下载掌阅APP，畅读海量书库
立即打开
压电传感器通常基于对施加的机械应力的响应。VOCs分析中使用最广泛的压电传感器可能是石英晶体微天平（quartz crystal microbalance，QCM）。在QCM中，石英的表面可以涂上适当的分子识别膜或层。因此，当呼出的VOCs化合物被吸收到表面上时，质量的变化将改变石英晶体谐振器的基本振荡频率。
另一种众所周知的类型是表面声波（surface acoustic wave，SAW）传感器。在SAW传感器中，声波沿着弹性基板的表面传播，其振幅随进入基板的深度呈指数衰减。该表面可以涂覆各种选择性材料。呼出气VOCs从涂膜上的吸附和解吸可导致其质量和化学界面的电导率（SAW的电场，与声场相关）发生变化。这些变化可能会影响表面声波传感器的幅度和相速度。
2015年，Speller等人提出了使用基于QCM的虚拟传感器阵列（virtual sensor array，VSA）来区分各种VOCs的概念。通常，传感器阵列需要多个传感器元件，这些传感器元件对于不同的VOCs具有不同的结合亲和力。但是，Speller等人使用各种材料特性（例如黏弹性和薄膜厚度）作为判别因素，而不是使用化学亲和力。这样，单个传感器可以模拟VSA，并且可以为每种分析物提供多种响应。该传感器是通过将离子液体薄膜沉积到QCM-D换能器的表面上制成的，因为离子液体具有很高的可调谐性、黏弹性，并可以可逆地捕获有机蒸气。当传感器暴露于不同的VOCs时，可以在多个谐波下测量频率的变化。这种方法使VOCs的分类准确率接近100%。这些结果表明QCM-D传感器和VSA策略在检测VOCs方面的潜力。由于这项研究中测量的VOCs包括1-丙醇、1-丁醇、甲苯、对二甲苯和环己烷，是前人报告过的癌症标志物，因此该QCM-D传感器显示了其在癌症诊断中可能具有的特殊价值。
压电传感器在ppt范围内具有高灵敏度，并且可以量身定制以精确测量特定的VOCs化合物。使用不同的涂层材料对谐振器进行功能化就可以控制传感器的选择性。但是，压电传感器通常对湿度、温度和振动敏感，可能会影响传感器的谐振频率；因此在呼气测试中应精确控制这些参数，以最大程度降低其在接触样品过程中的影响。
许多材料可以根据其化学环境而改变颜色，从而使其成为VOCs传感器具有吸引力的应用。由于这些指标的多样性，因此可以有选择地检测各种VOCs，并且传感器阵列也可能适用于识别高度复杂的混合物。比色传感器的输出可以通过光谱仪甚至肉眼读取。此外，许多此类传感器容易制造并印刷在各种基板上。由于这些优点，比色传感器已经用于肺癌的呼出气测试。但是，比色传感器的灵敏度相对较低，对于许多VOCs而言，处于ppm的范围内。大多数指标是不可逆的，不适用于潮湿的空气。
2012年，Mazzone等人开发了比色传感器阵列来分析呼出气以鉴定肺癌。通过一次性比色传感器阵列分析了92例肺癌患者和137例对照的呼出气样本。这项研究中的阵列使用了多种化学响应性染料，这些染料可以通过染料与分析物之间的相互作用而改变其颜色。这些染料可分为三类：含有可响应Lewis碱度的金属离子染料、具有可响应局部极性的永久性偶极子染料以及可响应质子酸度和氢键的pH指示剂。因此，该方法可以产生具有各种颜色变化的高维数据，从而轻松地区分复杂的混合气体样品。这项研究中使用阵列的灵敏度随特定化合物的不同而变化，并且可以在百万分之几的范围内检测到许多VOCs。根据颜色变化，开发并统计了年龄、性别、吸烟史和COPD的逻辑预测模型。据报道，该阵列能够识别肺癌呼出气的生物特征，并且可以通过结合临床风险因素和评估特定的组织学来优化准确性。
