多维面增强的拉曼散射生物传感器集成卷积神经网络,用于准确的细菌识别

科学领域:

• 频谱学是一种光谱学.
• 生物感应是一种生物感应.
• 纳米材料是一种纳米材料.

背景情况:

• 表面增强拉曼光谱 (SERS) 提供敏感的细菌检测,但受到自发吸附的限制.
• 传统的无标签SERS从细菌表面捕获受限制的化学信息.
• 开发先进的SERS基质对于全面的细菌分析至关重要.

研究的目的:

• 为增强细菌检测开发一个多维SERS生物传感器.
• 通过捕捉各种物理化学相互作用来提高细菌识别的准确性.
• 为了探索基质表面修改用于调制选择性吸附.

主要方法:

• 用具有独特化学特性的分子修饰剂对基质表面进行修饰.
• 使用紫外线光谱,SEM,DLS和泽塔电位分析进行纳米材料的表征.
• 使用1D卷积神经网络 (1D-CNN) 构建一个大型SERS光谱数据库和分析.

主要成果:

• 成功开发了一种多维SERS生物传感器.
• 创建了一个数据库,包含7个维度的17种细菌菌株的119,000个SERS资料.
• 一个1D-CNN模型在使用127个维度组合的细菌识别中实现了99.29%的准确性.

结论:

• 多维SERS生物传感器通过利用丰富的生物化学多样性来提高细菌识别的准确性.
• 通过分子修饰剂调节选择性吸附,增加了物理化学相互作用.
• 维度优化是必要的,以解决SERS分析中的数据冗余和过拟合问题.