生物仿真叶片与固定催化酶用于机器学习,以验证新鲜产品卫生流程
Minyue Guo1, Shijie Tian2, Wen Wang3
1School of Chemical Sciences, The University of Auckland, Auckland 1142, New Zealand.
Food research international (Ottawa, Ont.)
|February 11, 2024
概括
一个新的仿生叶子传感器与不动化的催化酶预测消毒剂在产品表面的有效性. 这种方法准确验证了微生物无活化,改善了新鲜食品卫生中的食品安全.
科学领域:
- 食品科学 食品科学 食品科学
- 生物技术是生物技术.
- 分析化学 分析化学
背景情况:
- 收获后的洗和卫生设施对于减少新鲜产品上的微生物负荷至关重要.
- 目前在产品表面验证消毒剂有效性的方法有限,特别是有机污染物和复杂的地形.
研究的目的:
- 开发一种新的,准确的方法,用于直接在产品表面上验证消毒剂的有效性.
- 解决当前过程控制工具在评估现实世界卫生设施有效性的局限性.
主要方法:
- 使用了食品级,催化酶 (CAT) 固定生物仿真叶 (CAT@L-PDMS) 模仿微绿地表地形.
- 采用振动光谱 (FTIR) 来检测在消毒剂处理 (低化和过氧化) 后CAT中的化学变化.
- 应用机器学习算法,特别是CARS-PLSDA,以预测微生物无活化功效.
主要成果:
- CAT@L-PDMS成功模仿了微绿色表面特征和细菌分布.
- FTIR光谱的变化表明CAT被消毒剂氧化,使机器学习分析成为可能.
- 在预测大肠杆菌无活化的过程中,CARS-PLSDA模型对二酸盐达到100%的准确性,对过氧化达到86%.
结论:
- 与光谱学和机器学习相结合的CAT固定生物仿真叶为验证产品卫生提供了一种可靠的方法.
- 这种方法增强了新鲜产品卫生流程的验证,有助于提高食品安全.
- 这项研究为未来研究先进的卫生验证技术提供了基础.
