Electronic nose đã bắt chước khứu giác hơn 40 năm: Nhóm MSU thử dùng thẳng “bộ xử lý mùi” của châu chấu

Năm 1982, Krishna Persaud và George Dodd công bố trên Nature một “model nose” dùng nhiều cảm biến bán dẫn có độ chọn lọc rộng, rồi nhận dạng mùi từ mẫu phản hồi của cả mảng. Ý tưởng đó trở thành nền tảng cho electronic nose: không nhất thiết phải xác định từng phân tử trong một hỗn hợp, miễn là tập hợp cảm biến tạo ra một fingerprint đủ đặc trưng để thuật toán phân loại.

Hơn bốn thập kỷ sau, một nhóm tại Michigan State University đang thử đi theo hướng gần như ngược lại. Thay vì tiếp tục mô phỏng từng tầng của khứu giác bằng vật liệu và silicon, họ tận dụng luôn phần cứng sinh học đã tiến hóa để làm việc đó: antenna và mạch thần kinh xử lý mùi trong não châu chấu.

Trong nghiên cứu đăng trên Journal of Hazardous Materials Advances, Summer McLane-Svoboda, Debajit Saha và các cộng sự cắm điện cực vào antennal lobe — trung tâm xử lý khứu giác bậc đầu trong não châu chấu — rồi ghi lại cách quần thể neuron phản ứng với bảy hợp chất PFAS khác nhau. Từ các mẫu xung điện này, hệ thống phân biệt đồng thời bảy PFAS với độ chính xác 87% trong bộ thử nghiệm của nhóm.

Điểm mới không phải là châu chấu “biết PFAS là gì”. Hệ sinh học đang thực hiện một nhiệm vụ khó hơn ở tầng thấp: biến một hỗn hợp tín hiệu hóa học thành biểu diễn thần kinh giàu cấu trúc. Máy tính vẫn được dùng ở cuối pipeline để giải mã biểu diễn đó thành nhãn mà con người hiểu.

Electronic nose đã bắt chước một phần khứu giác từ đầu thập niên 1980

Khứu giác sinh học không hoạt động giống một máy sắc ký, nơi mỗi hợp chất phải được tách riêng rồi định danh. Nhiều receptor có độ chọn lọc rộng cùng phản ứng với một odorant ở các mức khác nhau. Não nhận mẫu hoạt động của cả quần thể và dùng cấu trúc không gian-thời gian đó để phân biệt mùi.

Electronic nose lấy cảm hứng trực tiếp từ nguyên lý này. Một hệ điển hình có mảng gas sensor, hệ lấy mẫu và một tầng pattern recognition. Các cảm biến có thể dựa trên metal-oxide semiconductor, polymer dẫn điện, transistor, resonator hoặc nhiều vật liệu khác. Mỗi phần tử không nhất thiết đặc hiệu với duy nhất một hóa chất; điều quan trọng là toàn bộ mảng tạo ra response pattern đủ khác nhau giữa các mùi.

Kiến trúc này đã tạo ra nhiều ứng dụng thực tế, từ kiểm tra thực phẩm tới giám sát mùi công nghiệp và breath analysis. Nhưng electronic nose vẫn có những vấn đề khó giải quyết lâu dài: sensor drift theo thời gian, ảnh hưởng của độ ẩm và nhiệt độ, cross-sensitivity giữa các hóa chất và việc một model được huấn luyện trong điều kiện này có thể suy giảm khi môi trường thay đổi.

Một nghiên cứu năm 2026 về electronic nose dùng ngoài hiện trường, chẳng hạn, vẫn phải tập trung riêng vào thuật toán bù độ ẩm và sensor drift để duy trì độ ổn định trong 16 tháng. Điều này cho thấy thách thức không chỉ là làm cảm biến đủ nhạy, mà còn giữ cho toàn bộ “ngôn ngữ” của mảng cảm biến ổn định đủ lâu để classifier hiểu nó.

Châu chấu không chỉ có sensor tốt — nó còn có một tầng xử lý mùi ngay sau antenna

Ở châu chấu, các olfactory receptor neuron trên antenna tiếp xúc với phân tử trong không khí và biến kích thích hóa học thành chuỗi xung điện. Nhưng tín hiệu này không đi thẳng tới một “bộ phân loại”. Nó được đưa vào antennal lobe, nơi projection neuron và local neuron tương tác theo mạng kích thích-ức chế phức tạp.

Kết quả là cùng một mùi tạo ra một mẫu hoạt động theo thời gian trên cả quần thể neuron. Từ góc nhìn kỹ thuật, đây chính là một tầng preprocessing sinh học: tín hiệu hóa học thô đã được khuếch đại, phối hợp, lọc và tái mã hóa trước khi đi tới các trung tâm thần kinh cao hơn.

