使用WS2/Au@Ag纳米复合物和2D-CNN回归模型,基于SERS测定血清中的triaxone,ampicillin和vancomycin
Ying Cao1, Yuxin Yang1, Wendong Zhao1
1Key Laboratory of Optical Technology and Instrument for Medicine, Ministry of Education, College of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093 China.
Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
|February 10, 2025
概括
一种新方法使用先进的光谱学和人工智能快速检测新生儿的抗生素水平,改善败血症的治疗. 这种方法通过确保准确的药物监测,有助于个性化患者护理.
科学领域:
- 纳米技术 纳米技术
- 分析化学 分析化学
- 计算生物学 计算生物学
背景情况:
- 新生儿败血症是一种严重的疾病,需要精确的抗生素治疗.
- 治疗药物监测 (TDM) 对于优化新生儿抗生素有效性和安全性至关重要.
- 目前的TDM方法可能耗时,延迟关键的治疗调整.
研究的目的:
- 开发一种快速且高度敏感的方法,用于检测新生儿败血症治疗中的多种抗生素.
- 将表面增强的拉曼光谱 (SERS) 与深度学习相结合,以准确预测药物度.
- 为了使新生儿的治疗药物监测更快,更个性化.
主要方法:
- 制造二硫化物/黄金和银芯外 (WS2/Au@Ag) 纳米复合材料用于SERS.
- 开发一种高度敏感的SERS试验,用于检测,安培和万科米.
- 实施一个二维卷积神经网络 (2D-CNN) 回归模型,用于血清中抗生素混合物的定量分析.
主要成果:
- 通过WS2/Au@Ag SERS方法证明了具有广泛检测范围 (0.51000μg/ml) 的高灵敏度.
- 2D-CNN模型准确地预测了 ceftriaxone 和 ampicillin 的同时度,达到分别为 0.9993 和 0.9997 的 R 平方值.
- 综合方法对分析复杂的生物样本 (如血清) 显示出前途.
结论:
- SERS和2D-CNN的组合提供了一个强大的工具,用于快速治疗药物监测抗生素.
- 这种创新方法促进了新生儿败血症的及时和个性化治疗策略.
- 开发的方法有可能显著改善新生儿重症监护病房患者的治疗结果.
