相关实验视频
Updated: Jan 18, 2026
11:59
Competitive Genomic Screens of Barcoded Yeast Libraries
Published on: August 11, 2011
18.7K
通过机器学习启用数组选多层进化组合图书馆来打击假冒药物
Huihai Li1, Hao Chen2, Weiwei Ni1
1State Key Laboratory of Natural Medicines, National R&D Center for Chinese Herbal Medicine Processing, Jiangsu Key Laboratory of Drug Design and Optimization, College of Engineering, China Pharmaceutical University, Nanjing 211109, China.
ACS applied materials & interfaces
|September 12, 2025
概括
一种新的机器学习策略快速识别出最佳的传感器阵列,用于检测假冒的非类固醇抗炎药物 (NSAIDs). 这种方法在几分钟内确保100%的准确性来区分真实的NSAID和假的NSAID.
科学领域:
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
- 计算化学计算化学
背景情况:
- 假冒药物对全球健康构成重大风险,影响患者的发病率和死亡率.
- 传感器阵列为分辨药物分子提供了潜力,但在快速生成图书馆方面面临着挑战.
- 开发有效的方法来确定最佳的传感器组合对于药物的真实性验证至关重要.
研究的目的:
- 开发一种以机器学习为指导的战略,快速生成最佳传感器阵列.
- 识别一组最小的传感元件,用于检测假冒的非类固醇抗炎药物 (NSAIDs).
- 建立在药物真实性验证中广泛应用的基础.
主要方法:
- 采用了由机器学习指导的三层选策略.
- 一个由100个候选传感元件组成的组合设计的库被合成和选.
- 一个修剪的5元素阵列被构建并验证了NSAID歧视.
主要成果:
- 5元素阵列在区分9种NSAID及其类型时达到100%的准确性.
- 成功证明了两个关键的NSAIDs的定量和多重差异化.
- 该阵列在5分钟内准确地从两个假冒版本中识别出了五种商用非处方 (OTC) NSAID,准确度为100%.
结论:
- 这种以机器学习为指导的策略能够快速构建最佳的组合传感库.
- 开发的传感器阵列为伪造的NSAID检测提供了一个高度准确和高效的方法.
- 这种方法为多功能药物真实性验证系统奠定了基础.