Nhóm MSU khai thác chính tầng này. Trong thử nghiệm PFAS, họ đưa luồng khí chứa hóa chất tới antenna bằng olfactometer, đồng thời đặt điện cực vào antennal lobe để ghi extracellular neural activity. Tín hiệu được lấy mẫu ở 20 kHz rồi xử lý để tách hoạt động của các neuron và phân tích response pattern của quần thể.

Với bảy PFAS tinh khiết và mẫu clean-air control, nhóm dùng 12 châu chấu và phân tích 86 neuron sau spike sorting. Mỗi hóa chất tạo ra một trajectory hoạt động khác nhau. Khi đưa các đặc trưng thần kinh này vào classifier, hệ thống phân biệt bảy PFAS với độ chính xác 87%.

“Bộ xử lý mùi sinh học” không thay thế máy tính hoàn toàn

Cụm “dùng não châu chấu làm sensor” dễ tạo cảm giác rằng sinh vật đang tự đưa ra câu trả lời cuối cùng. Thực tế pipeline vẫn là một hệ biohybrid.

Phần sinh học đảm nhiệm hai việc mà electronic nose thường phải tự xây: receptor array ở antenna và neural preprocessing trong antennal lobe. Sau đó, điện cực cùng electronics ghi lại hoạt động neuron, còn thuật toán trên máy tính biến dữ liệu nhiều chiều thành nhãn hóa chất.

Vì vậy, nghiên cứu không loại bỏ machine learning. Nó thay đổi nơi một phần computation xảy ra. Thay vì cố làm toàn bộ chemical front-end và feature extraction bằng vật liệu nhân tạo, nhóm dùng mạng neuron sinh học để tạo “odor fingerprint”, rồi để phần số giải mã fingerprint đó.

Đây cũng là lý do gọi hệ thống này là một brain-based gas sensor hợp lý hơn là electronic nose theo nghĩa truyền thống. Nó không chỉ mượn antenna làm đầu dò; nó khai thác cả neural computation xảy ra bên trong não sống.

PFAS là một bài test đặc biệt khó

PFAS là họ hàng nghìn hóa chất fluor hóa nhân tạo nổi tiếng vì độ bền hóa học cao. Nhiều phương pháp phân tích tiêu chuẩn dựa vào liquid chromatography kết hợp mass spectrometry, có độ chính xác cao nhưng cần thiết bị phòng lab, chuẩn mẫu và nhân lực chuyên môn.

Khó khăn với một cảm biến kiểu “ngửi” là không phải PFAS nào cũng dễ bay hơi. PFOS, một trong những PFAS phổ biến và được quản lý nghiêm ngặt, có vapor pressure rất thấp. Chính vì thế, việc nhóm nghiên cứu ghi nhận được đáp ứng thần kinh khác biệt với PFOS ở mức họ mô tả là gần nồng độ môi trường là một phần gây chú ý của paper.

Trong một tập thử nghiệm, nhóm báo cáo phân loại các khoảng nồng độ PFAS với độ chính xác 84%. Với PFOS ở hai mức nồng độ được chuẩn bị để mô phỏng điều kiện môi trường, classifier đạt 100% trong cửa sổ thử nghiệm đã chọn. Mức thấp nhất được paper ước tính khoảng 34 ppt bằng tính toán dựa trên Raoult’s law và các thông số hóa lý của PFOS.

Con số 100% này không nên hiểu là cảm biến đã đạt “100% chính xác” khi đo nước ngoài thực địa. Mẫu vẫn được chuẩn bị trong phòng lab, số lượng thử nghiệm nhỏ và nồng độ pha khí được suy ra từ mô hình. Khi nhóm huấn luyện classifier chỉ trên dữ liệu nồng độ cao rồi bắt nó nhận dạng dữ liệu nồng độ thấp — một kiểm tra gần với bài toán generalization hơn — độ chính xác giảm xuống 69,8%.

Điều bất ngờ: châu chấu chưa từng tiến hóa để ngửi PFAS

PFAS là hóa chất do con người tạo ra và chỉ xuất hiện trong môi trường một khoảng thời gian rất ngắn nếu so với tiến hóa của côn trùng. Vì vậy nhóm MSU ban đầu không chắc antennal lobe của châu chấu có tạo ra tín hiệu đủ khác biệt giữa các hợp chất này hay không.

Nhưng một hệ khứu giác không cần có receptor được “thiết kế” riêng cho từng phân tử. Các receptor có độ chọn lọc tương đối rộng có thể phản ứng chéo với nhiều cấu trúc hóa học; điều quyết định identity có thể nằm ở pattern tổng hợp của cả quần thể. Đó cũng chính là nguyên lý mà Persaud và Dodd cố mô phỏng trong model nose từ năm 1982.

