使用表面增强的拉曼散射和机器学习算法识别5型固酶抑制剂 (PDE5is) 的类似物
Yujing Li1, Hongyuan He1, Yujing Luan2
1School of Criminal Investigation, People's Public Security University of China, Beijing 100038, China.
概括
这项研究引入了一种使用表面增强拉曼光谱 (SERS) 和机器学习的快速方法,用于识别固酶5型抑制剂 (PDE5is). 先进的多层感知子模型实现了99.65%的准确性,提高了公共卫生安全.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 计算化学计算化学
背景情况:
- 固酶5型抑制剂 (PDE5is) 的滥用越来越多,造成公共健康风险.
- 现有的PDE5的检测方法可能很慢或缺乏准确性.
- 确保健康产品的安全性需要可靠地识别造物质.
研究的目的:
- 开发一种快速而准确的方法来识别不同类型的PDE5.is.
- 将表面增强的拉曼光谱 (SERS) 与机器学习相结合,以提高检测能力.
- 为监管机构提供一种工具,以监测消费品中PDE5i的滥用.
主要方法:
- 从79个PDE5中收集了948个SERS光谱,使用金纳米粒子 (AuNPs).
- 应用主要组件分析 (PCA) 用于缩小维度.
- 利用并比较了六种机器学习模型:PLS-DA,OPLS-DA,SVM,KNN,RF和MLP进行分类.
主要成果:
- 多层感知器 (MLP) 模型表现出卓越的性能,分类准确率为99.65%.
- 只有1.82%的样本被错误地分为西西尔德纳菲尔和西尔德纳菲尔类似物.
- 在PDE5i识别方面,SERS-ML方法显著超过了传统的机器学习模型.
结论:
- 开发的SERS与机器学习相结合,为PDE5i检测提供了快速,经济高效和准确的方法.
- 这种技术适用于在健康食品中识别PDE5is,有助于监管监督.
- 这些发现有助于改善公共卫生安全,使假冒或滥用物质能够得到更好的控制.
更多相关视频
08:13A Filter-based Surface Enhanced Raman Spectroscopic Assay for Rapid Detection of Chemical Contaminants
Published on: February 19, 2016
9.3K
07:37An Integrated Raman Spectroscopy and Mass Spectrometry Platform to Study Single-Cell Drug Uptake, Metabolism, and Effects
Published on: January 9, 2020
9.4K
