主要组件分析辅助光甲酸探针用于区分和检测活生生的致病细菌

科学领域:

• 分析化学 分析化学
• 生物技术是生物技术.
• 机器学习 机器学习

背景情况:

• 准确和快速的细菌检测对于食品安全至关重要.
• 像PCR这样的现有方法可能耗时,可能无法有效地区分活细胞和死细胞.

研究的目的:

• 利用光探针和机器学习开发一种用于细菌歧视的简单分析平台.
• 评估平台识别特定细菌物种的能力,并区分活体与死体状态.

主要方法:

• 使用了酸功能化的光探针 (FITC-APBA和RBITC-APBA).
• 应用机器学习算法,包括主要组件分析 (PCA) 和K-means集群,用于数据分析.
• 在常见的食源性病原体上测试了平台,如 *Escherichia coli* O157:H7, *Salmonella*, *Shigella* 和 *Staphylococcus aureus*.

主要成果:

• 无论是FITC-APBA还是RBITC-APBA,都表现出了区分细菌物种的能力.
• 与RBITC-APBA相比,FITC-APBA在歧视方面表现优越.
• FITC-APBA平台成功地将活细菌与死亡状态区分开来,补充了PCR方法.

结论:

• 一个PCA辅助的光酸基分析平台为食品样本中的细菌分析提供了一种新快速的方法.
• 这种方法为细菌检测和分化提供了有价值的工具,包括可行性评估.