Arranjo de Sensores Nanoenzimáticos Baseados em Estruturas Orgânicas Covalentes de Porfirina de Ferro Bioinspiradas: Identificação e Detecção de Tiol com Assistência de Aprendizado de Máquina

Dada a importância crucial dos tióis na manutenção das funções fisiológicas normais, é essencial estabelecer um método analítico sensível e de alto rendimento para identificar e quantificar com precisão vários tióis. Inspirados pelo centro ativo de porfirina de ferro da peroxidase de rábano (HRP), projetamos e sintetizamos duas estruturas orgânicas covalentes de porfirina de ferro (Fe-COF-H e Fe-COF-OH) com notável atividade similar à peroxidase (POD), capazes de catalisar a 3,3',5,5'-tetrametilbenzidina (TMB) em TMB oxidado com três picos de absorção distintos. Com base nisso, foi construído um arranjo de sensores colorimétricos nanoenzimáticos de seis canais, que poderia mapear as impressões digitais específicas de vários tióis. Posteriormente, técnicas de aprendizado de máquina, incluindo aprendizado supervisionado com análise discriminante linear (LDA), árvores de decisão (DT) e redes neurais artificiais (ANN), aprendizado não supervisionado com análise de cluster hierárquico (HCA), e aprendizado em conjunto com florestas aleatórias (RF), foram usadas para a identificação precisa de tióis em sistemas complexos, com um limite de detecção tão baixo quanto 50 nM. Significativamente, o arranjo de sensores demonstrou forte potencial para aplicações práticas, incluindo a análise de homocisteína (Hcy) em soro humano, ácido mercaptoacético (TGA) em cremes depilatórios, e glutationa (GSH) em lisados celulares, mostrando assim promessas para uso no diagnóstico de doenças.