超敏感和光催化SERS平台用于机器学习辅助多重抗生素检测,使用NiFe2O4微和光降解Ag纳米粒子
Kalingarayanpalayam Matheswaran Arun Kumar1, Tzyy-Jiann Wang2, Allen Joseph Anthuvan3
1Department of Electro-Optical Engineering, National Taipei University of Technology, Taipei 10608, Taiwan; Institute of Materials and Mineral Resources Engineering, National Taipei University of Technology, Taipei 10608, Taiwan.
The Science of the total environment
|August 7, 2025
概括
一个新的Ag/NiFe2O4微复合体SERS平台能够检测多种抗生素,具有高灵敏度和机器学习准确度. 这项技术为环境和食品安全监测抗生素残留物提供了一个有前途的战略.
科学领域:
- 材料科学 材料科学 材料科学
- 分析化学 分析化学
- 环境科学 环境科学
背景情况:
- 抗生素在环境中的分散和积累构成生态风险,并驱动抗生素耐药性,影响人类健康.
- 有效的检测方法对于监测环境和食品样本中的抗生素污染至关重要.
研究的目的:
- 开发一个高度敏感和光催化表面增强拉曼光谱 (SERS) 平台用于多重抗生素检测.
- 利用机器学习来准确区分多种抗生素化合物.
主要方法:
- 构建一个新的Ag/NiFe2O4微复合材料SERS平台,采用NiFe2O4微和光降解的银纳米粒子.
- 材料属性的表征,包括氧气空隙和带隙,用于增强光诱导的电荷转移.
- 机器学习算法的应用 (决策树,SVM,AdaBoost,KNN,随机森林) 用于抗生素歧视.
主要成果:
- Ag/NiFe2O4微复合材料SERS平台实现了超低的检测极限 (3.18 × 10−12 M) 和高的增强系数 (2.08 × 1010).
- 该平台展示了卓越的统一性,可重复性和存储稳定性.
- 机器学习算法在区分尼托福兰,尼托福拉和 furazolidone 中实现了 99.42% 的最佳准确性.
结论:
- 开发的SERS平台提供了超高的灵敏度,归因于协同作用的电磁和电荷转移机制.
- 验证了光催化降解机制,表明了污染物修复的潜力.
- 这种SERS传感平台为复杂样品中多种抗生素的微量检测提供了一个有希望和有效的战略.
更多相关视频
11:09Multiplex Detection of Bacteria in Complex Clinical and Environmental Samples using Oligonucleotide-coupled Fluorescent Microspheres
Published on: October 23, 2011
16.4K
09:04Foodborne Pathogen Screening Using Magneto-fluorescent Nanosensor: Rapid Detection of E. Coli O157:H7
Published on: September 17, 2017
7.8K