Oh等人开发了一种基于基因工程病毒（M13噬菌体）的比色传感器。这些传感器模仿火鸡皮肤中的胶原蛋白结构，并由噬菌体束纳米结构组成。当传感器暴露于各种挥发性有机化学物质时，这种结构会迅速膨胀并发生与视角无关的颜色变化。制造这种方法使用的大面积多色感测矩阵便宜且容易，因为矩阵是由病毒通过一步自组装过程制成的。根据该报告，该传感器阵列可以检测几种VOCs，其中异丙醇已被报告为肺癌的生物标志物。最有趣的一点是，可以通过针对特定目标分子的病毒进化和通过基因工程整合目标识别基序来定制噬菌体矩阵的功能。因此，这些敏感的和选择性的基于病毒的比色传感矩阵在开发快速、便携式和简单的VOCs方面可能具有巨大的潜力，比如用于呼出气的癌症诊断。近期还有报道应用基于钯-二氧化硅多孔微球传感器的累积比色传感器阵列作为光电鼻用于空气中CO和乙烯的快速比色定量，并对两种气体在0.5～50ppm进行了定量分析。
金属有机骨架（metal organic framework，MOF），也称为多孔配位聚合物，与传统的无机多孔材料相比，具有许多优势，因为它们的结构和功能可以设计并易于调节。由于其独特的特性，MOF在气体存储、分离、催化、光子学和药物输送中具有广泛的应用。MOF是晶体杂化配位聚合物，金属离子或簇为结点，有机配体为接头。由于它们的混合结构可以提供可调的荧光，因此MOF在探测VOCs方面已显示出巨大的潜力。
Zhang等人报道了一种利用聚集诱导发射（aggregation induced emission，AIE）机制的响应性开启荧光MOF，方法是使用类氧化锌的二级结构单元和特殊的角配体3，5-二氨基-4'-苯乙炔苯甲酮（3，5-diamino-4'-phenylethynyl benzophenone，DPEB）。DPEB包含部分固定的四苯基乙烯（tetraphenyl ethylene，TPE）单元，并带有两个可沿交错框架的宽通道扩散的自由旋转的苯环。特殊的DPEB和MOF结构在与VOCs相互作用时的响应荧光中起着至关重要的作用。当分子与各种VOCs相互作用时，可以限制两个悬空环的运动，从而显示出响应荧光。由于这项研究中报道的MOF传感器可以检测包括环己烷、苯、甲苯和对二甲苯在内的VOCs，这些化合物以前被报道为癌症生物标志物，因此该方法可能为开发癌症诊断传感器提供新的方法。
Dong等人还基于苯甲酸配体桥接的镉纳米管通道合成了发光MOF，并通过将罗丹明B分子放入孔中进一步开发了一种染色MOF传感器。在该系统中，罗丹明B在340nm处激发后发出595nm附近的红光，而L配体在420nm附近发出蓝光。该平台可以探测各种VOCs，因为它在VOCs与配体及染料部分的发射峰高比之间显示出良好的相关性。有人提出了一种机制，认为罗丹明B染料部分的发射与同一框架内的L部分敏化有关。因此，与VOCs分子之间的相互作用可随后调节L配体的激发态与罗丹明B之间的能量转移。据报道，这种染料MOF传感器具有自校准、稳定和瞬时功能，因此建议将其应用于具有广阔应用前景的发光平台。在这项研究中，可以测量先前报道为癌症生物标志物的各种VOCs，包括丙酮、苯乙酮、苯酚、对二甲苯、苯、甲苯和乙苯。因此，该MOF染料传感器值得用于癌症诊断的进一步研究。
据报道，基于硅纳米线（silicon nanowires，SiNW）场效应晶体管（field-effect transistor，FET）的传感器是VOCs检测中有希望的候选材料。该方法基于分子修饰的SiNW-FET，可提供一系列独立功能，每个功能对各种VOCs的响应不同。与其他传感策略相比，SiNW-FET具有许多优势，包括低功耗，设备尺寸的极度小型化，在低ppb浓度水平下检测VOCs，一次测试多个参数以及通过变化的栅极电压控制传感信号的能力。为了控制VOCs化合物与SiNW-FET之间的相互作用并提高器件的灵敏度，近年来已进行了数项研究。