机器学习辅助的传感平台,用于同时和视觉检测四环素化物和ofloxacin
Meng Zhang1, Yiming Kong1, Haochen Wang1
1College of Chemistry and Pharmacy, Northwest A&F University, Yangling, Shaanxi, 712100, PR China.
Biosensors & bioelectronics
|October 29, 2025
概括
一个新的机器学习辅助视觉传感器平台能够快速,便携式检测抗生素,如四环素化物和ofloxacin. 这种具有成本效益的系统提供了一种简单的,可视化的方法来监测各种水和食品样本中的抗生素污染.
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:
- 过度使用抗生素导致环境污染,影响生态系统和人类健康.
- 目前基于实验室的检测方法不适合便携式,日常使用.
- 需要可访问的,现场的抗生素监测工具.
研究的目的:
- 开发一种机器学习辅助的视觉传感平台,用于双重检测四环素化物 (Tet) 和牛素 (Ofl).
- 创建一个便携式,具有成本效益和可视化解释的抗生素检测传感器.
- 在复杂的现实世界样本中验证传感器的性能.
主要方法:
- 在纳米-UiO-67.7上固定光染料 (罗达胺B和光素).
- 与藻酸盐 (SA) 集成,形成基于光的传感器.
- 基于Python的智能系统 (RGB-ExponentialFit Analyzer - RGB-EFA) 的开发,用于图像特征的机器学习分析.
主要成果:
- 传感器在0-600μM的度范围内视觉定量了Tet和Ofl.
- 在诸如湖水,自来水和牛奶等复杂矩阵中实现了高回收率 (99.38-105.72%).
- 该RGB-EFA系统使得目标抗生素的快速识别和度确定成为可能.
结论:
- 开发的平台为抗生素检测提供了一个新的范式,将基于MOF的光传感与ML算法结合起来.
- 这种方法为抗生素监测提供了一种快速,经济有效,简单,便携且可视化解释的方法.
- 用ML增强的生物传感器在解决抗生素污染和推进需求点诊断方面具有变革性的潜力.
