通过机器学习加强的PCB上的石墨烯FET生物芯片,用于在水中超敏感地并行检测多种抗生素

科学领域:

• 环境科学 环境科学
• 材料科学 材料科学 材料科学
• 分析化学 分析化学

背景情况:

• 环境水中的抗生素残留物有助于增加抗生素耐药性.
• 传统的抗生素检测方法昂贵而复杂.
• 纳米级场效应晶体管 (FET) 提供快速,灵敏的检测,但面临的挑战是设备的可变性.

研究的目的:

• 开发一种具有成本效益和高度敏感的方法,用于同时检测河水中的多种抗生素残留物.
• 为了克服FET传感器在设备之间的差异,以便可靠地监测抗生素.
• 为了实现抗生素的超低检测极限,如西普洛克萨,四环素和托布拉米.

主要方法:

• 在一个带有铜电极的印刷电路板上制造一个热减少氧化石墨烯 (TRGO) FET阵列.
• 利用传感器传输特征的多个特征.
• 使用在校准数据集上训练的机器学习模型 (XGBoost) 处理传感器数据.

主要成果:

• 同时检测到西普罗素 (Cfx),四环素 (Tet) 和托布拉米辛 (Tob) 在1个女性分子 (fM) 度下.
• 在20分钟内准确检测.
• 实现的检测极限分别比以前的多个和单个抗生素检测报告低3个和2个数量级.

结论:

• 开发的TRGO FET传感器阵列为检测水中的抗生素污染物提供了灵敏可靠的平台.
• 与机器学习的整合提高了准确性,克服了设备的变化.
• 这项技术可以帮助跟踪水源中的抗生素度,并确保安全的饮用水.