多目标优化方法，并将其应用于小鼠IgG的免疫检测。该算法优化了SPR生物传感器的三个设计参数：入射角、铬膜厚度和金膜厚度；同时提升了三个性能指标：灵敏度、FOM和DFOM，与常规SPR传感器相比，实现了体积折射率灵敏度230.22%的提升...