机器学习辅助的双通道CRISPR/Cas12a生物传感器在微滴中用于用于食品真实性测试的无放大核酸检测
Zhiying Zhao1, Roumeng Wang1, Xinqi Yang2
1State Key Laboratory of Food Nutrition and Safety, Key Laboratory of Industrial Microbiology, Ministry of Education, Tianjin Key Laboratory of Industry Microbiology, National and Local United Engineering Lab of Metabolic Control Fermentation Technology, China International Science and Technology Cooperation Base of Food Nutrition/Safety and Medicinal Chemistry, College of Biotechnology, Tianjin University of Science & Technology, Tianjin 300457, China.
ACS nano
|December 2, 2024
概括
我们开发了一种CRISPR/Cas12a数字单分子微滴生物传感器 (CC-drop),用于快速测试肉类物种的真实性. 这种由机器学习驱动的平台在80分钟内准确地检测加工食品中的动物DNA.
科学领域:
- 食品科学与技术 食品科学与技术
- 生物技术是生物技术.
- 分子诊断学 分子诊断学
背景情况:
- 确保肉类的真实性对于食品安全和监管合规性至关重要.
- 检测肉类真实性的传统方法通常与含有碎片DNA的加工食品相斗争.
- 需要快速,灵敏和准确的检测技术来进行食品真实性分析.
研究的目的:
- 开发一种新,快速和高度敏感的生物传感器,用于准确检测肉类物种真实性.
- 整合机器学习和微滴技术,以提高检测能力.
- 为了验证生物传感器在具有退化DNA的深加工肉制品上的性能.
主要方法:
- 开发基于CRISPR/Cas12a的光生物传感器,使用双通道微滴平台 (CC-drop).
- 实施智能手机应用程序与随机森林机器学习模型相结合,用于图像分析和量化.
- 采用超局部化的picoliter微滴反应器,用于无放大核酸检测.
主要成果:
- CC-drop生物传感器在80分钟内实现了样本到结果的时间.
- 在深加工肉制品中精确检测特定于猪肉 (ND1) 和特定于子 (IL-2) 的基因.
- 与实时聚合酶链反应 (PCR) 相比,证明了更高的稳定性和实用性.
结论:
- CC-drop生物传感器为肉种真实性测试提供了一个快速,准确和实用的解决方案.
- 这项技术显示出分析高度加工食品中降解的DNA的巨大潜力.
- 开发的平台适合未来在食品真实性和更广泛的核酸检测方面的应用.
