主动捕获导向的双金属纳米基质,通过结合链交换放大和波长选择性机器学习来增强SERS检测金黄色葡萄球菌

科学领域:

• * 生物医学工程 * 生物医学工程
• * 食品安全分析
• * 生物传感器技术

背景情况:

• *金黄色葡萄球菌 (S. aureus) 对食品安全和人类健康构成重大风险.
• * 准确和快速的检测方法对于控制黄金菌污染至关重要.
• *现有的检测方法可能缺乏所需的速度,特异性或灵敏度.

研究的目的:

• * 开发一种新的,快速的,高精度的生物传感器来检测金黄色细菌.
• *将链交换放大 (SEA) 与SERS和机器学习相结合,以提高检测.
• *以验证生物传感器在真实世界样本中的性能,如牛奶.

主要方法:

• *利用SEA用于S. aureus核基因 (nuc T) 的特定放大.
• * 开发了一种SERS纳米基质 (Au/Ag FL@AAO-4-ATP) 用于捕获核T'和信号增强.
• * 实施波长选择性机器学习工具 (ICPA-PLS) 用于定量分析和精确度改进.

主要成果:

• *开发的生物传感器在定量S. aureus检测方面表现出高的预测性能 (RMSEP=0.9626,RPD=3.56).
• *ICPA-PLS方法在真实牛奶样本中与定量PCR相比没有显著差异 (P=0.05).
• * 集成的SERS/SEA/机器学习平台提供了简单有效的检测方法.

结论:

• * 拟议的波长选择性机器学习驱动的自适应生物传感器为S. aureus检测提供了快速而准确的方法.
• * 这个集成平台显示了适应其他细菌物种检测的潜力.
• * 该技术在食品安全和生物医学研究中提供了有前途的应用.