背景：目前，机器学习方法，特别是深度学习，在处理和分析大量数据时非常流行。深度网络是灵活的函数逼近器，有足够的训练数据，可以被训练来识别数据中的模式。这种方法越来越多地用于分析大量生物图像，并已发现其应用于模拟分子机制和自动注释动物行为。然而，我们的方法是使用深度学习来分析电流-电压特性数据。

  水凝胶越来越多地应用于各种领域:柔性电子、传感、伤口敷料。涉及水凝胶和液态金属及合金的软仿生界面在获取各种复杂生物系统等越来越多的信息方面发挥着重要作用。在所有复杂的生物系统中，“好”微生物群的潜力是最令人感兴趣的。如某些乳酸菌对人体健康有有益的作用，可以治疗胃肠道疾病，增强宿主的免疫系统。

  细菌活力通常被认为是最佳益生菌功能的基本指标。据信，它们必须以足够的数量活着进入胃肠道，以评估其效益。早些时候，我们开发了一种发酵奶制品，其成分中含有孢子形成的益生菌凝结芽孢杆菌和辅助培养的嗜热链球菌。在开发过程中，在储存过程中控制活菌数量是至关重要的。人们用各种方法来计算活菌的数量，这些方法都有一定的缺点。对于所有这些方法，必须在培养基中有选择性地培养细菌。这种介质必须含有某些物质，并具有特定的pH值和合适的氧气水平(或厌氧菌缺氧)。然而，这些方法没有考虑到过渡到可活但未培养的状态的可能性，在这种状态下细菌不繁殖，而是代谢活跃。

  目前，电化学方法被广泛应用于胶体科学和小生物分子分析的众多分析任务。循环电化学方法与人工神经网络分析相结合，使我们能够估计薄层参数，重点关注一些缺陷及其发展。应用于生物聚合物涂层衬底的电化学阻抗谱方法对孔洞状缺陷和生物膜不均匀性引起的腐蚀也显示出高灵敏度，由于细菌的行为类似于不均匀的生物膜，因此循环伏安法用于细菌的检测和计数具有反应快、设备简单、特异性高等固有优势，受到广泛关注。

  方法：开发了一种基于软水凝胶/共晶镓-铟合金界面的生物电化学平台，用于检测各种介质中的嗜热链球菌和凝结芽孢杆菌。该软水凝胶设备能够在检测期间支持细菌的生存能力。电流-电压数据用于多层感知器算法训练。

  结果：多层感知器模型能够检测培养基中104至108 CFU/mL范围内或乳制品中的细菌浓度，准确率高(94%)。这种快速简便的生物检测方法对食品和农业以及生物医学和环境科学极其重要。

  Figure 5. Results of the prediction of samples with different concentrations of S. thermophilus and B. coagulans bacteria, obtained on the model of a multilayer perceptron. (a) Graph for the sample with bacteria concentration 104 CFU/mL. (b) Graph for the sample with bacteria concentration 105 CFU/mL. (c) Graph for the sample with bacteria concentration 106 CFU/mL. (d) Graph for the sample with bacteria concentration 107 CFU/mL. (e) Graph for the sample with bacteria concentration 108 CFU/mL. (f) Graph for the sample without bacteria.

  Figure 6. Graph with the result of the yogurt sample compound prediction.

  参考来源：Lavrentev F V, Rumyantsev I S, Ivanov A S, et al. Soft hydrogel actuator for fast machine-learning-assisted bacteria detection[J]. ACS Applied Materials & Interfaces, 2022, 14(5): 7321-7328.