买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国海洋大学

摘要：本发明适用于拉曼光谱检测技术领域，提供了一种基于SERS标记检测和机器学习的同时检测两种兽药的方法，包括如下步骤：在银包金纳米粒子内部修饰拉曼报告分子，表面修饰药物适配体，作为信号探针，以修饰适配体互补链的金包磁珠纳米花作为捕获探针，构建针对不同药物的竞争型SERS适配体传感器，将其以1:1的比例混合均匀；配制含有不同浓度的两种药物的混合溶液；然后将药物混合液与两种药物的竞争型SERS适配体传感器混合均匀、孵育、磁分离、洗涤、重悬于PBS缓冲液中；将重悬液滴加在硅片表面，采集拉曼光谱，对拉曼光谱进行预处理，建立机器学习模型；最后，利用所建立的预测模型测试待测溶液中两种药物的含量。本发明的检测方法提高了竞争型SERS适配体传感器用于同时检测两种药物的效率和准确度。

主权项：1.一种基于SERS标记检测和机器学习的同时检测两种兽药的方法，其特征在于，具体包括以下步骤：S1：以修饰氯霉素适配体的粒径40nm的球状Au@AgNPs作为信号探针，修饰氯霉素适配体的粒径300nm的Fe3O4@AuNFs作为捕获探针，针对氯霉素的信号探针修饰4-巯基苯甲酸作为拉曼报告分子；将信号探针与捕获探针混合均匀，在37℃下孵育1h，获得针对氯霉素的竞争型SERS适配体传感器；以修饰雌二醇适配体的粒径40nm的球状Au@AgNPs作为信号探针，修饰雌二醇适配体互补链的粒径300nm的Fe3O4@AuNFs作为捕获探针，针对雌二醇的信号探针修饰5,5'-二硫双2-硝基苯甲酸作为拉曼报告分子；将信号探针与捕获探针混合均匀，在37℃下孵育1h，获得针对雌二醇的竞争型SERS适配体传感器；S2：将S1中针对氯霉素的竞争型SERS适配体传感器和针对雌二醇的竞争型SERS适配体传感器以1:1的比例混合均匀，在37℃下孵育8小时，获得可同时检测氯霉素和雌二醇的竞争型SERS适配体传感器；S3：按照不同比例将浓度范围为0.001~1000μgL的氯霉素和雌二醇两种药物溶液混合，混合液中氯霉素和雌二醇的比例为氯霉素μgL:雌二醇μgL=100：500、80:6200、100:2000、0.1:700、50:50、50:400、300:700、20:600、0.01:0.01、10：800、5:200、10:100、100:300、10:10、1:500、5:100、1:1200、0.1:400、1200:10、10:10、1:500、60:130、50:300、5:50、1:1、20:200、60:130、1200:20、5:5、50:0.05、70:80、100:700、10:400、20:1000、4300:1500、1220:1500、2000:3200、2000:10000、1500:3200、3000:1800、30:200、130:1500、120:80、500:3300、300:100、1:100、10:60、1000:100、1000:1000，得到含有不同浓度的氯霉素和雌二醇的药物混合液；S4：将S3中的药物混合液与S2中两种药物的竞争型SERS适配体传感器以1:1的比例混合均匀，在37℃下孵育1h，然后用通过磁铁进行分离，并用PBS缓冲液洗涤3次，然后重悬于15μL浓度为10mM的PBS缓冲液pH=7.4中；S5：取5μL的S4中重悬液滴加在硅片表面，将拉曼探头对准溶液表面，采集溶液的拉曼光谱，对拉曼光谱进行预处理，将采集的279个不同浓度药物混合液的拉曼光谱作为数据库，用以建立机器学习模型；机器学习模型为人工神经网络模型，具体建模过程如下：（1）数据预处理：首先对拉曼光谱进行基线校正和平滑滤波预处理，然后将光谱区间1000-1400cm-1的峰进行最大-最小值归一化处理，确保所有特征值均在[0,1]的范围内；（2）模型构建与配置：采用PyTorch框架建立人工神经网络模型；输入层包含400个节点，对应于数据的特征数量；该模型包含有四个隐藏层，分别有312、144、72和36个节点，每一层后都跟随一个LeakyReLU激活函数，最后的层有两个节点，用来预测两种化学物质的浓度；（3）训练参数与过程：选取均方误差MSE作为误差的损失函数，通过随机梯度下降SGD算法，动量为0.9、学习率为0.001，来进行误差反向传播和权重调整；数据集被分为70%的训练数据，15%的验证数据和15%的测试数据，模型进行了500次的训练迭代，设置了20次迭代的早停耐心值；（4）模型预测能力评估：训练完成后，使用R²值来评估测试集上的模型预测能力；或者机器学习模型为随机森林模型，具体建模过程如下：（1）数据预处理：首先对拉曼光谱基线校正和平滑滤波预处理，然后将光谱区间1000-1400cm-1的峰进行最大-最小值归一化处理，确保所有特征值均在[0,1]的范围内；（2）模型构建：选用随机森林；（3）多输出回归处理：利用MultiOutputRegressor对随机森林模型进行了封装；（4）模型参数与训练：随机森林模型基于100棵决策树构建，这些树分别在不同的数据子集上被训练；（5）性能评估：完成训练后，使用R²对训练、验证和测试数据集上的模型性能进行评估；S6：利用S5中建立的人工神经网络模型或随机森林模型预测待测溶液中氯霉素和雌二醇的含量。

全文数据：

权利要求：

百度查询： 中国海洋大学 基于SERS标记检测和机器学习的同时检测两种兽药的方法