电流-酶法尿酸生物传感器检测痛风关节炎的研究

医学信息学解锁16（2019）100233电流-酶法尿酸生物传感器检测痛风关节炎P. Parthasarathy *，S. 维韦卡南丹印度泰米尔纳德邦VIT大学电气工程学院A R T I C L EI N FO关键词痛风性关节炎;电流法;尿酸Damkohler数扩散方程A B S T R A C T建立了一种非恒定条件下的电流型酶尿酸生物传感器的数值模型。该模型依赖于描述底物和产物浓度的Michaelis-Menten形式化的非线性反应扩散方程的排列。利用新的微扰技术，对所有参数的估计都导出了底物（尿酸酶）和产物浓度的新的粗略的科学表述以及相应的电流响应。电流型生物传感器的无量纲数值模型可以有效地用于检测响应.此外，这些参数的相对影响由达姆科勒数选择，并且同样考虑电流密度对该数的影响。所有的分析结果与MATLAB程序的模拟结果进行了比较，数值结果与拟合假设一致。尽管如此，引人注目的是，该模型同样提出了尿酸生物传感器的底物和产物的选择，用于肾脏疾病和痛风关节炎疾病的应用。1. 介绍生物传感器是一种逻辑小工具，它利用生物或天然颗粒，特别是蛋白质或抗体，来识别化学物质的存在。酶是生物传感器中最广泛的生物识别部分。生物传感器框架的无限商业化人们已经做出努力，用基于酶的框架来解决这个问题[1]。电流型生物传感器是一种可用于检测分析物中某些组分浓度的生物传感器。这些传感器在没有电压存在时测量电极的电能力。这些类型的生物传感器通常被用作自然、恢复、现代、环境、医疗和工业应用的一部分[2]。长期以来，生物传感器在痛风、关节疼痛和肾脏疾病的研究中发挥了重要作用除了准备和确认真正的传感器之外，指导传感器行为综合的科学模型的发展和研究也是至关重要的[3最近，安培型电化学生物传感器非常用于快速和精确的识别[8]。 的操作电化学传感器是非常简单的，并且从不影响主体材料[9，10]。这些生物传感器，针对工作电极上的检测材料产生输出电流作为动力而催化氧化还原反应。在估计中，电极电势保持恒定，同时观察电流。生物传感器的改进是一个繁琐的过程，科学和数学论证用于减少流线型时间，成本和提升真正生物传感器的逻辑质量[11]。生物传感器的理论论证包括解开底物和产物的线性/非线性反应-扩散方程的排列，其中一个项包含底物的生物催化变化速率。由于求解的偏微分方程具有非线性反应项和复杂的起始条件和边界条件，建模的复杂性显现出来。生物传感器的建模通过具有各种边界条件的偏微分方程的数值[12]和分析方法来分解。最近，推导出基于pH的电位生物传感器的假设模型[13]。一些科学家展示了在Michalis-Menten阴谋[14]下生物传感器响应与混合酶动力学作用中的无情状态底物浓度的安排，以及微盘上不变状态电流的科学答案原文DOI：https://doi.org/10.1016/j.imu.2019.100246，https://doi.org/10.1016/j.imu.2018.03.001。* 通讯作者。电子邮件地址：parthasarathy30111991@gmail.com（P. Parthasarathy）。https://doi.org/10.1016/j.imu.2019.100233在线预订2019年2352-9148/© 2019由Elsevier Ltd.发布可在ScienceDirect上获得目录列表医学信息学期刊主页：http://www.elsevier.com/locate/imuP. Parthasarathy和S. 维韦卡南丹医学信息学解锁16（2019）1002332图1.一、无因次浓度（u）与距离之间的曲线（α <$0.01）。图二、无因次浓度（u）与α 1的距离之间的绘图。化学传感器[15]。最近，使用同伦扰动法确定了酶反应产物的浓度分布和所有Michalis-Menten常数估计的电极电流[16]。产生了数值模拟模拟的反应和扩散过程中出现的功能酶膜的这种系统。这些模拟代表了某种虚拟检查，它们使其能够理解底物和产物种类的浓度分布和流量，并归因于基于酶的传感器和反应器的最终响应特征[17在本文中，我们提出了一个粗略的分析表达式，用于RF溅射技术制备的电流型生物传感器上的Pt电极与NiO膜调整，以尿素酶作为固定化酶，作为产品和底物[22]。