基于微生物燃料电池系统的微生物传感器是一种具有自我修复和再生能力，成本低，可长期有效运行的新型生物传感器系统。但是由于进水组分及接种物的变化会影响微生物群落多样性及其丰度大小，而电信号难以反映此类变化。系统运行条件及胞外电子传递速率将底物与微生物群落结构之间的关系复杂化，最终导致不同的进水底物会有相似的电信号输出，降低了传感器检测化学物质的准确性，且电信号不能特异性地表征某一种物质。

针对上述难题，西安交通大学王云海教授小组、美国俄勒冈州立大学Hong Liu教授小组，以及英国纽卡斯尔大学Elizabeth S. Heidrich教授小组合作攻关，首次将基于MFC系统的微生物传感器对有机底物的检测与生物信息学数据联系起来，并通过人工智能预测底物基质种类，为提高该类型微生物传感器信号的特异性提供改进思路。此外，在已知底物基质的系统中，利用微生物群落结构与底物基质的相关关系，该方法也可以通过识别系统中微生物群落结构的组成成分及其丰度来判断物质的代谢途径，并可以探求食物链的完整代谢途径。

据研究人员介绍，该创新技术将来亦可以应用于环境大数据分析、环境污染特征分析、环境污染预警等方面，具有简便、高效的特点。

Biosensors ＆ Bioelectronics最近发表了该研究的相关论文“Incorporating microbial community data with machine learning techniques to predict feed substrates in microbial fuel cells”，美国自然科学基金、中国国家自然科学基金等项目也给与了资助。