机器学习辅助的纳米酶传感器阵列用于准确识别和区分健康茶中的黄类化合物
Zemin Ren1, Qingxu Deng1, Yu Wang1
1Tianjin 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
|May 8, 2025
概括
这项研究引入了一种新的纳米酶传感器阵列,用于识别草药中的多种黄类. 该方法使用反应动力学和机器学习来准确检测像茶这样复杂的样品.
科学领域:
- 分析化学 分析化学
- 生物化学 生物化学
- 材料科学 材料科学 材料科学
背景情况:
- 为了了解草药的生物活性和药理学,类素的鉴定至关重要.
- 同时检测多种类型的黄素是一个重大的分析挑战.
- 现有的方法可能缺乏复杂的草本基质的灵敏度或特异性.
研究的目的:
- 开发一种创新的纳米酶传感器阵列,用于同时识别多种类黄.
- 为了利用反应动力学和机器学习来增强黄类物质的检测.
- 为了证明传感器阵列在分析复杂的草本样本中的适用性.
主要方法:
- 一种酸-Cu (CA-Cu) 纳米酶的合成,该纳米酶表现出双重过氧化酶类 (POD) 和乳酶类 (LAC) 活性.
- 一个纳米酶传感器阵列的构建,基于随着时间的推移,黄素对CA-Cu活动的差异性抑制作用.
- 整合机器学习算法用于数据分析和黄类物质识别.
主要成果:
- 这种CA-Cu纳米酶成功地模仿了POD和LAC活动.
- 一个基于反应动力学的传感器阵列使得识别了五种不同的黄类药物成为可能.
- 机器学习的整合导致了在多种草本样本中精确识别和预测黄类药物.
- 传感器阵列有效地区分和识别了健康茶样中的黄类.
结论:
- 开发的CA-Cu纳米酶传感器阵列为黄类分析提供了一种简化方法.
- 这种方法证明了在复杂的生物和食品样本中区分和检测黄胺的高可行性.
- 纳米酶,动力学和机器学习的整合为先进的化学传感提供了一个强大的平台.
相关概念视频
01:17Microbial Biosensors
Microbial biosensors are analytical devices that utilize living microbes to detect specific substances through measurable signals. These devices consist of two main components: biosensing organisms and signal-transducing elements. Biosensing organisms, such as Escherichia coli or Saccharomyces cerevisiae, are typically housed in multiwell plates connected to transducers, enabling rapid, real-time detection of target analytes.Signal Generation MechanismWhen a target analyte—such as...
01:24Automated Microbial Diagnostics
Automated diagnostic analyzers have transformed clinical microbiology by providing rapid and reliable methods for pathogen identification and antibiotic susceptibility testing. Among these systems, the Vitek 2 is widely used because it automates the traditionally labor-intensive processes of microbial identification (ID) and antibiotic susceptibility testing (AST), delivering standardized and timely results that are essential for effective patient care.Microbial Identification with ID CardsThe...