Bu tədqiqat qida matrislərində Aflatoksin M1 və atrazini antikorla funksionallaşdırılmış elektrokimyəvi sensor və süni intellekt dəstəkli siqnal analizi ilə fərqləndirməyi araşdırır. Laboratoriyada hazırlanmış PCB əsaslı sensorda qızıl işçi elektrod, karbon qarşı elektrod və Ag/AgCl istinad elektrodu istifadə edildi. Aflatoksin M1 və ya atrazinə spesifik antikorlar DTSSP çarpaz bağlayıcısı ilə elektrod səthinə immobilizasiya edildi; qarğıdalı, qarğıdalı unu və protein matrislərinə nəzarətli miqdarlarda əlavə edilən analitlərin bağlanması tsiklik voltammetriya, kulometriya və xüsusilə elektrokimyəvi impedans spektroskopiyası (EIS) ilə izlənildi. Təxminən 198 Hz-dəki EIS məlumatlarından qurulan kalibrləmələrdə Aflatoksin M1 üçün R² = 0,968, atrazin üçün R² = 0,909 bildirildi.

Tədqiqatın süni intellekt qatı tək bir impedans dəyərindən istifadə etmək əvəzinə bütün tezlik spektrindən impedans böyüklüyü |Z|, həqiqi impedans Z′, xəyali impedans Z″ və faza bucağı xüsusiyyətlərindən istifadə etdi. Random Forest modeli Aflatoksin M1 ilə atrazini ayırmaqda %97,4 dəqiqliyə və 0,994 ROC-AUC dəyərinə çatdı. Konsentrasiyalar aşağı, orta və yüksək olmaqla üç sinfə bölündükdə 195 ölçmə üzrə ümumi dəqiqlik %93,33, ümumi AUC isə 0,985 olaraq bildirildi. Bununla belə, model tamamilə görülməmiş qida matrisinə köçürüldükdə performans nəzərəçarpacaq dərəcədə azaldı: çəkili F1 qarğıdalıda 0,667, qarğıdalı ununda 0,471 və protein matrisində 0,716 oldu. Buna görə tədqiqat yüksək laboratoriyadaxili təsnifat uğurunu dəstəkləməklə yanaşı, müxtəlif qida matrislərinə ümumiləşdirmənin hələ də həll edilməli mühüm problem olduğunu göstərir.

Tədqiqat real bazar nümunələrində təbii kontaminasiya skrininqi deyil. Sınaqdan keçirilən nümunələr analit əlavə edilmiş qida matrisləridir. Tədqiqatda formal LOD və ya LOQ dəyəri verilmədiyinə görə sensorun tənzimləyici hədlərin altında hansı dəqiq aşkarlama limitinə malik olduğu bu mənbədən çıxarıla bilməz.

Tədqiqatın əsas problemi nədir?

Qida təhlükəsizliyi sensorlarında yalnız hədəf molekulu aşkarlamaq kifayət deyil. Qarğıdalı, un və ya protein ağırlıqlı məhsullar; proteinlər, karbohidratlar, duzlar, hissəciklər və elektrokimyəvi baxımdan təsirli başqa komponentlər ehtiva edə bilər. Bu komponentlər elektrod səthində qeyri-spesifik adsorbsiya, çirklənmə, keçiricilik dəyişməsi və elektrik ikiqat təbəqə fərqləri yaradaraq hədəf analitin siqnalını dəyişdirə bilər.

Tədqiqat bu problemi matris effekti çərçivəsində nəzərdən keçirir. Eyni analit müxtəlif qida mühitlərində olduqda elektrokimyəvi baza xətti dəyişə bildiyinə görə tədqiqatçılar yalnız bir kalibrləmə əyrisi qurmaq əvəzinə hər matris üçün blank normallaşdırması tətbiq etdilər və tam EIS spektrini süni intellekt ilə şərh etdilər.

Niyə Aflatoksin M1 və atrazin birlikdə araşdırıldı?

Aflatoksin M1 və atrazin kimyəvi baxımdan fərqli iki qida təhlükəsizliyi hədəfini təmsil edir. Tədqiqat bu iki analiti eyni antikorla aşkarlamağa çalışmır. Hər analit üçün ayrıca, analitə spesifik monoklonal antikorla funksionallaşdırılmış sensor sahələri hazırlanır.

Buna görə sistemin “iki analiti təsnif etməsi” tək universal çılpaq elektrodun naməlum molekulun kimliyini birbaşa müəyyən etməsi demək deyil. Ölçülən EIS barmaq izi həm hədəfin bağlanmasından, həm də hədəfə spesifik antikorla yaradılan elektrod interfeysindən təsirlənə bilər. Mənbə bu iki töhfəni bir-birindən müstəqil ayıran təcrübə təqdim etmir.

Sensorun fiziki quruluşu necədir?

