深度学习启用SERS 在柔性等离子MOF纳米线膜上识别气态分子

科学领域:

• 材料科学 材料科学 材料科学
• 分析化学 分析化学
• 生物技术是生物技术.

背景情况:

• 表面增强拉曼光谱 (SERS) 为分子检测提供了高灵敏度,但由于捕获困难,与低密度,高速度气态分析物扎.
• 金属有机框架 (MOFs) 和等离子体纳米结构显示出提高SERS性能的前景.

研究的目的:

• 开发一种灵活的纸质SERS传感器,以有效捕获和检测气态分子.
• 整合深度学习以准确识别气体生物标志物,特别是用于非侵入性结肠直肠癌查.

主要方法:

• 用AgNWs@ZIF-8.组成的柔性纸质塑薄膜的制造.
• 利用膜的微纳孔进行高效的气态分子捕获和SERS光谱采集.
• 应用深度学习,特别是人工神经网络,用于分析混合气体分析物的SERS光谱.

主要成果:

• AgNWs@ZIF-8膜在30天内证明了有效捕获气态分子和稳定的SERS性能.
• 开发的系统在模拟呼出的呼吸中实现了93.7%的准确性来识别气态化物,即结直肠癌的生物标志物.
• 在可重复检测过程中,传感器保持了明显的拉曼信号.

结论:

• 灵活的基于纸质的等离子MOF薄膜是敏感的SERS检测气态分析物的可行平台.
• 这种传感器与深度学习的整合为结直肠癌查提供了一个有希望的非侵入性方法.
• 这项技术在临床诊断,食品安全和环境监测方面具有广泛的潜在应用.