Loading...
A DoE approach to wearable biosensor design and machine learning for sweat sample analysis and monitoring
García Rodríguez, William E.
García Rodríguez, William E.
Citations
Altmetric:
Abstract
This thesis addresses the need for improved tools to monitor L-Histidine. This amino acid plays a key role in histamine production, a biomarker in allergic reactions. The present work focuses on the technological development of a wearable label-free biosensor enhanced by machine learning for data analysis. In this work, laser-scribed graphene (LSG) electrodes were manufactured and characterized using Design of Experiments (DoE). The LSG electrode manufacturing process was optimized, and the electrodes were integrated into a microfluidic flow cell. The LSG electrodes, which served as sensors, were activated through cyclic voltammetry (CV) and electrochemical impedance spectroscopy (EIS). Following this, experimental data related to different L-Histidine concentrations were acquired using CV, providing the input for the machine learning platform. The platform's ability to detect L-Histidine was improved using Machine learning algorithms, including Multi-Layer Perceptron Neural Network (MLP-NN), Support Vector Machines (SVM), and Random Forests (RF). These algorithms were used to analyze the electrochemical data. The results demonstrated the successful development of an LSG-based electrochemical platform for label-free L-Histidine detection. The platform exhibited promising analytical capabilities, with machine learning models achieving high classification accuracy. This research contributes to developing wearable sensing technologies for potential applications in allergy-related studies.
Esta tesis aborda la necesidad de herramientas mejoradas para monitorear la L-Histidina. Este aminoácido desempeña un papel clave en la producción de histamina, un biomarcador en reacciones alérgicas. El presente trabajo se centra en el desarrollo tecnológico de un biosensor portátil, sin marcaje, optimizado mediante aprendizaje automático para el análisis de datos. En este estudio, se fabricaron y caracterizaron electrodos de grafeno grabado por láser (LSG) utilizando Diseño de Experimentos (DoE). Se optimizó el proceso de fabricación de los electrodos LSG, y estos se integraron en una celda de flujo microfluídica. Los electrodos LSG, que actuaron como sensores, se activaron mediante voltametría cíclica (CV) y espectroscopia de impedancia electroquímica (EIS). A continuación, se adquirieron datos experimentales relacionados con diferentes concentraciones de L-Histidina utilizando CV, suministrando los datos de entrada a la plataforma de aprendizaje automático. La capacidad de la plataforma para detectar L-Histidina se mejoró mediante algoritmos de aprendizaje automático, incluyendo Redes Neuronales Perceptrón Multicapa (MLP-NN), Máquinas de Vectores de Soporte (SVM) y Bosques Aleatorios (RF). Estos algoritmos se utilizaron para analizar los datos electroquímicos. Los resultados demostraron el desarrollo exitoso de una plataforma electroquímica basada en LSG para la detección de L-Histidina sin marcaje, donde los modelos de aprendizaje automático alcanzaron una alta precisión de clasificación. Esta investigación contribuye al desarrollo de tecnologías de detección portátiles para posibles aplicaciones en estudios relacionados con alergias.
Esta tesis aborda la necesidad de herramientas mejoradas para monitorear la L-Histidina. Este aminoácido desempeña un papel clave en la producción de histamina, un biomarcador en reacciones alérgicas. El presente trabajo se centra en el desarrollo tecnológico de un biosensor portátil, sin marcaje, optimizado mediante aprendizaje automático para el análisis de datos. En este estudio, se fabricaron y caracterizaron electrodos de grafeno grabado por láser (LSG) utilizando Diseño de Experimentos (DoE). Se optimizó el proceso de fabricación de los electrodos LSG, y estos se integraron en una celda de flujo microfluídica. Los electrodos LSG, que actuaron como sensores, se activaron mediante voltametría cíclica (CV) y espectroscopia de impedancia electroquímica (EIS). A continuación, se adquirieron datos experimentales relacionados con diferentes concentraciones de L-Histidina utilizando CV, suministrando los datos de entrada a la plataforma de aprendizaje automático. La capacidad de la plataforma para detectar L-Histidina se mejoró mediante algoritmos de aprendizaje automático, incluyendo Redes Neuronales Perceptrón Multicapa (MLP-NN), Máquinas de Vectores de Soporte (SVM) y Bosques Aleatorios (RF). Estos algoritmos se utilizaron para analizar los datos electroquímicos. Los resultados demostraron el desarrollo exitoso de una plataforma electroquímica basada en LSG para la detección de L-Histidina sin marcaje, donde los modelos de aprendizaje automático alcanzaron una alta precisión de clasificación. Esta investigación contribuye al desarrollo de tecnologías de detección portátiles para posibles aplicaciones en estudios relacionados con alergias.
Description
Date
2025-05-12
Journal Title
Journal ISSN
Volume Title
Publisher
Collections
Files
Keywords
Machine Learning, Label-Free, L-Histidine, Biosensor, DoE