Wang等报道了一种方法，该方法可以高精度地选择性检测11种VOCs，包括辛烷和癸烷（这是先前报道的两种癌症呼出气生物标记物），并且可以估算单组分和多组分混合物中的VOCs浓度。此方法基于使用特定的分子修饰的SiNW-FET装置。修饰的结构特性对于选择性检测至关重要。该SiNW-FET装置的多个独立参数（包括电压阈值、空穴迁移率和亚阈值摆幅）被用作人工神经网络（artificial neural network，ANN）模型的输入，以提供目标检测。这种方法结合了SiNW-FET和ANN，在现实应用中可能具有巨大的潜力。
Shehada等人还报道了用三氯（苯乙基）硅烷［trichloro（phenethyl）silane，TPS］修饰的超灵敏SiNW-FET，用于呼出气诊断胃癌。这种TPS-SiNW-FET传感器的检测极限可低至5ppb，可以区分胃癌相关的VOCs与环境中的VOCs。在一项临床研究中，通过使用来自胃癌患者和健康志愿者的呼出气样品验证了其具有高度选择性，且准确度高于85%。尽管仍需要增加样本量以进一步确认结果，但是该传感器提供了一种简单、无创、便携式和经济的方法来诊断和预测癌症。
蒸气气味的感测在生物中广泛存在。据报道，嗅觉受体（olfactory receptor，OR）基因家族编码自然界中最复杂的基于蛋白质的化学传感器。动物可能具有100～1 000个功能性OR蛋白，并且每个OR蛋白都可以识别重叠模式的多个配体。在嗅觉感测期间，蒸气气味剂分子首先扩散并渗透到覆盖周围受体神经元表面的嗅觉黏液或淋巴薄层中。然后，气味剂分子与位于OR神经元表面的OR结合，使电神经事件的激活和信号传递到高等神经系统。为了将功能强大的OR蛋白应用于生物医学和环境传感，已经做了很多工作来开发基于人工OR的生物传感器。Sato和Takeuchi利用基因表达技术和生物启发的电生理技术建立了一个功能性OR表达平台并开发了一种基于OR的传感器，成功测量了OR传感器对VOCs的嗅觉响应。他们将昆虫OR蛋白重组到人类胚胎肾细胞（HEK293T）中，因为昆虫或蛋白组成了气味门控离子通道，可将气味信号转换为阳离子电流。然后通过应用微流体技术，将这些表达OR的细胞用于生产球状体。为了模拟嗅觉黏液和OR之间的界面，并避免细胞过于干燥，将形成的球体整合到水凝胶微腔系统中。当用化学蒸气（如苯甲醛、2-甲基苯酚和乙酸戊酯）刺激这些表达昆虫OR的球体时，观察并记录到负的胞外电场电势偏移，表明传感器的效率和可靠性。此方法在基于OR的VOCs传感技术的开发中可能非常有用，并且能够提供强大的工具来识别VOCs受体。由于苯甲醛已被报告为肺癌的呼出气生物标志物，因此这种基于OR的VOCs传感器可能在癌症诊断方向有进一步的应用潜力。
电子鼻由与交叉反应传感器阵列结合的挥发性化合物组成，产生信号的传感器响应变化；信号模式的集成以确定分类精度。人体嗅觉系统和电子鼻之间的差异主要与传感器系统的复杂性、特异性、灵敏度、传感器类型（与化学传感器相对的受体）以及VOCs的特征以及环境变量（包括温度和水蒸气）的影响有关。人鼻比电子鼻的复杂度高得多。实际上，鼻上皮细胞中有10亿受体能够识别出气味VOCs，其特异性可以达到ppb的水平。电子鼻通过区分具有多种成分的气味混合物，建立了人类嗅觉系统的分辨率。与人的嗅觉受体不同，电子鼻还可识别无味气体，例如一氧化碳。但是，电子鼻的功能受到环境因素（包括湿度）的影响，并且目前的特异性和敏感性较低。各个化学传感器具有全局选择性，这意味着每个传感器都绑定到一组特定的VOCs，且每种VOCs可以被一个以上的传感器绑定。由于对单个VOCs的特异性有限，因此无法通过使用化学交叉反应传感器阵列来检测复杂混合物（包括人的呼出气）中的单个VOC。
