机器学习辅助液晶光学传感器阵列使用囊功能化银纳米三角形来检测食品和水中的病原体
Maryam Mousavizadegan1, Morteza Hosseini1, Mohammad Mohammadimasoudi2
1Nanobiosensors Lab, Department of Life Science Engineering, Faculty of New Sciences and Technologies, University of Tehran, Tehran 1439817435, Iran.
ACS applied materials & interfaces
|December 12, 2024
概括
一个新的基于液晶 (LC) 的光学传感器可以快速识别食物和水中的常见细菌. 这种具有成本效益的平台使用机器学习进行精确的细菌分化,为公共卫生提供简单的解决方案.
科学领域:
- 生物技术是生物技术.
- 纳米技术 纳米技术
- 分析化学 分析化学
背景情况:
- 快速识别食物和水中的细菌对公共卫生至关重要.
- 现有的方法可能耗时或需要专门的设备.
- 需要简单,经济高效,准确的细菌检测系统.
研究的目的:
- 开发基于液晶 (LC) 的单探头光学传感平台,用于区分常见的细菌菌株.
- 利用氨酸功能化银纳米三角形作为信号增强器,以改善检测.
- 应用图像分析和机器学习 (ML) 进行模式识别和准确识别.
主要方法:
- 一个液晶 (LC) 光学传感平台是使用囊功能银纳米三角形设计的.
- 在与细菌样本相互作用时,产生了独特的光学图案.
- 图像分析与机器学习算法相结合,特别是支持矢量机 (SVM),用于模式识别.
主要成果:
- 该平台成功区分了五种常见的细菌菌株 (大肠杆菌,大肠杆菌, Pseudomonas aeruginosa,金黄色葡萄球菌和S. typhimurium).
- 支持向量机在细菌分化中实现了98.89%的高精度.
- 传感器显示线性范围为10-10^6 CFU mL^-1,检测极限低于10 CFU mL^-1.
- 在现实世界样本中观察到高预测精度:水 (95.83%),果汁 (97.92%) 和牛奶 (89.58%).
结论:
- 开发的基于LC的光学传感平台为细菌识别提供了一种简单,经济高效和高度准确的方法.
- 银纳米三角形和机器学习的整合显著提高了检测能力.
- 这项技术对食品和水安全应用中细菌污染的常规监测具有前景.
