多重区分和超灵敏的农药的确定使用一个Cu-O-Mo纳米酶三通道阵列驱动机器学习驱动的农药
Lijia Shang1, Shuhong Zhou1, Xinran Zhang1
1State Key Laboratory of Supramolecular Structure and Materials, College of Chemistry, Jilin University, Changchun, 130012, PR China.
Biosensors & bioelectronics
|January 14, 2026
概括
这项研究引入了一种可解释的纳米酶传感器,用于使用机器学习检测农药混合物. 这种新的平台实现了超灵敏的检测和追踪农药代谢,为农业监测提供了现场部署的解决方案.
科学领域:
- 材料科学 材料科学 材料科学
- 分析化学 分析化学
- 生物技术是生物技术.
背景情况:
- 具有机器学习 (ML) 的纳米酶传感器缺乏可解释性.
- 开发可解释的分析工具对于理解分子机制至关重要.
研究的目的:
- 为了创建一个可解释的基于纳米酶的传感器来检测农药.
- 整合表面增强拉曼散射 (SERS) 与纳米酶活动进行增强分析.
- 为了将三通道测定与ML配对,以准确区分农药.
主要方法:
- 用Cu-O-Mo图案制造一个聚氧甲功能化的MOF.
- 开发一种三通道测定方法 (POD-SERS,POD-UV,PPO-UV).
- 应用ML算法 (PCA,LDA,混矩阵,ROC-AUC) 来进行数据分析.
- 使用EXAFS,XANES,竞争性结合试验和IC50测定的机制研究.
主要成果:
- 精确区分七种不同的农药及其混合物.
- 在0.1μg/mL时超敏感检测皮里米卡布.
- 在果皮上成功跟踪农药残留代谢10天.
- 通过Mo中心的POD抑制的解和通过Cu位点的PPO无活化.
结论:
- 开发的平台为多重杀虫剂查提供了一个可在现场部署和解释的框架.
- 这种方法提高了对基于纳米酶的传感器机制的理解.
- 该研究为农业和环境监测提供了一个强大的工具.
