10.3969/j.issn.0258-8021.2021.03.07
基于XGBoost方法的大肠杆菌-NC膜复合电极阻抗模型研究
将机器学习方法用于分析大批量大肠杆菌菌液浓度以及临界低阈值抗生素抑菌效果评价.采用XGBoost机器学习算法,构建金电极上大肠杆菌-NC膜贴附模型,用于检测不同浓度大肠杆菌的电化学阻抗谱.在此基础上,分析不同浓度抗生素硫酸阿米卡星作用于标准浓度大肠杆菌所对应的阻抗谱变化.根据Randles等效电路,使用ZView软件拟合阻抗曲线得到所对应的7个电化学参数,通过主成分分析法,依据选取信息量前90%的原则,提取Rs、CPE-P、CPE-T、R1等4个参数作为XGBoost预测模型输入,分别以菌液浓度、抗生素浓度为预测值,建立大肠杆菌菌液浓度预测模型和抗生素浓度预测模型.两组实验预测结果均与实际结果吻合,菌液预测浓度平均均方根误差(RMSE)为2.18×10-3 lg CFU/mL,每组样本预测浓度最大上下限差值在1.49×107 CFU/mL之内;抗生素预测浓度平均均方根误差(RMSE)为7.45×10-3μL/mL,回归精度达0.01 μL/mL,实现了大肠杆菌浓度及抗生素含量快速准确预测.因此,基于XGBoost的大肠杆菌-NC膜阻抗模型可定量分析菌液浓度以及临界低阈值抗生素抑菌效果评价,从而可对电极表面的微量蛋白质和细菌等生物膜贴附后造成的长时程阻抗变化进行定量检测评估,在食品安全领域电化快速检测中具有较大的应用价值.
XGBoost方法;大肠杆菌-NC膜结构;电化学阻抗;抗生素检测
40
R318(医用一般科学)
国家自然科学基金;浙江省科技厅公益计划项目
2021-08-09(万方平台首次上网日期,不代表论文的发表时间)
共11页
310-320