机器学习辅助生物质衍生碳点作为光传感器阵列,用于歧视华法林及其代谢物

科学领域:

• 生物材料科学 生物材料科学
• 分析化学 分析化学
• 纳米技术 纳米技术

背景情况:

• 华法林 (WAR) 是一种关键的口服抗凝剂,但其与结构类似物和代谢物的准确区分是具有挑战性的.
• 现有的WAR检测方法在速度和精度方面存在局限性,特别是在复杂的生物矩阵中.

研究的目的:

• 利用新型纳米材料开发一种快速而精确的方法来区分华法林及其代谢物.
• 创建基于植物衍生的N-化碳点 (NCD) 的传感器阵列,与机器学习集成,以提高分析性能.

主要方法:

• 使用微波辅助方法从草药来源的三种不同的N-doped碳点 (NCD) 的绿色合成.
• 使用合成的NCDs的光特性制造一个传感器阵列.
• 机器学习模型的应用,用于数据分析和华法林及其代谢物的区分.

主要成果:

• 合成的NCD显示出显著的蓝色光和感知能力.
• 基于NCD的传感器阵列与机器学习相结合,在区分华法林与其代谢物方面表现出高准确性和稳定性,即使存在干扰物质.
• 光感应机制被阐明,为检测过程提供了洞察力.

结论:

• 来自草药的N-化碳点为开发敏感的光传感器提供了一个有前途的平台.
• 将NCD传感器阵列与机器学习集成为制药分析和华法林质量控制提供了有效和可行的方法.
• 这种方法强调了生物质衍生纳米材料在先进分析应用中的潜力.