今天为大家介绍的是东北大学的陈帅和刘孟先团队于2023年5月在国际学术期刊Chemical Communications(Q2,IF:6.065)上发表的题为“A machine learning-based colorimetric sensor array for high-precision pathogen identification in household refrigerators”的短篇文章。该研究开发了一种基于多层神经网络的琼脂凝胶比色传感阵列传感器来识别家用冰箱中的病原体。
摘要
Science & Technology
家用冰箱是食源性病原体污染的重要组成部分,然而目前开发的识别病原体的基因型、免疫学和表型分析方法依赖于昂贵和复杂的仪器。传统的比色传感阵列(CSA)往往受到先验知识、干扰性挥发性有机化合物(VOC)及冷藏环境等限制。通过集成基于挥发性有机化合物指纹响应凝胶的比色传感器阵列和神经网络,构建了一种精确方便的传感器来识别家用冰箱(4°C,RH=55%)中的病原体。该平台有望扩展到智能食品包装领域,并有望用于病原体的需求点监测。
研究亮点
1. 应用神经网络分析由16个染色点组成的比色传感阵列的复杂颜色模式。
2. 经过训练的CSA-NN证实了其适用于家用冰箱中的病原体识别。
图文赏析
图1 基于琼脂凝胶的CSA与机器学习相结合,用于识别家用冰箱中的病原体。
图2 (a) 在不同琼脂与水比例下制备的琼脂凝胶的含水量变化。(b) 以不同琼脂与水的比例制备的琼脂凝胶的透射率。(c) 在冷藏环境中(4 ℃,RH=55%)纸基CSA和琼脂凝胶基CSA上染料斑点的照片和色差。
图3 (a) 来自顶部空间暴露于病原体VOCs的CSA模式。所有样品均取自无菌BHI肉汤。将肠出血性大肠杆菌、金黄色葡萄球菌、沙门氏菌和单乳杆菌在BHI肉汤中培养~3 log CFU mL-1的接种水平,并将所有病原体在37℃下孵育12小时。肠出血性大肠杆菌、金黄色葡萄球菌、沙门氏菌和单乳杆菌的CSA(b)PCA和(c)LDA评分图。
图4 (a) 数据库建设和神经网络训练。(b) 预测模型在测试集上的预测结果。(c) 测试集上预测模型的参数值。
图5 (a) 在家用冰箱环境(4 ℃,RH=55%)中接种金黄色葡萄球菌、单核葡萄球菌和CSA的蛋壳和相应的颜色图案图。(b) 蛋壳上金黄色葡萄球菌和单乳杆菌预测模型的预测结果。(c) 蛋壳实验数据集上预测模型的参数值。
总结
该研究构建了一个CSA-NN,用于在没有先验知识和复杂操作的情况下识别家用冰箱中的常见病原体。CSA由16个由琼脂凝胶支撑的染色点组成,具有良好的防潮性和抗冻性,有效地提高了其在冷藏环境中的实用性。此外,通过建立的数据库训练了一个具有背景校正能力的神经网络,并建立了准确的颜色模式病原体关联。最后,在复杂的冷藏环境中,CSA-NN实现了蛋壳上金黄色葡萄球菌和单核葡萄球菌的准确鉴定(83%的准确率)。CSA预计将扩展到其他需要病原体识别的领域,以有效预防和应对病原体引起的食品安全事件。
参考文献:
Y. Zhang, G. X. Qi, Y. L. Yu, M. X. Liu, and S. Chen, Chem. Commun., 2023,59, 7603-7606.
长按关注我们
微信号|FoodAI
原创文章,作者:ifyoung,如若转载,请注明出处:https://www.drugfoodai.com/cc-refrigerators.html