基于光金属有机框架和光子晶体的机器学习辅助双放大视觉平台,可用于病原体监测的ATP检测

科学领域:

• 生物标志物发现发现
• 纳米技术 纳米技术
• 机器学习 机器学习

背景情况:

• 腺三酸盐 (ATP) 是诊断疾病和微生物污染的重要生物标志物.
• 目前的ATP检测方法往往依赖于不稳定的体或光酶,需要专门的设备,限制了方便性和可靠性.
• 需要无设备,可靠的ATP检测方法.

研究的目的:

• 开发一种机器学习辅助的双倍放大视觉平台,用于可视化和定量分析自由和微生物ATP.
• 克服现有的ATP检测方法的局限性,使无设备分析成为可能.
• 为食品安全监测和临床诊断提供敏感和可靠的工具.

主要方法:

• 一个基于光的平台的开发,使用金纳米集群 (AuNCs) 装载的焦化石像框架-8 (ZIF-8) 和光子晶体 (PCs).
• 利用双倍放大策略在ATP识别时增强光信号.
• 使用机器学习模型进行ATP和大肠杆菌水平的回归量化.
• 捕获光图像并分析数字颜色值用于可视化和量化.

主要成果:

• 该平台展示了增强的光和ATP的特定识别,导致信号变化.
• 实现了ATP和大肠杆菌的敏感可视化和量化,具有广泛的线性范围 (10^1-10^8 CFU mL^-1) 和低检测极限 (3.54 CFU mL^-1) 的大肠杆菌.
• 验证了平台的可行性和适用性,使用大肠杆菌尖复杂样本.
• 五个机器学习模型显示了ATP和大肠杆菌定量化的良好预测性能.

结论:

• 开发的ML辅助双增强视觉平台提供了一种可靠,方便,无设备的方法来检测自由和微生物ATP.
• 这种传感平台显示了促进食品安全监测和临床诊断的巨大潜力.
• 纳米技术,光和机器学习的整合为敏感生物标志物检测提供了一个强大的方法.