![Quantitative SERS Detection of Uric Acid via Formation of Precise Plasmonic Nanojunctions within Aggregates of Gold Nanoparticles and Cucurbit[n]uril](/_next/image?url=https%3A%2F%2Fcloudfront.jove.com%2FCDNSource%2Fteasers%2F61682.jpg&w=3840&q=50)
机器学习驱动的等离子体图案识别:采用蚀刻压制的金纳米棒,用于多重尿路分析甲基荷胺神经递质
Mahsa Daneshmandi1, Afsaneh Orouji1, Mohammad Reza Hormozi-Nezhad1
1Department of Chemistry, Sharif University of Technology, Tehran, 111559516, Iran. hormozi@sharif.edu.
Analytical methods : advancing methods and applications
|September 15, 2025
概括
这项研究介绍了一种新的,无毒的多色度测量探针,用于同时检测四个关键的甲基荷胺神经递质 (CNTs). 先进的探测器利用金纳米棒和机器学习来精确量化复杂的混合物,帮助诊断神经系统疾病.
科学领域:
- 分析化学 分析化学
- 纳米技术纳米技术
- 生物医学工程 生物医学工程
背景情况:
- 对于诊断神经系统疾病而言,同时监测诸如上腺素 (Epi),北上腺素 (NE),利沃多巴 (L-DOPA) 和多巴胺 (DA) 等甲基荷胺神经递质 (CNT) 是至关重要的.
- 现有的传感平台经常与多重复合能力和潜在的细胞毒性作斗争,限制了它们的临床适用性.
研究的目的:
- 开发一种敏感,无毒,非侵入性的单组件多色度探针,用于同时检测和区分低度的Epi,NE,L-DOPA和DA.
- 为了能够量化这些CNT的二元,三元和四元混合物.
- 用机器学习来验证探头的性能,以进行可靠的分析物识别和量化.
主要方法:
- 采用了一种基于通过N-bromosuccinimide (NBS) 控制抑制金纳米 (AuNR) 蚀刻的新型传感机制.
- 用机器学习算法分析了光谱反应:用于分类的线性差异分析 (LDA) 和用于度预测的部分最小平方回归 (PLSR).
- 探测器的性能被评估为线性,检测极限和在人类尿样中的应用.
主要成果:
- 该试验在Epi,NE,L-DOPA和DA的广泛度范围内显示出出色的线性.
- 实现了低检测极限:Epi的0.62μmol L−1,NE的0.47μmol L−1,L-DOPA的0.49μmol L−1和DA的0.92μmol L−1.
- 该平台成功地检测和量化了人类尿样中的CNT,证明了其实用性.
结论:
- 开发的单组件多色测量探头提供了一种敏感,无毒,无侵袭的方法,用于同时检测CNT.
- 机器学习的整合提高了分析物识别和量化准确度.
- 这一平台显示了临床诊断和临床神经化学分析的巨大潜力.
