机器学习辅助的多信号纳米酶传感器阵列用于抗氧化剂化合物的智能识别.
Jiahao Xu1, Yu Wang1, Ziyuan Li1
1Key Laboratory of Industrial Fermentation Microbiology, Ministry of Education, Tianjin Key Laboratory of Industrial Microbiology, College of Biotechnology, Tianjin University of Science and Technology, No.29 of 13th Street, TEDA, Tianjin 300457, PR China.
Food chemistry
|January 11, 2025
概括
一个新的纳米酶传感器阵列可以识别食物中的抗氧化类化合物 (AP). 这种双模式系统使用色度和光热检测与人工神经网络进行精确的饮料分析.
科学领域:
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
- 生物化学 生化学
背景情况:
- 抗氧化类化合物 (AP) 对健康益处至关重要,需要准确的食品分析.
- 目前用于AP识别的方法可能是复杂和耗时的.
- 开发快速可靠的AP检测技术至关重要.
研究的目的:
- 开发一种新的双功能纳米酶传感器,用于识别和量化抗氧化类化合物 (AP).
- 构建一个双模式色度和光热传感器阵列,用于对AP进行分辨分析.
- 整合人工神经网络 (ANN) 算法,用于在食品和饮料中精确识别AP.
主要方法:
- 制备一种具有双功能的Cu-1,3,5-二碳酸 (Cu-BTC) 纳米酶,具有类似于laccase和类似于peroxidase的活动.
- 构建使用色度变化和光热信号的双模式传感器阵列.
- 人工神经网络 (ANN) 算法的应用用于数据分析和AP预测.
- 开发一个智能手机辅助的便携式检测系统.
主要成果:
- Cu-BTC纳米酶有效催化了AP氧化,产生有色胺.
- 纳米酶的类似过氧化酶的活性被APs抑制,使双模式检测成为可能.
- 传感器阵列实现了对AP的区分分析.
- 通过使用ANN集成,精确识别和预测黑茶,咖啡和葡萄酒中的APs.
- 通过使用智能手机成功开发了AP的便携式检测方法.
结论:
- 双功能Cu-BTC纳米酶使得一个敏感和选择性的双模式传感器用于AP检测.
- 集成ANN算法提高了传感器阵列的准确性和预测能力.
- 开发的基于智能手机的系统提供了一个便携式和实用的解决方案,用于在现实世界食品样本中进行AP分析.


