机器学习辅助的高吞吐量策略,用于实时检测精子,使用三次发射放射测量探测器

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:

• 精子是评估食物腐烂的关键生物标志物,特别是在海鲜和肉类中.
• 精氨酸的准确和快速检测方法对于确保食品安全和质量至关重要.
• 现有的检测方法可能很复杂,耗时,或缺乏实时监控所需的灵敏度.

研究的目的:

• 设计和制造一种对精氨酸有反应的三次发射比度计光探针.
• 开发一种灵敏,准确,可视化解释的检测精液的方法.
• 为了展示探测器在评估海鲜和肉的新鲜度方面的应用.

主要方法:

• 使用双排放碳纳米粒子和量子点制造光探针.
• 为了提高精度,利用具有明显的排放峰值 (95nm差异) 的比度光.
• 集成与智能手机成像和YOLO算法进行实时分析.
• 开发基于水凝的视觉传感平台,用于现场检测.

主要成果:

• 探测器对精子度呈现线性反应,检测极限低 (0.33μM).
• 从黄色绿色到红色的明显颜色变化表明了精氨酸的存在和水平.
• 成功实现了对食品新鲜性的实时,视觉和高通量检测.
• 密度函数理论和表征证实了反应机制.

结论:

• 开发的三次发射比度光探针为精子蛋白检测提供了灵敏而准确的方法.
• 基于智能手机和水凝的平台为食品新鲜度监测提供了一个简单,可视和便携的解决方案.
• 这项技术在食品行业有很大的应用潜力,以确保安全和质量.