与VOCs结合后，电子鼻传感器的稳态电阻、频率、电势或电流偏移会产生信号，通过模式识别算法分析一组信号，该算法用于确定分类的准确性。声学电子噪声对表面或穿过传感器涂层材料的声波传播（幅度和/或速度）的变化敏感；光学传感器检测并测量光特征或特性的变化，包括吸光度、荧光、光学层厚度和偏振度；在量热电子鼻中，变阻器对热量或热量产生响应，由环境VOCs和催化珠之间的化学反应引起温度变化，使传感器电阻增加，从而产生信号。电子鼻可以区分哮喘患者和健康受试者、不同严重程度的哮喘患者、COPD和哮喘患者以及患有非癌性肺病和/或健康受试者的患者、COPD和肺癌患者之间以及呼吸系统感染的患者包括结核分枝杆菌、铜绿假单胞菌和烟曲霉与健康受试者。多个实验室已对呼出气采样和电子鼻数据分析的程序进行了标准化，但目前尚无关于这些方法的普遍共识。
电子鼻呼出气分析的设备取决于技术。它包括一个带有机载分析软件的电子鼻，一个用于收集挥发性化合物被过滤后的室内空气的惰性材料涂层袋，以作为参考（基线）和收集呼出气样本。
化学交叉反应传感器阵列是最常见的电子鼻技术，因为它们与生物传感器相似并且体积较大。交叉反应传感器阵列包括导电聚合物气体传感器、金属氧化物半导体气体传感器、电化学气体传感器、催化场效应传感器（金属氧化物半导体场效应晶体管）、声学传感器（表面和体声波气体传感器，石英晶体微天平传感器）、光学气体传感器、比色传感器、量热传感器、红外传感器、荧光传感器，也可以使用各种传感材料。
使用由炭黑聚合物组成的气体交叉反应传感器阵列，对于乙酸、甲苯、异戊二烯、丙酮、正戊烷和乙醇确定的检测极限值为80～240ppb。在控制的实验室条件下，使用覆盖有金属卟啉分子膜的一系列石英微量天平传感器，报告的乙醇、己烷和乙酸乙酯的检测极限分别为65ppb、141ppb和171ppb。由于此灵敏度可能不足以检测较低ppb范围内的呼出气VOCs，因此提高化学交叉反应传感器阵列电子鼻的检测限是该研究领域的主要目标之一。由于噪声放大和/或冗余信息，不一定要通过增加传感器阵列的数量来提高分类性能。目前尚不存在理想的传感器阵列。选择正确的电子鼻取决于要检测的挥发性化合物的化学性质和电子鼻的应用。
Cyranose320由32种化学交叉反应传感器组成。每个传感器均由炭黑、无机导体和绝缘的有机聚合物组成。接触VOCs混合物后，每个化学传感器都会响应电阻变化，其变化会产生痕迹，然后通过模式识别算法对其进行分析。
LibraNose是电子鼻的原型，其中包含由金属卟啉分子膜覆盖的8个石英微天平（quartz microbalance，QMB）气体交叉反应传感器阵列。金属卟啉薄膜上呼出气挥发性化合物的吸收会导致传感器共振频率的变化，该变化与吸收的VOCs质量成正比。
MOSES Ⅱ eNose（德国）包含8个金属氧化物传感器和8个QMB传感器，可以通过结合非常不同的传感器技术来获得有关已吸附的VOCs的补充信息。
电子鼻还包括呼出气一氧化氮（fractional exhaled nitric oxide，FeNO）分析仪的一部分，适合于在线测量和评估哮喘患者的气道炎症。FeNO分析仪已被批准用于临床，包括便携式手持设备NIOX MINO和NIOX VERO（Aerocrine），由具有相对选择性的化学传感器组成。混合系统将化学交叉反应传感器阵列电子鼻的高灵敏度与其他技术（例如GC-MS）的高特异性结合在一起。e-nose Prometheus（法国）是一种混合系统，结合了化学传感器阵列和指纹质谱仪。化学传感器阵列有18个金属氧化物传感器和3个腔室，每个腔室包含6个传感器；指纹质谱仪结合了四极质量过滤器和电子碰撞电离器。
