Machine-learning assisted antibiotic detection and categorization using bacterial arrays
隨著抗生素的廣泛使用,抗生素殘留的問題日益嚴重。為此,本研究建立了一個稱作細菌陣列固相分析(BacSPA)的方法來檢測和分類樣品中的抗生素。本研究將15個在質體中植入生物冷光的大腸桿菌液,點在與11種不同的抗生素混合的固相培養基上,濃度為1.5 ppm。不同的抗生素會刺激細菌,使其產生特定的生物冷光變化圖形。將圖形以延時攝影紀錄,並以機器學習演算法中的多重決策樹系訓練抗生素分類模型。得到的最佳模型能在三小時內,以90%分類抗生素的類別。再對該方法進一步測試,以區分不同濃度的抗生素。最終模型能將濃度從125 到1000 ppb的八種抗生素進行分類,其準確率大多高於70%。在未來,我們希望能建立更多不同濃度、不同組合的抗生素發光圖形資料庫,以擴大此方法的應用範圍。這無疑為人們檢測與分類食品與環境樣品中的抗生素殘留,提供了一個很好的方法。