像素化高Q元表面用于in situ生物谱学和人工智能支持的脂质膜光交换动力学的分类

科学领域:

• 纳米光子学和生物传感技术
• 光流体学和深度学习

背景情况:

• 纳米光子设备为传感创造强烈的光场.
• 具有连续性的光子结合状态 (BICs) 的全介电元表面增强了生物谱学.
• 之前的BIC光谱专注于静态,干燥的测量,缺少生物动态.

研究的目的:

• 开发一个集成的光流体平台,用于时间解析的 in situ 生物谱学.
• 为了克服BIC驱动分子光谱学中干燥条件测量的局限性.
• 研究生物系统中的动态分子行为.

主要方法:

• 使用了为水环境设计的像素化全介电超表面.
• 采用先进的光谱采样用于分子动态的时间分辨率.
• 集成的深度学习 (卷积神经网络) 用于特征提取和预测.

主要成果:

• 在有损失的水环境中实现时间分辨率光谱.
• 成功解决了可光切换脂质膜的动态行为.
• 证明了 98% 准确度的膜构造 (cis 和 trans) 的实时分类.

结论:

• 协同平台结合了超表面,光流体和深度学习,用于先进的生物传感.
• 能够在现场进行复杂生物系统的时间解析研究.
• 开辟了研究跨膜蛋白和细胞通信动态的可能性.