BB.基于镧系-金纳米簇的机器学习赋能微流控比率荧光传感器阵列用于多组分抗生素的可视化检测

本文针对环境中多种抗生素残留带来的生态和健康风险，提出了一种结合机器学习与微流控技术的比率荧光传感器阵列。研究背景是现有检测方法难以实现快速、便携和多组分同时分析。研究目的是开发基于镧系-金纳米簇的探针系统，通过"天线效应"产生特异性RGB荧光指纹，实现对土霉素、左氧氟沙星和诺氟沙星的高灵敏度区分检测。该系统在微流控芯片中实现了12.48-10.95 nM的检测限，并利用线性判别分析和决策树算法对环境样品中的单一/混合抗生素达到精准分类。结论表明该平台通过集成微流体、比率荧光和智能算法，为复杂环境中多组分抗生素检测提供了可扩展的便携解决方案。