Video Experimental Relacionado
Updated: Feb 21, 2026
Author Spotlight: Development and Application of SERS Flexible Substrates Using Synthesized AgNPs
Published on: November 17, 2023
Detección de especies de selenio asistida por aprendizaje automático utilizando un sustrato de hidrogel de alginato
Ziqi Zhang1, Zhixi Zhao1, Huaqing Ling1
1College of Chemistry and Chemical Engineering, Xinjiang Normal University, Urumqi 830054, China; Xinjiang Key Laboratory of Energy Storage and Photoelectroctalytic Materials, Urumqi 830054, China; Technical Research Center for Environmental Geotechnical Engineering Restoration and Resource Utilization, Xinjiang Normal University, Urumqi 830054, China.
Los investigadores desarrollaron una novedosa plataforma de detección basada en hidrogel para el análisis rápido y preciso de la especiación de selenio en muestras ambientales. Este método integra la espectroscopia Raman mejorada en superficie (SERS) con el aprendizaje automático para la detección fiable de selenio(IV) y selenio(VI).
Área de la Ciencia:
- Ciencias Ambientales; Química Analítica; Ciencia de Materiales
Sus antecedentes:
- El selenio (Se) es un oligoelemento esencial con una estrecha ventana entre las necesidades nutricionales y la toxicidad.
- La detección precisa y rápida de la especiación de selenio en matrices ambientales es crucial para la evaluación de riesgos.
- Los métodos existentes para la especiación de selenio pueden consumir mucho tiempo y carecer de portabilidad.
Objetivo del estudio:
- Desarrollar una plataforma de detección portátil, estable y altamente sensible para el análisis cualitativo y cuantitativo rápido de la especiación de selenio.
- Sintetizar y caracterizar sustratos de hidrogel de nanopartículas de alginato de sodio/plata (SA/Ag NPs) para espectroscopia Raman mejorada en superficie (SERS).
- Evaluar el rendimiento de los algoritmos de aprendizaje automático para identificar y cuantificar especies de selenio en muestras reales.
Principales métodos:
- Síntesis de sustratos de hidrogel SA/Ag NPs mediante reticulación con iones Ca2+.
- Caracterización de las propiedades del hidrogel, incluida la uniformidad, reproducibilidad, estabilidad y factor de mejora (EF).
- Aplicación de SERS para la detección de Se(IV) y Se(VI) con análisis posterior utilizando modelos de aprendizaje automático (PLS-DA, PCA-DA, KNN, SVM, PLSR, SVR).
Principales resultados:
- El sustrato de hidrogel SA/Ag NPs demostró una excelente uniformidad, reproducibilidad y estabilidad con un EF de 109.
- Se lograron límites de detección bajos para Se(IV) (3,35 μg/L) y Se(VI) (3,37 μg/L).
- El modelo de Máquina de Vectores de Soporte (SVM) mostró una precisión del 90,0% para la clasificación, y el modelo de Regresión de Vectores de Soporte (SVR) logró un R2 > 0,8958 para la cuantificación.
Conclusiones:
- Se estableció un marco fiable que integra un sustrato SERS de hidrogel y algoritmos de aprendizaje automático para el análisis de la especiación de selenio.
- La plataforma de detección desarrollada ofrece una solución prometedora para la monitorización in situ rápida y precisa del selenio en muestras ambientales complejas.
- El estudio destaca el potencial de los sustratos de hidrogel basados en SERS combinados con la quimiometría para el análisis de oligoelementos ambientales.
