机器学习辅助的双通道CRISPR/Cas12a微滴生物传感器用于食品真实性的无扩增核酸检测

本文介绍了一种机器学习辅助的双通道CRISPR/Cas12a微滴生物传感器（CC-drop），用于食品真实性检测。背景方面，随着食品安全和质量问题的日益突出，现有的检测方法如光谱法、色谱技术和PCR存在操作复杂、难以区分相似种类肉类等局限性。研究目的是开发一种灵敏且适用的检测方法，能够同时检测多个靶标且无需扩增。作者通过便携式微流控注射泵、微流控芯片、3D打印加热装置和倒置荧光显微镜构建了检测平台，并结合机器学习技术对微滴面积、荧光强度和计数进行处理，提高了检测的准确性。结论显示，该平台能够快速识别食品中的动物源性成分，检测限为10拷贝每微升，并能检测到0.00001%的掺假肉类样品。尽管仍需倒置荧光显微镜支持，无法实现现场检测，但该方法拓宽了基于CRISPR/Cas的生物传感范围，并有望应用于其他食品检测和生物医学领域。