表面增强的拉曼散射成像辅助机器学习分析:揭示农药分子在作物组织中的透
Xiaotong Wang1, Xiaomeng Sun1, Zhehan Liu2
1State Key Laboratory of Frigid Zone Cardiovascular Diseases (SKLFZCD), Research Center for Innovative Technology of Pharmaceutical Analysis, College of Pharmacy, Harbin Medical University, Heilongjiang, 150081, P. R. China.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|June 26, 2024
概括
人工智能和先进的表面增强拉曼散射 (SERS) 图像显示了农药在食品中的透动态. 这项研究揭示了农药相互作用和令人惊的透性,增强了食品安全分析.
科学领域:
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
- 材料科学 材料科学 材料科学
背景情况:
- 表面增强拉曼散射 (SERS) 成像在空间分辨率,偏差和定量准确性方面面临挑战.
- 为增强拉曼信号强度开发强大的基板对于SERS应用至关重要.
研究的目的:
- 为了解决SERS成像使用人工智能进行农药分析的局限性.
- 通过使用新型SERS基质,研究农药在水果和蔬菜中的透动态.
主要方法:
- 利用人工智能分析农药的3D和动态SERS成像数据.
- 采用矿/银纳米颗粒复合材料 (CaTiO3/Ag@BONPs) 作为SERS基材.
- 研究了pyrifos, thiabendazole, thiram 和 acetamiprid 的透动态.
主要成果:
- 在农药入侵期间发现了一种新的削弱过程.
- 揭示了非系统性农药的意想不到的透性.
- 鉴定出结合农药的应用可以加剧由于相互作用的入侵能力.
结论:
- 这项研究为了解农药透率和食品安全提供了范式的转变.
- 该策略支持先进的SERS成像应用程序,并为研究人员提供宝贵的见解.
