テルビウム (III) とアデノシン・モノフォスファートの調整されたヒドロゲルで,機械学習を組み合わせたフッ素キノロン検出
Tao Peng1, Zhanwei Liang1, Jinxue Zhao2
1Center for Advanced Measurement Science, Mass Spectrometry Engineering Technology Research Center, National Institute of Metrology, Beijing 100029, China.
Food chemistry
|September 4, 2025
まとめ
この研究では,試料を破壊することなく,肉中のフルオロキノロン (FQs) を検出するための新しい光センサーが導入されます. マシン・ラーニングは この方法により 汚染を正確に 現地で監視できます
科学分野:
- 分析化学
- 材料科学
- 食品の安全性
背景:
- フルオロキノロン (FQ) は,食品生産で広く使用されている抗生物質です.
- 食品中のFQ残留物の迅速かつ破壊的でない検出方法は,消費者の安全にとって極めて重要です.
- 現在の検出方法は時間がかかり,サンプルを準備する必要があります.
研究 の 目的:
- フルオロキノロンの分布を食品マトリックスで特定するためのインテリジェントで破壊的でない方法を開発する.
- 新しい光センサーを合成して 検出効率を向上させる
- FQ汚染の正確な空間分析のための機械学習を統合する.
主な方法:
- テリビウム (III) とアデノシン・モノフォスファート・コーディネート・ヒドロゲル (TbCHy) の光センサーの合成
- センサーの校正と試験のモデルとしてノルフロキノロン (NOR) を使用する.
- センサ応答の画像分析のためのコンボリューションニューラルネットワーク (CNN) の適用.
- センサーをUV光で現地モニタリングするために食品サンプルに直接適用します.
主要な成果:
- TbCHyセンサは,0. 1μMから100μMまでのNOR検出において良好な線形性を示した.
- センサーは8種類のフルオロキノロンに対して選択性を示し,スルフォナミドやニトロフーランには反応しなかった.
- CNNの統合により,加えられた肉のサンプルにおけるNORの分布を正確に特定することができました.
- 開発された方法は,破壊的でないFQ検出のための良好な安定性,特異性,および正確性を示した.
結論:
- CNNと組み合わせた新しいTbCHyベースの光センサーは,食品のFQ検出に効率的で破壊的でないアプローチを提供します.
- この方法は,試料の分解なしに,フッ素ヒノロンによる汚染分布のインサイトモニタリングを可能にします.
- この技術は食品安全と品質管理の改善に 大きな可能性を秘めています