用电子鼻获得的呼出气图是多维数据，需要分析统计算法。模式识别在系统生物学和医学中有多种应用，包括电子鼻、生物医学磁共振和组学技术，例如基因组学、转录组学、蛋白质组学、脂质组学和代谢组学。电子鼻数据需要对异源信号进行归一化变为均匀的传感器信号并降低其固有噪声。传感器信号可以使用Savitzy-Golay滤波器或移动平均值窗口进行滤波。为了标准化电子鼻数据，通常将传感器响应表示为所测参数（例如电阻）的分数变化，并执行自动缩放以使所有传感器均等地加权。然后，对处理后的数据进行降维处理，从而提取出最有区别的信息，并通过减少维数空间来提高分类的有效性。经典的预处理方法包括偏最小二乘回归分析（partial least squares regression analysis，PLS-RA）、规范主成分分析（principal component analysis，PCA）、离散小波变换和快速傅里叶变换。最近提出了一种预处理大型化学传感器阵列中数据的新方法，该方法是一种能够在PCA框架下简化数据的数学过程。模式识别包括无监督的探索技术以及监督的确认技术。电子鼻数据分析可以在网上或离线进行。在机载数据分析中（可以包括交叉验证、PCA和规范判别分析），交叉验证值（误差的交叉验证估计值）由内部软件计算。交叉验证检查训练数据集和已建立的模型，而马哈拉诺比斯距离以标准差为单位表示组间平均距离，可以对差异进行定量评估。PCA通常将一组可能相关的变量转换为较小的一组不相关的变量，称为主成分，通常用于探索性数据分析和建立预测模型。典型的判别分析是一种对不同类别数据分析的降维技术，包括偏最小二乘判别分析（partial least squares discriminant analysis，PLS-DA）、支持向量机（support vector machine，SVM）、随机森林技术和多层神经网络，可用于离线电子鼻数据分析。可能不存在“最佳”模式识别算法，应根据特定的电子鼻应用和数据类型（线性与非线性）选择分类器。最佳的电子鼻分类性能很大程度上取决于对将要产生的呼出气图的“正确”分类器的选择。
在一项研究中，收集了两个连续的呼出气样本以评估电子鼻测量在一天之内的可重复性。报告的类内相关系数范围为0.65～0.91（平均值为0.80），表明可接受的度量重复性。关于日间重复性，与18位健康受试者相隔1～48天获得的两个呼出气样本在传感器响应方面均未观察到差异。这项研究显示出良好的技术可重复性，通过用两个相同的电子鼻分析相同的样品进行评估，科恩的kappa系数介于0.65～0.91之间。在另一项研究中，使用由32个传感器组成的相同电子鼻，评估了24例慢性阻塞性肺疾病患者的日内和日间重复性，还比较了电子鼻、FENO和肺功能测试的日间重复性。在分别于30分钟和7天后收集的两个呼出气样本中评估了电子鼻的日内和日间重复性。关于一天内的可重复性，观察到的组内相关系数（intragroup correlation coefficient，ICC）为0.75～0.84（平均值=0.80），其中传感器6和19的重现性最高（均为ICC=0.84）。关于日间重复性，观察到ICC范围为0.57～0.76（平均值=0.68），其中传感器具有最高的可重复性（ICC=0.76）。电子鼻测量的日内重复性高于日间重复性（ p ＜0.000 1）。电子鼻的日间重复性（平均ICC=0.68）低于FENO（ICC=0.91）和肺活量测定（ICC范围=0.94～0.98）。但是，这不一定会带来不利影响，因为电子鼻日间更大的变化可能反映出它对检测呼吸道炎症变化的敏感性更高，这是一个动态的生物学过程。这项研究表明，在COPD患者中用于呼出气VOCs分析的电子鼻的日间和日内重复性是可以接受的，并且跨传感器的重复性是不同的。但是，电子鼻技术的发展需要测试其他设备的可重复性。
（王东春）