基于微生物燃料電池系統(tǒng)的微生物傳感器是一種具有自我修復和再生能力，成本低，可長期有效運行的新型生物傳感器系統(tǒng)。但是由于進水組分及接種物的變化會影響微生物群落多樣性及其豐度大小，而電信號難以反映此類變化。系統(tǒng)運行條件及胞外電子傳遞速率將底物與微生物群落結(jié)構(gòu)之間的關(guān)系復雜化，最終導致不同的進水底物會有相似的電信號輸出，降低了傳感器檢測化學物質(zhì)的準確性，且電信號不能特異性地表征某一種物質(zhì)。

針對上述難題，西安交通大學王云海教授小組、美國俄勒岡州立大學Hong Liu教授小組，以及英國紐卡斯爾大學Elizabeth S. Heidrich教授小組合作攻關(guān)，首次將基于MFC系統(tǒng)的微生物傳感器對有機底物的檢測與生物信息學數(shù)據(jù)聯(lián)系起來，并通過人工智能預(yù)測底物基質(zhì)種類，為提高該類型微生物傳感器信號的特異性提供改進思路。此外，在已知底物基質(zhì)的系統(tǒng)中，利用微生物群落結(jié)構(gòu)與底物基質(zhì)的相關(guān)關(guān)系，該方法也可以通過識別系統(tǒng)中微生物群落結(jié)構(gòu)的組成成分及其豐度來判斷物質(zhì)的代謝途徑，并可以探求食物鏈的完整代謝途徑。

據(jù)研究人員介紹，該創(chuàng)新技術(shù)將來亦可以應(yīng)用于環(huán)境大數(shù)據(jù)分析、環(huán)境污染特征分析、環(huán)境污染預(yù)警等方面，具有簡便、高效的特點。

Biosensors ＆ Bioelectronics最近發(fā)表了該研究的相關(guān)論文“Incorporating microbial community data with machine learning techniques to predict feed substrates in microbial fuel cells”，美國自然科學基金、中國國家自然科學基金等項目也給與了資助。