基于机器学习的高性能格子状SERS基板,用于超敏感检测Zexie-Baizhu蒸
Wenying Zhou1, Xue Han2, Yanjun Wu1
1Hebei International Research Center for Medical-Engineering, Chengde Medical University, Chengde, 067000, Hebei, China.
Heliyon
|May 10, 2024
概括
表面增强拉曼光谱 (SERS) 与机器学习相结合,提供了一种快速而准确的方法,用于识别传统中医药 (TCM) 中的化学变化. 这种方法增强了TCM质量控制和机制研究.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 计算化学计算化学
背景情况:
- 精确识别多成分中医药 (TCM) 中的化学成分对于理解它们的疗效和机制至关重要.
- 现有的方法可能缺乏复杂的TCM配方所需的速度,灵敏度或通用性.
研究的目的:
- 开发一种快速,灵敏和准确的方法来检测和识别TCM中的化学成分变化.
- 利用表面增强拉曼光谱 (SERS) 和机器学习进行TCM分析.
主要方法:
- 使用磁铁子喷射技术制造类似格子的SERS基板.
- 使用SERS进行TCM的光谱采集.
- 应用机器学习算法,包括支持矢量机 (SVM),决策树 (DT) 和天真贝叶斯 (NB),用于分类和识别.
主要成果:
- 格子状的SERS基板表现出高灵敏度,增强因子 (EF) 为1.90 × 10^7,4-ATP探针分子的检测极限 (LOD) 为1 × 10^-10 M.
- 结合SERS和机器学习方法,实现了高分类准确率97.78%的高分类准确率,用于区分三个不同的TCM.
结论:
- 开发的SERS技术与机器学习相结合,为分析复杂的TCM提供了一个高效和敏感的平台.
- 这种方法在质量控制和多组件TCM配方研究中具有实践应用的巨大潜力.
