一个基于抗生素稳定金属纳米集群的光传感器阵列,用于多重检测细菌
Maryam Mousavizadegan1, Morteza Hosseini2, Mahsa N Sheikholeslami3
1Nanobiosensors Lab, Department of Life Science Engineering, Faculty of New Sciences and Technologies, University of Tehran, Tehran, 1439817435, Iran.
Mikrochimica acta
|May 1, 2024
概括
一个新的光传感阵列使用抗生素稳定金属纳米集群 (NCs) 快速检测水中的病原体. 机器学习,特别是人工神经网络,在识别细菌菌株方面实现了100%的准确性.
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:
- 快速轻松地检测水传播病原体对于公共卫生至关重要.
- 现有的病原体检测方法可能耗时且复杂.
- 开发敏感和特定的生物传感平台是一个正在进行的研究领域.
研究的目的:
- 开发一个光传感阵列平台,用于多重检测供水中的病原体.
- 利用抗生素稳定金属纳米集群 (NCs) 作为病原体识别的识别元素.
- 整合机器学习算法,以增强模式辨别和准确的病原体量化.
主要方法:
- 合成八种不同的金属纳米集群 (NCs),由五种常见的抗生素 (西林,塞菲皮姆,卡纳米辛,酶,万科米辛) 稳定.
- 开发一个光传感阵列平台,用于多重病原体检测.
- 应用各种机器学习算法,包括人工神经网络,用于模式分析和细菌菌株的分类.
- 使用独立测试数据集和现实世界水样 (饮用水,自来水,安扎利湖水) 验证开发的模型.
主要成果:
- 成功合成多种抗生素稳定的NCs,与不同细菌菌株形成独特的相互作用模式.
- 人工神经网络表现出最高的性能,在病原体识别的模式辨别中达到100%的准确性.
- 该预测模型在真实水样中表现出高精度,测试数据集的精度为96.88%,环境样本的精度为95.14%.
- 证明了使用仿制抗生素用于NC合成的有效性,以及它们在病原体检测中作为识别元素的作用.
结论:
- 抗生素稳定金属纳米集群为在水中轻松快速检测多重病原体提供了一个有前途的平台.
- 机器学习的整合,特别是人工神经网络,显著提高了分析设备的灵敏度和准确性.
- 这种方法为监测水质和确保公共卫生安全提供了一种强大而有效的方法.
