通过SERS-ICA实现基于内部标准方法的定性到半定量痕迹检测

科学领域:

• 分析化学 分析化学
• 频谱学是一种光谱学.
• 生物感应是一种生物感应.

背景情况:

• 表面增强拉曼光谱 (SERS) 提供了快速的分子指纹识别,但受到信号不均性和有限的检测物体大小的影响.
• 将SERS与免疫染色学检测 (ICA) 结合起来,可以解决SERS的一些局限性,但条带的多孔结构引入了进一步的信号变化.
• 强大的SERS-ICA方法对于克服信号波动,提高检测准确性和实现多功能性至关重要.

研究的目的:

• 开发一个集成深度学习的内部标准方法,以提高SERS-ICA信号的统一性和准确性.
• 解决信号波动,提高SERS-ICA在快速检测应用中的可靠性.
• 建立一种使用SERS-ICA准确的半定量分析的多功能方法.

主要方法:

• 构建了一个双抗原SERS-ICA试验条,以减轻单抗原信号波动.
• 使用内部标准分子的两个特征峰值的和,规范化全谱拉曼数据.
• 应用了深度学习算法来处理规范化的拉曼数据进行预测和分析.

主要成果:

• 内部标准正常化显著降低了双A拉曼数据的相对标准偏差 (RSD) 的3.8倍.
• 预测准确度,以根平均平方误差 (RMSE) 衡量,在正常化后提高了2.66倍.
• R2值从0.961增加到0.994,表明预测准确度提高.

结论:

• 开发的内部标准方法与深度学习相结合,有效地解决了SERS-ICA中的信号不均性和糟糕的可重复性.
• 这种方法大大提高了SERS-ICA的半定量准确性和整体预测性能.
• 该方法为使用SERS-ICA技术进行可靠和准确的快速检测提供了一个有希望的解决方案.