通过使用机器学习工具,提高双SERS口感传感器系统的检测准确度,具有无法控制的SERS"热点"
Junlin Chen1, Hong Lin1, Minqiang Guo2
1State Key Laboratory of Marine Food Processing & Safety Control, College of Food Science and Engineering, Ocean University of China, Qingdao, Shandong, 266003, China.
Analytica chimica acta
|May 8, 2024
概括
这项研究引入了双SERS吸食传感器与机器学习相结合,用于准确同时检测食品污染物,如氨基醇 (CAP) 和雌二醇 (E2). 这种新的方法克服了传统方法的局限性,使得高灵敏度分析成为可能.
科学领域:
- 分析化学 分析化学
- 生物传感技术的技术
- 机器学习应用 机器学习应用
背景情况:
- 同时检测多种食品污染物对于公共卫生至关重要.
- 传统的多竞争性SERS适应传感器由于无法控制的SERS"热点"而难以准确.
研究的目的:
- 开发一种新的双SERS吸食传感器,用于同时检测氨基醇 (CAP) 和雌醇 (E2).
- 通过整合机器学习来提高同时检测污染物的准确性.
主要方法:
- 使用Au@4-MBA@Ag和Au@DTNB@Ag纳米颗粒作为信号探针,并使用特定的aptamer进行修改.
- 使用Fe3O4@Au纳米花作为与补充DNA集成的捕获探针.
- 开发并将人工神经网络 (ANN) 与其他机器学习模型进行数据分析.
主要成果:
- 对于整个数据集,ANN模型表现出高精度,R2值高达0.991.
- 双SERS吸食传感器有效地减少了来自特有的拉曼峰的干扰.
- 验证显示,同时检测的平均误差为244μg L-1.
结论:
- 开发的机器学习增强的双SERS适应传感器克服了传统方法在同时量化方面的局限性.
- 这种创新技术显著提高了检测多种食品和环境污染物的精度和灵敏度.
