基于SERS和机器学习的有效特征提取,用于检测和识别安非他胺类同类
Jing Cai1, Yulun Wu1, Haohao Bai1
1Key Laboratory of Drug Prevention and Control Technology of Zhejiang Province, Zhejiang Police College, 555 Binwen Road, Binjiang District, Hangzhou, 310053, Zhejiang Province, PR China.
Heliyon
|December 25, 2023
概括
这项研究引入了用于敏感表面增强拉曼光谱 (SERS) 药物检测的银金纳米晶体. 该方法使用机器学习准确地识别胺类药物和类似物,准确度为98%.
科学领域:
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
- 频谱学是一种光谱学.
背景情况:
- 表面增强拉曼光谱 (SERS) 提供高灵敏度和非破坏性分析,使其适用于快速的现场药物查.
- 现有的方法需要进一步开发,以便可靠地区分类似结构的化合物,如安非他胺及其类似物.
研究的目的:
- 开发和评估白银-黄金核心外纳米晶体 (Ag@Au SNCs) 用于基于SERS的敏感安非他胺检测.
- 建立一种使用SERS和计算分析的安非他胺及其类型的定性差异化方法.
- 评估机器学习算法在分类SERS光谱中的性能,用于药物识别.
主要方法:
- 制造Ag@Au SNC作为SERS基材.
- 使用SERS检测低至1μg/mL的度的安非他胺.
- 获取和分析10种物质的SERS光谱,包括安非他胺及其类型.
- 密度函数理论 (DFT) 计算用于振动频率分配和模式分析.
- 支持矢量机 (SVM) 算法的应用用于光谱分类.
主要成果:
- Ag@Au SNCs表现出强大的表面等离子体共振效应,显著放大分子信号.
- 氨基胺及其类型的SERS光谱表现出明显的峰值信号.
- 通过分配正常模式,DFT计算促进了测试物质的定性差异化.
- 在分析的SERS频谱中,SVM算法实现了98.0%的高区分精度.
结论:
- Ag@Au SNCs是用于敏感检测安非他胺的有效SERS基质.
- 结合SERS,DFT计算和机器学习,提供了一种强大的方法,用于定性识别和区分安非他胺及其类型.
- 这种综合方法对快速的现场药物查应用具有显著的前景.
