稳健正则化实现自动化实时方波伏安法信号定量

方波伏安法（SWV）因其能够对氧化还原报告分子信号进行高灵敏度、时间分辨的测量，而被广泛应用于电化学生物传感。然而，对于长时程和体内测量而言，SWV 信号的自动定量仍然具有挑战性，因为伏安图可能表现出变化的基线、异质性噪声、峰位漂移、离群值以及干扰性法拉第过程。在此，我们提出自适应方波伏安迭代拟合工具包（Adaptive Square-Wave Voltammetry Iterative Fitting Toolkit, ASWIFT），这是一种基于迭代重加权正则化平滑的稳健 SWV 信号自动提取方法。ASWIFT 既可作为开源 Python 软件包使用，也可作为可下载的桌面应用程序使用。该方法能够自适应地估计基线、选择正则化强度、拟合氧化还原峰，并在无需针对单条曲线进行参数调优的情况下报告峰高。在涵盖多种基线、峰形、噪声以及浓度响应条件的模拟数据集中，与现有方法相比，ASWIFT 产生了更小的系统性偏差和更一致的信号估计。我们进一步利用体外阿霉素测量数据，以及在大鼠血液和组织间液中采集的体内 DNA 基卡那霉素传感器测量数据，对 ASWIFT 进行了评估，结果表明其与既有方法具有良好一致性。这些结果表明，ASWIFT 可作为实时电化学生物传感中自动化 SWV 分析的稳健框架。

稳健正则化实现自动化、实时方波伏安法信号定量 | bioRxiv

跳转至主要内容 首页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 最新结果

稳健正则化实现自动化、实时方波伏安法信号定量

查看 ORCID 个人资料 Max Yates， 查看 ORCID 个人资料 Jenny Ji， 查看 ORCID 个人资料 Steven Yee， 查看 ORCID 个人资料 Hyongsok Tom Soh

doi： https://doi.org/10.64898/2026.07.25.740173

Max Yates 1 美国加利福尼亚州斯坦福市斯坦福大学电气工程系； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY 4.0 国际许可协议 公开提供。

返回顶部 上一篇 下一篇 发表于 2026 年 7 月 27 日。

下载 PDF 补充材料 数据/代码 电子邮件

感谢您有兴趣传播 bioRxiv 的内容。

您的电子邮件 * 您的姓名 * 发送至 * 请输入多个地址，每行一个，或用逗号分隔。

您将通过电子邮件发送以下内容

稳健正则化实现自动化、实时方波伏安法信号定量

消息主题

（您的姓名）已向您转发 bioRxiv 的一个页面

消息正文

（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。

您的个人消息

验证码

此问题用于测试您是否为人类访客，并防止自动垃圾信息提交。

分享

稳健正则化实现自动化、实时方波伏安法信号定量

Max Yates， Jenny Ji， Steven Yee， Hyongsok Tom Soh

bioRxiv 2026.07.25.740173； doi： https://doi.org/10.64898/2026.07.25.740173

分享本文： 复制

引文工具

稳健正则化实现自动化、实时方波伏安法信号定量

Max Yates， Jenny Ji， Steven Yee， Hyongsok Tom Soh

bioRxiv 2026.07.25.740173； doi： https://doi.org/10.64898/2026.07.25.740173

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.25.740173v1?rss=1

🏷️ 方波伏安法 电化学生物传感 信号定量 稳健正则化 实时分析 Python工具包