机器学习辅助单分子传感,以实现对和多甲基碳酸盐的无标准量化
Jiaqi Zuo1,2, Hong-Shuang Li1, Wen Tang1
1Key Laboratory of Environmental Risk Assessment and Control on Chemical Process, Ministry of Ecology and Environment, School of Resources and Environmental Engineering, East China University of Science and Technology, Shanghai, PR China.
这项研究引入了一种使用机器学习的新型纳米孔传感器,用于无标准量化和多甲基碳酸盐 (PFCAs). 这一突破使得对这些持久污染物的环境监测更加精确.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 纳米技术纳米技术
背景情况:
- 和多甲基碳酸盐 (PFCAs) 是全球关注的广泛存在的环境污染物.
- 由于缺乏分析标准,难以准确量化PFCAs.
研究的目的:
- 为PFCAs开发一种无标准的数字量化方法.
- 以机器学习的帮助创建一个探针导向的基于纳米孔的单分子电化学传感器.
主要方法:
- 利用机器学习进行信号预测,没有标准.
- 建立了当前阻塞和PFCA分子体积之间的线性关系.
- 使用高分辨率的多特征分类来识别PFCA,包括异构体.
主要成果:
- 对广泛的PFCA及其异构体实现了100%的识别准确性.
- 在各种环境矩阵中证明了可靠的多重量化量化.
- 确立了三酸0.1nM的最先进的检测极限.
结论:
- 开发的传感器为PFCA量化提供了一种可靠的,无标准的方法.
- 探头-孔隙相互作用机制允许独立调整捕获速率和识别.
- 这种方法可以通过纳米孔工程扩展到所有PFCA,用于通用无标准分析.
更多相关视频
09:04Identifying Per- and Polyfluorinated Chemical Species with a Combined Targeted and Non-Targeted-Screening High-Resolution Mass Spectrometry Workflow
Published on: April 18, 2019
07:06Investigating Long-Distance Transport of Perfluoroalkyl Acids in Wheat via a Split-Root Exposure Technique
Published on: September 28, 2022
相关概念视频
MALDI-TOF Mass Spectrometry
Tandem Mass Spectrometry
Matrix-Assisted Laser Desorption Ionization (MALDI)
