协作内部空洞效应和界面调制机制,以促进深度学习驱动的免疫染色学检测病原体

科学领域:

• 纳米技术用于生物传感应用.
• 开发先进的免疫测试平台.
• 人工智能在诊断中的应用.

背景情况:

• 目前的纳米启用免疫染色学测试 (ICAs) 在光物质相互作用,纳米材料流和免疫识别效率方面面临局限性.
• 需要超敏感和准确的诊断工具来检测病原体,如沙门氏菌Typhimurium.
• 现有的方法往往缺乏复杂样本矩阵所需的灵敏度和特异性.

研究的目的:

• 开发一种深度学习增强的免疫试验,用于超敏感检测沙门氏菌Typhimurium.
• 为了利用空心碳纳米圈 (h-CNSs) 和接口抗体方向调制的内部腔效应.
• 为了改善ICAs中的光物质相互作用,纳米材料流动动力学和免疫识别效率.

主要方法:

• 制造具有增强光吸收和光热转换效率的空心碳纳米圈 (h-CNSs).
• 用3,5-二碳二二伯酸对h-CNS进行界面修饰,用于定向抗体固定.
• 将修改后的纳米平台 (D-h-CNSs) 集成到免疫染色学试验 (ICA) 中,并使用卷积神经网络 (CNN) 进行分析.

主要成果:

• 与同类产品相比,h-CNS显示出更高的光吸收和光热转换效率.
• 通过酸盐亲和力进行定向抗体固定,显著增强了抗体结合亲和力 (83倍增加).
• 开发的纳米平台实现了500 CFU mL-1 (色度) 和100 CFU mL-1 (光热) 的视觉检测极限,超过了传统的ICAs.
• 深度学习的整合实现了沙门氏菌Typhimurium在增值牛奶和生菜样本检测的100%准确性.

结论:

• 使用D-h-CNS的深度学习增强免疫测试为超敏感和准确的病原体检测提供了一个强大的策略.
• 纳米材料设计 (h-CNS,抗体定向) 和智能数据分析 (CNN) 的协同组合显著放大了生物传感信号.
• 这种方法为开发下一代诊断工具提供了一种多功能范式,其性能和可靠性得到了提高.