Plataforma SERS integrada en aprendizaje automático basada en nanocables AuSe para la detección de carmín índigo en...

Área de la Ciencia:

• Los nanomateriales
• Química analítica
• Espectroscopia

Sus antecedentes:

• Los tintes alimentarios requieren métodos de detección sensibles.
• La dispersión de Raman mejorada por superficie (SERS) ofrece una alta sensibilidad.
• El desarrollo de sustratos SERS robustos es crucial para el análisis de trazas.

Objetivo del estudio:

• Desarrollar un nuevo sustrato SERS para la detección de trazas de carmín índigo (IC).
• Evaluar el rendimiento del sustrato AuSe NWs para la detección de IC.
• Evaluar la aplicabilidad práctica y la integración del aprendizaje automático para el análisis de alimentos.

Principales métodos:

• Síntesis de nanocables de selenio (Se NW) mediante co-precipitación.
• Decoración de Se NWs con nanopartículas de oro (Au NPs) mediante fotorreducción.
• Caracterización del sustrato AuSe NWs y mediciones SERS.
• Detección de carmín índigo (IC) y análisis mediante aprendizaje automático.

Principales resultados:

• El sustrato AuSe NWs mostró una fuerte actividad SERS con un factor de mejora de 10.
• La detección sensible de IC se logró en concentraciones tan bajas como 10^-9 M.
• El sustrato demostró una excelente uniformidad, reproducibilidad y estabilidad durante 30 días.
• Se alcanzaron límites de detección prácticos de 10^-8 M en muestras reales de alimentos.
• El aprendizaje automático clasificó con precisión IC en diversas matrices de alimentos.

Conclusiones:

• El sustrato AuSe NWs desarrollado es una plataforma SERS altamente sensible y estable.
• Esta tecnología proporciona una herramienta fiable para el seguimiento en tiempo real de los tintes sintéticos en los alimentos.
• La integración con el aprendizaje automático mejora la precisión y la aplicabilidad en el análisis de la seguridad alimentaria.