机器学习辅助的CRCA多色光滴滴成像用于高灵敏性同时检测梅拉德危险
Shikun Zhang1, Xianfeng Lin1, Zepeng Gu1
1State Key Laboratory of Food Science and Resources, School of Food Science and Technology, International Joint Laboratory on Food Safety, Jiangnan University, Wuxi 214122, China.
iScience
|September 2, 2025
概括
这项研究引入了一种新的检测食品危害的方法,如烯胺和先进的糖化最终产品. 新系统通过先进的放大和机器学习显著提高了检测灵敏度和速度.
科学领域:
- 食品化学
- 分析化学
- 生物技术
背景情况:
- 烯胺和先进的糖化终产物 (AGEs) 是在梅拉德反应中形成的常见食品危害物.
- 这些化合物的传统检测方法往往是低效的,需要复杂的仪器.
研究的目的:
- 开发一种高度灵敏和高效的方法来同时检测烯胺和AGE.
- 克服传统仪器检测方法对梅拉德反应产物的局限性
主要方法:
- 开发了一种红绿色双光检测系统.
- 使用Nt.BbvCI辅助的循环滚动圆放大 (CRCA) 技术进行信号放大.
- 为了提高灵敏度,CRCA被封装在乳液滴中.
- 机器学习算法用于快速分析光成像数据.
主要成果:
- 在乳液滴中使用CRCA将检测极限降低到每毫升 (pg/ mL) 的水平.
- 机器学习分析显著减少了图像处理时间,从每张图片的3分钟减少到每张图片的1.4秒.
- 总体检测极限进一步降至10 fg/ mL,显示出高灵敏度.
结论:
- 开发的双光和CRCA系统为检测食品中的梅拉德反应危险提供了高度敏感和高效的方法.
- 机器学习的整合提高了分析速度和准确性.
- 这种方法为快速同时监测食品安全指标提供了有希望的解决方案.
