机器学习辅助的三次排放Ln-MOFs传感器阵列用于在水环境中检测多个PFC
Chenglin Su1, Xueling Yu1, Renguo Zhang1
1College of Chemistry, Chemical Engineering and Resource Utilization, Key Laboratory of Forest Plant Ecology, Northeast Forestry University, 26 Hexing Road, Harbin, 150040, China.
一个新的光传感平台可以快速识别环境中的持久性高化合物 (PFC). 这种使用机器学习的多信号方法为污染监测和风险管理提供了高精度.
科学领域:
- 环境化学环境化学
- 材料科学 材料科学 材料科学
- 分析化学 分析化学
背景情况:
- perfluorinated compounds (PFCs) 是一种持久性环境污染物,具有潜在的致癌性.
- 传统的单一排放探头在PFC识别方面难以对环境干扰产生灵敏度.
研究的目的:
- 开发一个强大的,多通道光传感平台,以快速准确地检测PFC.
- 克服传统探测器对环境变量敏感的局限性.
主要方法:
- 使用欧/双金属有机框架构建了一个三通道光传感平台.
- 对于协调的Eu3+/Tb3+离子,使用双联体 (2,3,5,6-四甲甲酸和1,10-)
- 利用层次聚类,线性差异分析和用于数据分析的机器学习.
主要成果:
- 在单波长激发下实现了三重特性发射 (Eu3+,Tb3+,连接体).
- 证明了六个PFC的宽线性检测范围 (0.1100μM),具有较低的检测极限 (42 nM).
- 准确识别PFC和混合物,使其能够独立于度的定性和定量确定.
结论:
- 开发的平台提供了对微量持久污染物的快速,高精度监测.
- 多信号协作和智能分析对于环境风险管理和减少污染具有重要意义.
- 盲目样本验证证实了该模型在实际应用中的可行性.
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
09:04Identifying Per- and Polyfluorinated Chemical Species with a Combined Targeted and Non-Targeted-Screening High-Resolution Mass Spectrometry Workflow
Published on: April 18, 2019
相关概念视频
Gas Chromatography: Types of Detectors-II
High-Performance Liquid Chromatography: Types of Detectors
