一个机器学习辅助的液晶滴滴阵列平台,用于敏感和选择性地检测水中的Per-和多基物质 (PFAS)
Fengrui Wang1, Shiyi Qin2, Zhao Yang3
1Department of Chemistry, University of Wisconsin-Madison, 1101 University Avenue, Madison, Wisconsin 53706, United States.
ACS sensors
|September 25, 2025
概括
使用液晶滴滴的新机器学习平台可以在超低度下检测水中的和多基物质 (PFAS). 这项技术提供了对有害PFAS的敏感和选择性识别,即使在复杂的环境样本中也是如此.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
背景情况:
- 和多基基物质 (PFAS) 是持久的环境污染物.
- 精确检测低度的PFAS对于水质监测至关重要.
- 现有的PFAS检测方法可能是复杂和昂贵的.
研究的目的:
- 开发一种机器学习辅助的液晶滴滴阵列平台,用于敏感的PFAS检测.
- 展示平台在环境相关度下检测特定PFAS化合物 (PFOA,PFOS) 的能力.
- 探索实际环境监测和PFAS混合物的差异化潜力.
主要方法:
- 利用自动编码器网络处理微尺度液晶滴滴阵列的图像.
- 应用机器学习来分析PFAS识别的自动编码器生成的潜空间.
- 员工转移学习以区分PFOA,PFOS及其混合物.
主要成果:
- 实现了对 perfluorooctanoic 酸 (PFOA) 和 perfluorooctanesulfonic 酸 (PFOS) 的敏感和选择性检测,以每万亿分之一 (ppt) 的水平.
- 在各种水矩阵中成功检测到PFAS,包括超纯,自来水和模拟的河水.
- 经过准确的PFAS识别,低于美国EPA的最大污染物水平,即使存在干扰物质.
结论:
- 辅助ML的LC液滴阵列平台提供了一种敏感和选择性的方法来检测水中的PFAS.
- 该平台对PFAS的自动化,高吞吐量和低成本的环境监测充满希望.
- 这种方法可以扩展到检测现实世界水样中的其他两污染物.
