机器学习辅助的SERS传感器用于自然产品中多重危险染料的快速和超灵敏分析
Chengqi Lin1, Cheng Zheng2, Bo Fan1
1Pharmaceutical Informatics Institute, College of Pharmaceutical Sciences, Zhejiang University, Hangzhou 310058, China.
Journal of hazardous materials
|November 23, 2024
概括
一个使用表面增强拉曼散射 (SERS) 的新型金纳米传感器可以检测天然产品中危险的色剂. 这种超敏感的方法实现了50mg/kg的检测极限和91%的准确性在识别非法食品色素.
科学领域:
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
- 食品安全 食品安全
背景情况:
- 将天然产品与色剂改,对公众健康构成风险.
- 现场检测方法对于识别微量污染物至关重要.
- 现有的方法可能缺乏快速查所需的灵敏度或速度.
研究的目的:
- 开发一种灵敏可靠的传感器,用于检测天然产品中的多种色剂.
- 建立一个现场检测方法,用于微量检测危险染料.
- 用机器学习模型和现实世界的样本来验证传感器的性能.
主要方法:
- 开发一种基于金纳诺基的表面增强拉曼散射 (SERS) 传感器.
- 优化样品预处理以实现高效的染料分离和识别.
- 使用密度函数理论 (DFT) 进行光谱验证.
- 训练K-近邻 (KNN) 分类模型,使用全面的SERS光谱数据集.
- 使用高性能液态染色学 (HPLC) 验证.
主要成果:
- 对于色染料,SERS传感器的检测极限为50mg/kg.
- 该KNN模型成功地在真实样本中识别了染料添加剂,准确率为91%.
- DFT的计算证实了SERS光谱峰值的准确性和可信性.
- 通过HPLC证实,九批石灰花中的三批含有非法染料添加剂.
结论:
- 开发的SERS传感器提供了一种超敏感且可靠的方法,用于现场检测危险染料.
- SERS和KNN的组合提供了一个强大的方法来识别天然产品中的染料改.
- 这项技术解决了对快速准确的食品安全查的关键需求.