Sensor laboratoriyada hazırlanmış çap dövrə kartı (PCB) üzərində üç elektrodlu elektrokimyəvi quruluş kimi yaradıldı:

• İşçi elektrod: qızıl.
• Qarşı elektrod: karbon.
• İstinad elektrodu: Ag/AgCl.
• PCB əsası: FR4.
• Səth örtüyü: mis örtüklü kart üzərində electroless nickel immersion gold (ENIG).

Qızıl işçi elektrod DTSSP vasitəsilə antikor bağlanması üçün uyğun səth təmin etdi. Ayrı sahələr anti-Aflatoksin M1 və anti-atrazin antikorları ilə funksionallaşdırıldı.

Antikor elektroda necə bağlandı?

Elektrod əvvəlcə fosfat tamponlu salinlə (PBS) təmizləndi. Sonra 10 mM DTSSP və analitə spesifik antikor qarışığı sensor səthinə tətbiq edildi və 4 °C-də 30 dəqiqə inkubasiya edildi. Bağlanmamış çarpaz bağlayıcı və artıq antikor PBS ilə uzaqlaşdırıldı.

Analiz zamanı hazırlanmış qida matrisi nümunəsindən 5 µL sensor səthinə verildi və antikor-hədəf bağlanması üçün 5 dəqiqə gözlənildi. Daha sonra EIS, tsiklik voltammetriya və kulometriya ölçmələri aparıldı.

Şəkil 1-in əsas mesajı nədir?

Tədqiqatın Şəkil 1-i bütün sistemi vahid axında ümumiləşdirir. Qarğıdalı, qarğıdalı unu və protein matrislərindən gələn nümunələr analitə spesifik antikorlarla örtülmüş elektrokimyəvi səthə çatır. Antigen-antikor qarşılıqlı təsirinin elektrod interfeysində yaratdığı elektrik dəyişiklikləri potentiostat ilə ölçülür. Xüsusilə EIS spektri daha sonra xüsusiyyət çıxarılması və hesablama analizi mərhələsinə ötürülür; son mərhələdə analit kimliyi, doza sinfi və matrislə əlaqəli nümunələr qiymətləndirilir.

Şəklin mühüm elmi mesajı sensor və süni intellektin iki ayrı vəzifə yerinə yetirməsidir: sensor fiziki bağlanmanı elektrik barmaq izinə çevirir, maşın öyrənməsi isə tezlik boyunca yayılmış bu çoxdəyişənli barmaq izini təsnif edir.

Tsiklik voltammetriya nə göstərdi?

Tsiklik voltammetriya (CV) təcrübələri 0 V-dan +0,4 V-a, sonra −0,6 V-a və yenidən 0 V-a skan edildi. Skan sürəti 50 mV/s, potensial addımı 2 mV idi. Həm Aflatoksin M1, həm də atrazin üçün konsentrasiya artdıqca cərəyan profillərində ayrılma müşahidə edildi.

Tədqiqatda xarici redoks zondu istifadə olunmadığı üçün müəlliflər CV əyrilərini Aflatoksin M1 və ya atrazinin birbaşa elektrokimyəvi oksidləşməsi/reduksiyası kimi şərh etmirlər. Siqnal antikor-hədəf bağlanmasından sonra səth qütbləşməsi, kapasitif yüklənmə, ion əlçatanlığı və elektrod interfeysində baş verən digər dəyişikliklərlə əlaqələndirilir.

Mənfi potensiallarda müşahidə edilən pik konkret redoks cütünə aid edilmir. Müəlliflər elektrolitə və ya matrisə aid iz komponentlərin də bu xüsusiyyətə töhfə verə biləcəyini açıq şəkildə qeyd edirlər.

Kulometriya nə əlavə etdi?

Kulometrik təcrübələrdə 0 V-da 10 saniyəlik ilkin addımdan sonra −0,3 V və +0,3 V-luq 0,5 saniyəlik potensial addımları tətbiq edildi. Nümunələmə intervalı 0,01 saniyə idi.

CV potensial skanı boyunca ani cərəyan dəyişikliyini göstərdiyi halda, kulometriya zaman ərzində toplanan yükü qiymətləndirir. Şəkil 2-də hər iki analit üçün doza artdıqca yük əyrilərinin ayrıldığı görünür. Müəlliflər bu nəticəni də hədəf molekulun birbaşa redoks reaksiyası kimi deyil, antikorla funksionallaşdırılmış interfeysdə bağlanmadan qaynaqlanan elektrik dəyişikliyinin zaman üzrə inteqrallı göstəricisi kimi şərh edirlər.

Niyə EIS tədqiqatın mərkəzindədir?

Elektrokimyəvi impedans spektroskopiyası tək bir cərəyan və ya potensial dəyəri əvəzinə tezlik boyunca elektrik cavabı yaradır. Tədqiqatda EIS 100 kHz ilə 10 Hz arasında, dekad başına 10 nöqtə istifadə edilməklə ölçüldü. DC potensialı 0 V, AC perturbasiyası 10 mV rms idi və xarici redoks zondu istifadə olunmadı.

