用表面等离子体共振成像和深度学习数据分析对纯素进行分类的半选择性阵列
Simon Jobst1,2, Patrick Recum1, Ángela Écija-Arenas1
1Institute of Analytical Chemistry, Chemo- and Biosensors, University of Regensburg, 93053 Regensburg, Germany.
ACS sensors
|July 28, 2023
概括
这项研究介绍了一种新的表面等离子体共振 (SPR) 成像传感器,用于实时分析. 它有效地区分化学上相似的分子,例如使用石墨烯氧化物表面和AI.
科学领域:
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
- 生物技术是生物技术.
背景情况:
- 复杂混合物的实时分析对工艺分析和环境监测具有挑战性.
- 像表面等离子体共振 (SPR) 光谱学这样的无标签技术显示出有希望的结果,但往往患有分析剂结合可逆性差.
- 实时区分小,化学上相似的分子需要先进的传感策略.
研究的目的:
- 使用SPR成像开发一种强大的方法,用于识别使用SPR成像的复杂样品中的小,化学上相似的分子.
- 克服传统SPR技术中可逆性差的局限性.
- 展示功能化表面和机器学习对增强分子识别的潜力.
主要方法:
- 使用SPR成像与半选择性功能表面相结合,该表面由不同比例的氧化石墨烯和减少氧化石墨烯组成.
- 开发了一种使用卷积神经网络 (CNN) 进行模式识别的数据分析方法.
- 研究了传感器在低度下区分四个纯素基的能力.
主要成果:
- 开发的传感器成功地区分了四种化学上相似的 purin 基.
- 在低至50μM的度下实现了分类.
- 在使用标准CNN的多个测量和传感器中观察到一致的分类准确性,这表明其可靠性很高.
结论:
- SPR成像,加上功能化石墨烯氧化物表面和基于CNN的数据分析,提供了一种强大的方法来识别小的,类似的分子.
- 这种方法表现出高精度和一致性,为复杂混合物中的未来在线传感器铺平了道路.
- 传感器的设计解决了绑定可逆性差的挑战,提高了其实际适用性.
