深度学习辅助逻辑门用于天然四环素类抗生素的实时识别
2024年5月14日，四川农业大学理学院（第一作者：Ping Tan，通讯作者：Jian Wang, Hanbing Rao, Chun Wu）在期刊《Food Chemistry》（JCR一区，IF2023=8.5）上发表了题为“Deep learning assisted logic gates for real-time identification of natural tetracycline antibiotics”（深度学习辅助逻辑门用于天然四环素类抗生素的实时识别）”的研究论文。
摘要
研究针对四环素（TCs）类抗生素如四环素（TTC）、土霉素（OTC）、多西环素（DC）和氯四环素（CTC）的过度使用和滥用对人类健康构成的严重威胁，提出了一种创新的解决方案。通过结合深度学习算法与基于荧光和比色法的多模式逻辑门技术，开发了一种智能手机集成的工具箱，实现了对天然四环素类抗生素的实时识别。该方法不仅克服了现有快速检测平台仅能测定TCs混合物总量的局限，还能实时区分各组分，为抗生素监管和食品安全提供了有力工具。
引言
四环素类抗生素作为一类重要的广谱抗菌药物，在临床治疗和畜牧业中广泛应用。然而，其不合理的使用导致残留问题日益严重，不仅影响食品安全，还可能通过食物链累积对人体健康造成潜在危害。因此，开发一种能够高效、准确地识别并区分不同四环素类抗生素的方法显得尤为重要。研究基于这一背景，旨在通过技术创新，提升四环素类抗生素的检测效率和准确性。
研究内容
研究首先设计并合成了一种比率荧光探针（CD-Au NCs@ZIF-8），该探针通过将碳点和金纳米簇封装在ZIF-8框架中，有效提高了检测的稳定性和灵敏度。随后，结合深度学习算法，构建了多模式逻辑门系统，实现了对四环素类抗生素的特异性识别和定量分析。此外，通过智能手机集成的工具箱，将复杂的检测过程简化为便携、易操作的形式，便于现场快速检测。实验结果表明，该方法能够准确区分不同种类的四环素类抗生素，且具有较高的灵敏度和特异性。
总结展望
研究成功地将深度学习技术与荧光比色法相结合，开发出一种新型的四环素类抗生素实时识别系统，为抗生素残留检测提供了新的思路和方法。未来，我们将进一步优化探针设计和算法模型，提高检测效率和准确性，并探索其在更多领域的应用潜力。同时，我们也期待该研究成果能够推动抗生素监管和食品安全检测技术的进步，为保障人类健康贡献力量。
图文赏析
原文链接：
https://www.sciencedirect.com/science/article/pii/S0308814624013554?via%3Dihub