与以往的数值模型不同，本工作旨在从理论上证明尿酸对基于尿酸酶的电流型生物传感器性能的影响。就任何人而言，没有一般和广泛的表达/表达的浓度的基质，产品和无量纲电流的扩散参数已占。这篇文章背后的动机是使用非线性方程推导出底物、产物浓度和电流的系统/分析表达式，并通过利用受Damkohler数影响更大的酶促反应动力学来分析底物浓度与电流。该模型为尿酸酶生物传感器在痛风、关节炎和肾脏疾病中的应用提供了一个合理的底物及其它参数的确定方法。2. 问题的数学形成在目前的工作中，我们考虑的指示性结构的角度来看，含酶的质量膜的厚度T，包含一个统一的聚集体浓度的酶TCe，这是接触的一面与水溶液的基板？a.在电化学转化过程中，产物在电极处产生。在电极处的产物形成速率对应于底物的转化速率。此时，当基质在膜外充分搅拌时，扩散层的厚度在该点保持稳定[23]。基底分子扩散到膜阶段，在那里它们根据Michaelis-Menten写入催化剂催化的响应反应，图3.第三章。无因次浓度（v）与距离之间的曲线图（α <$0.01）。P. Parthasarathy和S. 维韦卡南丹医学信息学解锁16（2019）1002333�系我��你好¼½�½�m��¼图四、无因次浓度（v）与α 1的距离之间的绘图。图五、无因次 浓度（u和v）与距离（X）之间的绘图。图第六章无因次 浓度电流（¥）和尺寸之间的曲线图-产生电动产品？？考虑Menten常数的非线性时变反应扩散方程对于γ的各种值和Α的固定值（α <$0.01），时间更少。[24][25][26]][27][28]�P于我�����P于我��TCeSa惠K1;K2TCeSa→K3Prωep（1）单位：千分之一秒�P于我��，�P于我��，�P于我��，�P于我��（3）mKmKKepeM2epeωK TCþ½�P于我��M（四）千分之四2þ 3K1（二）MP.P.M2000年2月3日其中TCe Sa是插入的酶-底物复合物，ω是每个底物分子获得的产物种类数，？？1，？？2、？3是各个部分反应的速率常数，？m是在（等式（2））中表征的米氏常数。酶膜中物种Sa和ep其中Sae和epe是酶层，Ms和Mp是相应的扩散系数，ω是每个底物分子获得的产物种类的数量，K3是产物形成的不可逆步骤的速率常数[18，19]。目前，（3）是通过假设零流量在？？0和X q处的平衡分布，基础状态由零浓度给出（参考文献19，20）½�e��M¼P. Parthasarathy和S. 维韦卡南丹医学信息学解锁16（2019）1002334100x1/4Ms>¼∞@¼¼64∞2我的朋友双曲肘斧π-12m1e-fmτcos2m1πX¼我不知道你在说什么2.1. 方程（6）的无量纲形式（十二）问题的无量纲形式（对于方程（6））可以通过利用和以无量纲形式通过定义以下参数来公式化偏微分方程（方程（3））来公式化：联系我们半TCe�emi;v��ep�emi;X<$x;β<$Ks½TCe�aq;β<$Kp�ep�aq;γ��Ks½½TCe�aqdKm¼sKffiffiffiffidffiffi2ffiffiKM（十三）图第七章 底物浓度（μ m）和电流（mA）之间的曲线。在哪里？V代表底物和产物的无因次浓度，？？然后呢？是饱和度参数，并且？？是反应扩散参数（如Thiele模量）。目前，边界��∂ΣepΣem¼0wherex¼09>条件（限制条件）可以显示为之后的镜头（来自参考[19]）特鲁姆特=>（5）吉乌季夫��Rp其中x^q>当X¼0时，为X¼0;为X¼ 0（14）½Saem<$0;当t<$0>时，½Saem<$0;u1;β当X15岁以上产品种类在x q处的通量X由以下描述：方程，根据上述等式（条件），标准化的流感X变为FMepem（六）2019年12月28日（十六）p¼-p-100公司简介再次通过考虑条件（等式）1，通过加入酶-酶层中的催化反应与一维空间扩散（根据菲克通过利用拉普拉斯变换技术和新的同伦微扰法（参见TCVeee max p在参考文献20中，阿克斯 1/4M秒K;o

下载后可阅读完整内容，剩余1页未读，立即下载