一个便携式的感应器用于检测葡萄糖在黄基于花形双金属有机框架装载的银纳米粒子结合机器学习的机器学习
Yi Ma1, Yinjiang Leng1, Danqun Huo2
1College of Biological Engineering, Sichuan University of Science and Engineering, 188 University Town, Yibin, China.
Food chemistry
|July 16, 2023
概括
一个新的Ni,Co双金属金属有机框架 (NiCo-MOF) 与银纳米颗粒 (AgNPs) 装饰,使灵敏的,无酶的电化学葡萄糖传感. 这种先进的传感器与机器学习相结合,在现实世界样本中提供准确的葡萄糖检测.
科学领域:
- 电化学 电化学 电化学
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
背景情况:
- 电化学传感为分析物检测提供了一个敏感的平台.
- 金属有机框架 (MOF) 为催化和传感提供可调节的结构.
- 银纳米粒子 (AgNPs) 以其催化和导电特性而闻名.
研究的目的:
- 开发一种新的Ni,Co双金属金属有机框架 (NiCo-MOF),用AgNP装饰,用于无酶的电化学葡萄糖传感.
- 研究NiCo-MOF和AgNPs对电化学性能的协同作用.
- 用机器学习来评估传感器在真实世界样本中的葡萄糖测定性能.
主要方法:
- 尼科-MOF纳米结构的热水合成.
- 通过化学还原对NiCo-MOF与AgNP进行装饰.
- 使用循环电压计和电压计进行电化学表征.
- 应用人工神经网络 (ANN) 作为数据分析的机器学习 (ML) 模型.
主要成果:
- 尼科-MOF纳米结构具有很大的特定表面积和良好的内在传感性能.
- AgNP显著增强了NiCo-MOF的电化学活性和灵敏度.
- 传感器在明显的线性范围 (0.0051.125 mM和1.5255.325 mM) 中显示了1191.84和271.19 μA mM-1 cm-2的高灵敏度.
- 实现了2.3μM的低检测极限.
- 在黄 (HS) 样本中,ML模型显示出优异的适配和预测性能 (R2 ≈ 1,低RMSE,高RPD) 对于葡萄糖的确定.
结论:
- 开发的AgNPs装饰的NiCo-MOF是一种高度有效的材料,用于敏感和选择性的无酶电化学葡萄糖传感.
- 集成ML模型提高了复杂矩阵中葡萄糖检测的准确性和可靠性.
- 这项技术为快速,便携式和智能葡萄糖监测系统提供了一个有前途的途径.
