基于化金纳米集群的机器学习支持的微流体比度光传感器阵列,用于视觉检测多组件抗生素
Zhaoshuai Shao1, Jian Zhang1, Zhu Jin1
1School of Chemistry and Chemical Engineering, Anhui University of Technology, Ma'anshan, Anhui, 243032, China.
Biosensors & bioelectronics
|October 16, 2025
概括
这项研究介绍了一种新型的传感器阵列,使用兰化金纳米集群和机器学习来检测高灵敏度的环境样本中的多种抗生素,如氧环素,利沃素和诺素.
科学领域:
- 环境化学环境化学
- 纳米技术 纳米技术
- 分析化学 分析化学
背景情况:
- 抗生素污染对环境和健康构成重大风险.
- 需要快速,灵敏和便携式方法来检测多组分抗生素.
研究的目的:
- 开发一个微流体比度光传感器阵列,用于同时检测多种抗生素.
- 整合机器学习以提高分类和量化.
主要方法:
- 使用兰化金纳米集群 (AuNC) 作为针对特定抗生素的探针.
- 使用毛细管驱动的微流体芯片用于视觉RGB指纹生成.
- 应用机器学习算法用于数据分析和分类.
主要成果:
- 实现了对氧化环素 (OTC),勒沃素 (LEVO) 和诺夫素 (NFX) 的超低检测极限.
- 对于单一,二进制和三进制抗生素混合物,证明了高分类准确性.
- 为每个向抗生素建立了线性检测范围.
结论:
- 开发的传感器阵列为多元组件抗生素监测提供了一个用户友好,便携和可扩展的解决方案.
- 微流体,光和机器学习的整合使得复杂的环境矩阵中的有效检测成为可能.
