用等离子处理的双金属纳米纤维作为敏感的SERS平台和深度学习模型来检测和分类抗生素

科学领域:

• 材料科学 材料科学 材料科学
• 分析化学 分析化学
• 纳米技术 纳米技术

背景情况:

• 微量分析物的敏感检测对于环境监测和安全至关重要.
• 现有的表面增强拉曼光谱 (SERS) 平台在现场应用中经常面临灵敏度,可重复性和成本效益方面的限制.
• 开发先进的SERS基板对于在微量度下探测分析物是必不可少的.

研究的目的:

• 使用氧气等离子体处理的双金属纳米纤维制造和表征一种高度敏感和可重复的SERS基材.
• 研究双金属纳米颗粒和等离子体治疗对SERS性能的协同增强效应.
• 用深度学习模型展示开发的SERS平台用于检测抗生素和分类分析物的实际适用性.

主要方法:

• 制造双金属纳米纤维.
• 纳米纤维的氧气 (O2) 血处理.
• 使用探针分子 (BPE,R6G) 的拉曼光谱法对SERS基质的表征.
• 检测极限 (LOD,LOQ) 和增强因子 (EF) 的量化.
• 用于使用人工神经网络 (ANN) 检测抗生素 (富可纳,林氏素) 和分析的应用.

主要成果:

• 经过等离子体处理的双金属纳米纤维表现出高灵敏度和可重复性作为SERS平台.
• 双金属纳米颗粒的协同效应提供了电磁和化学增强,提高了SERS的性能.
• 对于探头分子,SERS平台实现了3.8nM的低检测极限 (LOD) 和11.6nM的量化极限 (LOQ).
• 记录了大约10^8的增强系数 (EF),信号变化最小 (5%).
• 通过ANN模型成功检测了抗生素 (可纳,林氏素) 和混合分析物的分类.

结论:

• 氧气等离子体处理的双金属纳米纤维是一种有希望的,具有成本效益的,高度敏感的SERS基材.
• 协同增强机制和受控的纳米粒子暴露有助于显著提高SERS的性能.
• 开发的SERS平台与深度学习相结合,为复杂样品的微量分析物检测提供了强大的解决方案,包括农业应用.