Video Experimental Relacionado
Updated: Sep 9, 2025
10:21
Multicolor Fluorescence Detection for Droplet Microfluidics Using Optical Fibers
Published on: May 5, 2016
10.7K
Imágenes de gotas fluorescentes multicolores asistidas por aprendizaje automático para la detección simultánea de
Shikun Zhang1, Xianfeng Lin1, Zepeng Gu1
1State Key Laboratory of Food Science and Resources, School of Food Science and Technology, International Joint Laboratory on Food Safety, Jiangnan University, Wuxi 214122, China.
iScience
|September 2, 2025
Resumen
Este estudio introduce un nuevo método para detectar peligros alimentarios como la acrilamida y los productos finales de glicación avanzada. El nuevo sistema mejora significativamente la sensibilidad y la velocidad de detección mediante amplificación avanzada y aprendizaje automático.
Área de la Ciencia:
- Química de los alimentos
- Química analítica
- Biotecnología
Sus antecedentes:
- La acrilamida y los productos finales de glicación avanzada (AGEs) son peligros alimentarios comunes formados durante la reacción de Maillard.
- Los métodos tradicionales de detección de estos compuestos son a menudo ineficientes y requieren instrumentación compleja.
Objetivo del estudio:
- Desarrollar un método altamente sensible y eficiente para la detección simultánea de acrilamida y AGE.
- Superar las limitaciones de los métodos tradicionales de detección instrumental de los productos de la reacción de Maillard.
Principales métodos:
- Se desarrolló un sistema de detección de fluorescencia doble rojo-verde.
- Se empleó la tecnología de amplificación de círculo de rodadura cíclica (CRCA) asistida por Nt.BbvCI para la amplificación de la señal.
- El CRCA fue encapsulado en gotas de emulsión para aumentar la sensibilidad.
- Se utilizaron algoritmos de aprendizaje automático para el análisis rápido de los datos de imágenes de fluorescencia.
Principales resultados:
- El límite de detección se redujo al nivel de picogramos por mililitro (pg/mL) utilizando CRCA en gotas de emulsión.
- El análisis de aprendizaje automático redujo significativamente el tiempo de procesamiento de imágenes de 3 minutos por imagen a 1,4 s por imagen.
- El límite de detección global se redujo aún más a 10 fg/ml, lo que demuestra una alta sensibilidad.
Conclusiones:
- El sistema de doble fluorescencia y CRCA desarrollado proporciona un método altamente sensible y eficiente para detectar los peligros de la reacción de Maillard en los alimentos.
- La integración del aprendizaje automático mejora la velocidad y la precisión del análisis.
- Este enfoque ofrece una solución prometedora para el seguimiento rápido y simultáneo de los indicadores de seguridad alimentaria.
