深度学习辅助逻辑门,用于实时识别天然四环素抗生素

科学领域:

• 分析化学 分析化学
• 环境科学 环境科学
• 生物技术是生物技术.

背景情况:

• 抗生素耐药性是一个日益严重的全球健康问题,由过度使用和滥用四环素 (TCs) 驱动.
• 现有的TC检测方法经常量化抗生素的总量,无法实时识别单个成分.
• 准确识别特定的TC对于有效的监测和控制策略至关重要.

研究的目的:

• 开发一个新的传感平台,用于同时实时识别和量化单个天然四环素抗生素.
• 整合先进的技术,如深度学习,光和色度测量,以提高检测能力.
• 创建一个用户友好的,基于智能手机的工具,用于可访问的抗生素监测.

主要方法:

• 在ZIF-8框架内开发使用碳点和金纳米集群的比度光探针 (CD-Au NCs@ZIF-8).
• 集成基于光和色度测量的多模式逻辑门用于信号处理.
• 使用深度学习策略进行数据分析和解释.
• 开发一个定制的微信应用程序,用于基于智能手机的数据采集和分析.

主要成果:

• 开发的探测器成功地防止了检测TC的错误负面或错误阳性结果.
• 使用光通道实现了四种天然TC (四环素,氧四环素,多环素和四环素) 的线性量化.
• 颜值测量通道作为逻辑门输出,可以实时识别单个TC.
• 智能手机集成的工具箱展示了混合物中特定TC的有效实时识别.

结论:

• 拟议的战略在检测四环素抗生素方面取得了重大进展,超出了总量化的范围.
• 基于智能手机的多模式传感平台为实时识别个人TC提供了强大的工具.
• 这种方法有望改善对抗生素污染和滥用的监测和控制,为公共卫生工作做出贡献.