Sự khác biệt là hệ sinh học đã có hàng triệu năm để tối ưu receptor diversity, độ nhạy, adaptation và neural coding. Nhóm MSU đang khai thác cả gói đó thay vì chỉ sao chép một nguyên lý riêng lẻ.

Đây không phải lần đầu não côn trùng được dùng như một chemical processor

Hướng này đã được thử trên nhiều loại tín hiệu khác. Năm 2023, một nhóm liên quan sử dụng neural response trong antennal lobe của châu chấu để phân biệt VOC phát ra từ các dòng tế bào ung thư miệng với tế bào không ung thư. Năm 2025, một nhóm tại MSU tích hợp flexible dual-sided microelectrode array vào hệ khứu giác châu chấu để phát hiện biomarker và VOC liên quan đến ung thư phổi.

Trong nghiên cứu ung thư phổi đăng trên Biosensors and Bioelectronics, các điện cực mềm được đưa trực tiếp vào antennal lobe để thu nhiều kênh neural activity. Hệ thống phân biệt các VOC chưa biết trong tập thử nghiệm với tỷ lệ thành công 100%, còn khi phải phân biệt các mức nồng độ từ ppm xuống ppb, độ chính xác được báo cáo ở mức 86%.

Chuỗi nghiên cứu này cho thấy mục tiêu dài hạn không nhất thiết là một “máy ngửi PFAS” duy nhất. Nhóm đang thử xem một olfactory front-end sinh học có thể trở thành nền tảng chung cho nhiều bài toán phát hiện hóa chất hay không.

Một sensor sống cũng mang theo những vấn đề mà silicon không có

Những kết quả phòng lab ấn tượng không xóa đi một câu hỏi rất thực dụng: ai sẽ muốn duy trì một đàn châu chấu bên trong thiết bị đo?

Một hệ biohybrid phải giải quyết tuổi thọ mô sống, dinh dưỡng, nhiệt độ, stress sinh học, variability giữa cá thể và độ ổn định của giao diện electrode-neuron. Electrode có thể dịch chuyển, mô có thể phản ứng viêm hoặc suy giảm, còn pattern thần kinh có thể thay đổi theo trạng thái sinh lý của con vật.

Đó là bài toán hoàn toàn khác với sensor drift của electronic nose truyền thống, nhưng không hẳn dễ hơn. Trong một hệ thương mại, thiết bị còn phải có quy trình hiệu chuẩn, thay thế phần sinh học, bảo đảm biosafety và tạo ra kết quả lặp lại giữa nhiều đơn vị sản xuất.

Quan trọng hơn, proof of concept PFAS hiện chưa đo mẫu môi trường thật. Michigan State University cho biết nhóm đang thử nước thu thập tại Michigan để xem hệ thống có còn nhận ra PFAS khi có muối, chất hữu cơ và hàng loạt hóa chất nền khác hay không. Đây sẽ là bài kiểm tra khó hơn đáng kể so với odor panel được chuẩn bị trong phòng lab.

Mục tiêu có thể không phải thay LC-MS, mà là sàng lọc trước khi gửi mẫu vào lab

Ngay cả khi thiết bị biohybrid hoạt động ngoài hiện trường, nó khó thay thế hoàn toàn mass spectrometry trong phân tích PFAS. Các phép đo phục vụ quy định cần định lượng từng chất với độ chính xác cao, traceability và quy trình kiểm chuẩn rõ ràng — những điều paper hiện chưa cung cấp.

Vai trò thực tế hơn có thể là một lớp screening nhanh. Một cảm biến portable có thể báo rằng mẫu nào có fingerprint đáng nghi, phân biệt sơ bộ nhóm chất hoặc chỉ ra điểm nóng cần lấy mẫu kỹ hơn. Sau đó, số mẫu phải đưa về phòng lab cho LC-MS có thể giảm.

Đây cũng là chỗ hướng “dùng luôn bộ xử lý mùi sinh học” trở nên thú vị. Electronic nose đã dành hơn 40 năm để biến vật liệu nhân tạo thành phiên bản gần giống receptor và pattern-recognition system của sinh vật. Nhóm MSU đang đặt câu hỏi khác: nếu phần sinh học đã làm tốt đoạn đầu của pipeline, tại sao không giao đúng đoạn đó cho nó?

Bước tiếp theo sẽ quyết định liệu đây chỉ là một thí nghiệm sinh học đẹp hay một kiến trúc sensor thực dụng: hệ thống phải chứng minh nó hoạt động với mẫu nước thật, giữ response ổn định đủ lâu, thu nhỏ electronics ghi não và vẫn phân biệt được PFAS khi môi trường chứa hàng trăm interferent. Nếu vượt được các bước đó, electronic olfaction có thể không chỉ học cách bắt chước mũi — một số thiết bị tương lai có thể mang theo một phần của chính hệ khứu giác sống.