机器学习辅助的胺-Cu纳米酶和胆酶集成阵列用于多类农药的智能识别

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:

• 现有的胆酶抑制方法在扩大目标农药物种和智能识别方面面临挑战.
• 开发先进的传感器对于全面的农药残留分析至关重要.

研究的目的:

• 开发一种新的多活性Mel-Cu纳米酶,用于增强农药检测.
• 构建一个集成的传感器阵列,以进行卓越的农药区分和量化.
• 为了使多种农药的智能,度独立的识别和确定.

主要方法:

• 制备一个具有模仿Cu-N位点的多活性Mel-Cu纳米酶.
• 构建一个集成的传感器阵列,利用Mel-Cu纳米酶的乳酶类和过氧酶类活性,以及乙胆酶和丁胆酶.
• 开发基于机器学习的预测模型,用于定性和定量农药分析.

主要成果:

• 该Mel-Cu纳米酶表现出优异的乳酶类和过氧化酶类活性,对传统酶抑制范围之外的农药产生反应.
• 集成的传感器阵列成功地区分了12种农药在0.5-50μg/mL,优于传统方法.
• 机器学习模型在盲目样本分析中实现了度独立的定性识别和精确的定量确定,准确度高 (误差在10%以内).

结论:

• 开发的基于纳米酶的Mel-Cu传感器阵列为农药残留分析提供了强大而智能的手段.
• 该方法证明了对干扰和实际应用可行性的显著免疫力.
• 这种方法显著提高了检测更广泛范围的农药的能力,并且具有高精度.