来自反应银墨的SERS活性纳米纤维平台,可实现机器学习辅助的敏感氨基酸检测

科学领域:

• 分析化学 分析化学
• 材料科学 材料科学 材料科学
• 频谱学是一种光谱学.

背景情况:

• 表面增强拉曼光谱 (SERS) 提供敏感的分析物检测,但在基质制造和光谱解释方面面临挑战.
• 实用和可扩展的SERS基板对于在化学分析中广泛应用至关重要.

研究的目的:

• 开发一个可扩展和实用的机器学习辅助SERS平台,用于敏感分析物检测和分类.
• 用银纳米粒子装饰的纳米纤维 (AgNFs) 创建一个新的SERS基板.

主要方法:

• 通过将银色墨水集成到纳米纤维矩阵 (PVP/PEO) 中来制造SERS基材,用于引导纳米结构的形成.
• 使用表面增强拉曼光谱 (SERS) 来检测低度 (0.3μM) 的氨基酸.
• 应用机器学习 (ML) 算法,包括线性支向量机 (SVM),用于光谱数据分析和氨基酸分类.

主要成果:

• 通过AgNF SERS基质获得了2.9 × 10 7的高分析增强因子 (AEF).
• 证明了五种氨基酸的敏感检测,信号强度和度之间有很强的相关性 (R² > 0.9).
• 使用线性SVM算法,对氨基酸的分类准确度达到约98%.

结论:

• 开发的ML增强的SERS平台有效地用于简单,可扩展和可重复的检测和分类各种分析物.
• 基于AgNF的SERS基板为化学传感提供了超灵敏度和实际应用.
• 这种综合方法克服了SERS基底制造和光谱分析的局限性,为先进的分析工具铺平了道路.