跳到正文
PNAS· Dayeon Kim; Yeon-Mi Hong; Hayoung Song; Joonho Paek; Jihui Lee; Dongwook Lee; Min-Gyo Jeong; Jayoung Kim; Jang-Ung Park·· 来源仅提供日期AI 评分49

可穿戴间质液传感平台实现时间分辨尿酸监测,用于诱导小鼠模型中发作相关疼痛的早期预测

Wearable interstitial fluid sensing of time-resolved uric acid for early prediction of flare-associated pain in an induced mouse model

AI 导读

研究人员开发了一种可贴附皮肤的间质液电化学传感平台,在诱导小鼠痛风模型中实现时间分辨、微创的尿酸监测。时间分辨监测显示,痛风性关节炎发作组的尿酸波动模式无法由高尿酸血症或仅MSU炎症单独复现,且尿酸动态峰值与疼痛行为在时间上解耦。基于尿酸时间序列特征的机器学习框架可在疼痛峰值前识别预测信息。

已发表论文 · journal · 10.1073/pnas.2622418123

本站摘要基于收录版本 v1(2026-11-11),原始摘要与 AI 导读固定保留。

IF(5) 10.6 · 2025 · 期刊参考指标

摘要 · AI 翻译

痛风发作由高尿酸血症(HUA)和单钠尿酸盐(MSU)晶体引发的炎症反应所驱动,然而单个时间点的血清尿酸(UA)测量无法捕捉发作前的生化动态,也无法解释剧烈疼痛出现的时间。在此,我们提出了一种可贴附于皮肤的基于组织间液(ISF)的电化学传感平台,用于在受控的诱导性小鼠痛风发作相关炎症与疼痛模型中,实现时间分辨、微创的 UA 监测。该平台集成了基于酶的 UA 传感器、薄插入电极以及无电池近场通信(NFC),能够对 ISF UA 动态进行时间分辨的体内追踪。通过建立包含 HUA、单纯 MSU 炎症和痛风性关节炎发作(GA 发作)条件的疾病阶段特异性模型,我们分别考察了代谢和炎症因素对发作相关 UA 动态的贡献。时间分辨的 ISF 监测显示,GA 发作组表现出明显的 UA 波动模式,而任何单一条件均无法复现该模式。UA 动态的峰值时间与疼痛相关行为反应在时间上解耦,表明发作相关疼痛的起始无法由单一 UA 浓度来解释。一个利用 ISF UA 时间序列特征的机器学习框架识别出了峰值疼痛之前的预测信息,而使用由足部撤回阈值持续下降所定义的更早事件进行的分析则表现出较低且依赖于事件定义的性能。这些发现确立了时间分辨 ISF UA 监测作为解析发作相关生化动态并评估诱导性小鼠模型中后续疼痛进展的框架。

来源:PNAS · doi.org