通过监督学习将光谱和绘图数据集成为稳定和快速检测亚毒素B1的新型表面增强的拉曼散射策略
Huiqi He1, Jingjing Wang1, Waqas Ahmad1
1College of Ocean Food and Biological Engineering, Jimei University, Xiamen 361021, PR China.
Journal of hazardous materials
|August 24, 2025
概括
这项研究引入了使用3D黄金纳米树和数据融合的新型表面增强拉曼散射 (SERS) 方法,以可靠地检测亚毒素B1 (AFB1). 综合方法显著提高了食品矩阵的检测稳定性和准确性.
科学领域:
- 分析化学
- 光谱学
- 材料科学
背景情况:
- 表面增强的拉曼散射 (SERS) 对亚毒素B1 (AFB1) 的检测具有前景.
- 目前的SERS方法面临着热点统一性和信号不稳定的挑战.
- 可靠的AFB1监测对于食品安全至关重要.
研究的目的:
- 开发一个稳定而准确的SERS方法来量化AFB1.
- 克服单点测量和不一致的基板的局限性.
- 整合多维数据以提高分析性能.
主要方法:
- 通过电沉积制造3D金纳米树SERS基板.
- 一维光谱数据和二维SERS映射的组合.
- 应用变量组合群体分析 - - 循序渐进地保留信息变量 - - 部分最小平方 (VCPA-IRIV-PLS) 进行数据融合.
主要成果:
- 实现了0.9641的高预测相关系数.
- 与非聚变方法相比,相对预测偏差提高了14. 5%,恢复的相对标准偏差减少了6. 28%.
- 在小麦中,AFB1的低检测极限为10 pg/mL和高回收率 (98.70-104.10%).
结论:
- 综合映射-SERS方法为AFB1检测提供了更高的稳定性和准确性.
- 这种方法在复杂的食品样本中显示出快速可靠的AFB1量化潜力.
- 使用3D黄金纳米树和数据融合在基于SERS的食品安全分析中取得了重大进展.
更多相关视频
06:19Author Spotlight: Advancing SERS Technology: Au@Carbon Dot Nanoprobes for Label-Free Analysis and Imaging
Published on: June 9, 2023
1.6K
07:54Surface-enhanced Resonance Raman Scattering Nanoprobe Ratiometry for Detecting Microscopic Ovarian Cancer via Folate Receptor Targeting
Published on: March 25, 2019
8.3K
