基于磁分离的QDs光免疫传感器与机器学习相结合,用于在植物油中检测青素B1
Linjun Huang1, Shixiang Zhang1, Xiaofang Wang1
1School of Food Science, Northeast Agricultural University, Harbin, 150030, China.
Food chemistry
|November 14, 2025
概括
一种新型的免疫光生物传感器可以快速和灵敏地检测植物油中的阿弗拉托辛B1 (AFB1). 这种通过机器学习增强的方法可确保准确的真菌毒素分析,以保护公共健康.
科学领域:
- 分析化学 分析化学
- 生物技术是生物技术.
- 食品安全 食品安全
背景情况:
- 甲毒素B1 (AFB1) 是植物油中普遍存在的真菌毒素,对公众健康构成重大风险.
- 目前的检测方法往往缺乏有效监测所需的速度和灵敏度.
研究的目的:
- 开发一种新的具有竞争力的免疫光生物传感器,用于快速和灵敏的AFB1检测.
- 评估生物传感器在现实世界样品中的性能和适用性,例如花生油.
主要方法:
- 合成和表征抗体结合纳米粒子和QDs-AFB1-BSA探针使用FT-IR光谱和泽塔电位测量.
- 为AFB1检测优化竞争性免疫光试验.
- 机器学习 (RF_FE方法) 的应用用于光谱数据分析.
主要成果:
- 开发的生物传感器实现了低检测极限 (0.0995 ngmL-1) 和广泛的线性范围 (0.01100 ngmL-1).
- 该试验表明,在加花生油样本中具有高选择性,可重复性和出色的回收率.
- 机器学习分析显示出高超的预测能力,低误差,将光谱数据与AFB1度相关联.
结论:
- 新型竞争性免疫光生物传感器是植物油中敏感和快速检测AFB1的有希望的工具.
- 机器学习的整合提高了分析方法的准确性和可靠性.
- 这种方法有助于改善食品安全和公共卫生监测菌根毒素污染.
