一个支持机器学习的SERS传感器:从食物传播的致病细菌中多重检测脂聚糖
Mahmoud Matar Abed1, Cassandra L Wouters1, Clarice E Froehlich2
1Department of Chemistry, University of Minnesota, Twin Cities, Minneapolis, Minnesota 55455, United States.
ACS applied materials & interfaces
|July 24, 2025
概括
这项研究介绍了一种新的表面增强拉曼散射 (SERS) 传感器,使用线性聚合物和机器学习来检测沙门氏菌和大肠杆菌等食物传播病原体的脂多糖 (LPS).
科学领域:
- 食品安全 食品安全
- 生物感应是一种生物感应.
- 微生物学 微生物学
背景情况:
- 食物传播的致病细菌每年在全球范围内造成数百万例疾病和死亡.
- 脂聚糖 (LPS) 是格拉姆阴性病原性细菌的关键生物标志物.
- 快速和经济有效的病原体检测对公共卫生至关重要.
研究的目的:
- 开发一种基于表面增强的拉曼散射 (SERS) 的传感平台,用于检测和区分脂聚糖 (LPS) 和致病细菌.
- 利用线性聚合物亲和剂和机器学习来增强细菌检测.
- 在复杂的食物矩阵中评估传感器的性能.
主要方法:
- 在等离子基板上固定线性聚合物亲和剂.
- 使用表面增强拉曼散射 (SERS) 检测LPS.
- 机器学习算法的应用 (PCA,SVM) 用于数据分析和细菌歧视.
主要成果:
- 成功地将LPS与*Salmonella typhimurium*,*Escherichia coli* O111:B4和*Escherichia coli* O26:B6.6进行了表征和区分.
- 使用SERS平台,证明了对LPS的敏感检测.
- 验证了传感器在果汁中检测LPS的能力,这是一个复杂的食物矩阵.
结论:
- 基于线性聚合物的SERS传感平台与机器学习相集成,可用于敏感病原体检测.
- 这种方法使得基于LPS生物标志物的细菌菌株能够快速准确地分化.
- 开发的传感器显示了对现实世界食品安全监测应用的巨大潜力.
