微流体光学Aptasensor小分子基于分析调节成长的金纳米种子和机器学习增强的频谱分析:快速检测毒素

科学领域:

• 分析化学 分析化学
• 生物传感技术的技术
• 纳米技术纳米技术

背景情况:

• 农业食品系统中的天然毒素对公众健康和食品安全构成重大风险.
• 像LC-MS这样用于毒素检测的传统方法是昂贵的,耗时的和复杂的.
• 需要快速,灵敏和具有成本效益的方法来监测化学危险.

研究的目的:

• 开发一种新的微流体光学吸食传感器,用于快速检测小分子天然毒素.
• 利用分析器调整的金纳米种子生长和机器学习进行增强的频谱分析.
• 为农业食品安全监测提供小型化和自动化平台.

主要方法:

• 开发一个微流体平台,用于自动化光谱采集和液体处理.
• 发现和优化aptamer涂层的纳米粒子生长模式,以应对分析.
• 应用一个随机森林机器学习模型与特征工程用于频谱分析.

主要成果:

• 与传统方法 (∼72 ppb) 相比,实现了更广泛的检测范围 (10ppb到100ppm).
• 证明了高精度,总体平均绝对百分比误差为5.7%.
• 在食品样本中成功检测出主要的真菌毒素,使用开发的aptassensor.

结论:

• 新型微流体光学吸食传感器为快速准确检测小分子毒素提供了一个有希望的解决方案.
• 金纳米种子生长和机器学习的整合显著提高了分析性能.
• 这项技术可以改善农业食品系统和环境样本中化学危害的监测.