机器学习智能地选择特征值来构建基于三功能Mn-doped共价有机聚合物纳米酶的传感器阵列,用于识别黄化合物

科学领域:

• 生物模拟化学 生物模拟化学
• 纳米材料科学 科学 纳米材料科学
• 分析化学 分析化学

背景情况:

• 纳米酶比天然酶具有优势,包括稳定性和成本效益.
• 开发选择性和敏感的方法来分析像黄类生物活性化合物至关重要.
• 聚合有机聚合物 (COP) 为设计功能纳米材料提供了一个多功能平台.

研究的目的:

• 合成一种新的三功能纳米酶,该纳米酶基于辅助的共价有机聚合物 (Mn-COP).
• 开发一种利用Mn-COP的传感器阵列,用于精确识别和量化黄类.
• 采用机器学习来优化特征选择和提高分析性能.

主要方法:

• 一种三功能Mn-COP纳米酶的合成,该纳米酶表现出过氧化酶,氧化酶和乳酶类活性.
• 一个纳米酶传感器阵列的制造,包含Mn-COP用于检测黄类.
• 应用随机森林 (RF) 算法来分析传感器信号并识别黄素.
• 优化反应时间和特征值选择,以提高准确性.

主要成果:

• Mn-COP纳米酶表现出显著的类似酶的活动,这些活动被黄类药物以时间依赖的方式抑制.
• 传感器阵列利用了三种不同的化学反应,实现了对黄类素识别的更高准确性.
• 射频算法能够准确地识别和预测7种不同的黄在10-500μM的度范围内.
• 开发的方法成功分析了各种传统中医药中的黄类药物.

结论:

• 新的Mn-COP纳米酶为开发先进生物传感器提供了一个有前途的平台.
• 集成的射频算法提供了一个智能方法,功能选择,提高传感器性能.
• 这项工作介绍了一种复杂的纳米酶传感器阵列,用于可靠地检测黄类药物,在质量控制和制药分析中具有潜在的应用.