机器学习 - 增强光谱检测毒素
作者：by Fionna Samuels
苯并[B]氟烷烯是具有机器学习增强的SERS光谱的人类胎盘组织中鉴定出的几种PAH之一。
当生态灾难将毒素释放到环境中时，广泛的抽样和分析对于确保受影响的人们的健康和安全至关重要。表面增强的振动光谱（例如拉曼和红外光谱）为科学家提供了一种检测低浓度的有毒化合物而无需化学标记的方法。但是振动光谱可能很难分析。现在，研究人员已经证明，机器学习可以简化表面增强的拉曼散射光谱的分析，以便在人体组织中很容易检测毒素（Proc。纳特。学院。科学。美国。2025年，doi：10.1073/pnas.2422537122）。
表面增强的拉曼散射（SERS）是一种现象，其中分子的拉曼信号被基板的电子特性增强，该底物通常由金属纳米颗粒组成。SERS的肮脏小秘密是，每个人的底物为您提供了同一分子的外观略有不同的光谱。她说，因此各个小组必须开发自己的光谱数据库，这使得精简SES用于环境采样方面具有挑战性。
Halas没有为SERS设计新的表面，而是与她的莱斯大学同事Ankit Patel合作开发了机器学习计划，以简化使用先前设计的金纳米球基板生成的SERS数据。该算法确定了特定分子的峰特征，并提高了频谱的信噪比。
为了证明机器学习增强的SER可以与复杂的样本一起使用，Halas和她的同事使用该技术来识别自我胎盘组织中与各种不良健康结局相关的多环芳烃（PAHS）。 - 被识别的吸烟者和非吸烟者。使用算法增强光谱，通过传统的拉曼光谱数据库查找和表征PAH是一项简单的任务。
对于SER来说，最大的技术挑战是信号稳定性。bo tan多伦多大都会大学，他与新研究没有与之相关。她说，通常，科学家试图通过硬件改善SERS信号。这是她第一次看到机器学习来改善信号。她说，如果算法能够将所有不同传感器类型的光谱整合到一个数据库中，那么这可能非常有用。”
化学与工程新闻
ISSN 0009-2347
版权所有©2025美国化学学会
注册C＆EN必须阅读的每周新闻通讯
要向多个收件人发送电子邮件，请单独使用逗号，分号或两者发送电子邮件地址。
标题：机器学习增强的光谱检测毒素
作者：
化学与工程新闻不会与任何其他人或公司共享您的电子邮件地址。
文章：
本文已发送给以下收件人：
0 /1 本月留下的免费文章 其余的
化学很重要。加入我们，获取您需要的新闻。
选项1
创建一个免费帐户
每月阅读6篇文章
选项2
最佳价值
加入ACS
为了获得更多访问
关于《机器学习 - 增强光谱检测毒素》的评论
暂无评论