Buna görə tədqiqat klassik Faradaik redoks-zond impedansını deyil, non-Faradaik elektrod/elektrolit interfeysini qiymətləndirir. Hədəf bağlanması elektrik ikiqat təbəqəni, səth qütbləşməsini, ion paylanmasını və interfeysin dielektrik xüsusiyyətlərini dəyişə bildiyinə görə xüsusilə aşağı və orta tezliklərdə analit konsentrasiyaları arasındakı fərq böyüyür.

Şəkil 3 nə göstərir?

Şəkil 3-ün Bode əyrilərində impedans aşağı tezlikdə daha yüksək, tezlik artdıqca daha aşağıdır. Həm Aflatoksin M1, həm də atrazin üçün D0–D5 dozaları arasında xüsusilə aşağı tezlik sahəsində ayrılma görünür.

Kalibrləmə üçün spektrin təxminən 198 Hz nöqtəsindəki |Z| dəyəri seçilmişdir. Aflatoksin M1 üçün konsentrasiya-impedans əlaqəsi R² = 0,968, atrazin üçün R² = 0,909 olaraq bildirilmişdir. Atrazin kalibrləməsindəki daha böyük səpələnmə müəlliflər tərəfindən matris və analitdən asılı dəyişkənliklə əlaqələndirilir.

Bu konsentrasiya aralıqları tədqiqatın sınaq aralıqlarıdır; formal LOD və ya LOQ kimi şərh edilməməlidir. Mənbədə ayrıca LOD/LOQ hesablanması da təqdim olunmur.

Matris effekti necə azaldılmağa çalışıldı?

Hər nümunə öz matrisinə aid blank cavabına görə normallaşdırıldı. Beləliklə, qarğıdalı, qarğıdalı unu və ya protein matrisi arasındakı başlanğıc impedans fərqlərinin və çiplərarası baza xətti dəyişkənliyinin azaldılması məqsədi daşıyırdı.

Impedansdakı faiz dəyişməsi mənbədə belə hesablandı:

\[ \%\Delta |Z| = \frac{|Z|_{blank}-|Z|_{sample}} {|Z|_{blank}}\times100 \]

Kalibrləmədən əvvəl texniki təkrarların sensor sayını süni şəkildə çəkiləndirməsinin qarşısını almaq üçün əvvəlcə çip səviyyəsində ortalamalar hesablandı. Son qrafiklər fərqli çiplərin ortalamaları və ortalamanın standart xətası (SEM) ilə təqdim edildi. Lakin mənbə istifadə olunan müstəqil çip sayını açıq bir n dəyəri ilə vermədiyinə görə eksperimental təkrar strukturu tam olaraq yenidən qurula bilmir.

Spike-recovery nəticələri nə göstərir?

Şəkil 4-də Aflatoksin M1 üçün 0,01; 0,055; 0,303; 1,664 və 9,151 ng/mL, atrazin üçün 0,1; 0,4; 1,6; 6,4 və 25,6 ng/mL səviyyələrində recovery təcrübələri göstərilir. Müəlliflər dəyərlərin çoxunun %80–120 qəbul aralığında və %100-ə yaxın olduğunu bildirirlər.

Lakin mənbə recovery dəyərlərinin hamısını sayısal cədvəl şəklində vermədiyinə görə qrafik çubuqlarından dəqiq faizlər çıxarılmamalıdır. Bundan əlavə, qrafik recovery nəticələrini qarğıdalı, qarğıdalı unu və protein matrisi üçün ayrıca sayısal cədvəllər kimi təqdim etmir. Buna görə “hər üç matrisdə hər konsentrasiyada eyni recovery əldə edildi” kimi nəticə çıxarmaq olmaz.

Seçicilik nə qədər sınaqdan keçirildi?

Aflatoksin M1 sensoru Aflatoksin B1 ilə, atrazin sensoru isə qlifosatla çarpaz reaktivlik baxımından müqayisə edildi.

Aflatoksin M1 hədəf cavabları aşağı, orta və yüksək qruplarda təxminən %97, %101 və %100 olduğu halda Aflatoksin B1 cavabları təxminən %8, %4 və %5 olaraq bildirildi. Atrazin hədəf cavabı təxminən %97–101 aralığında qalarkən qlifosat təxminən %4–8 cavab yaratdı.

Bu nəticələr sınaqdan keçirilən iki interferenta qarşı güclü seçiciliyi dəstəkləyir. Bununla belə, interferent paneli yalnız Aflatoksin B1 və qlifosatla məhduddur; çoxsaylı mikotoksin, pestisid və ya qida komponentini əhatə edən geniş seçicilik tədqiqatı aparılmayıb.

Süni intellekt hansı məlumatdan istifadə edir?

Maşın öyrənməsi tək seçilmiş tezlikdən deyil, EIS spektrinin hamısından xüsusiyyətlərdən istifadə edir. Model girişləri:

• Impedans böyüklüyü |Z|
• Həqiqi impedans Z′
• Xəyali impedans Z″
• Faza bucağı

kimi göstərilmişdir. Mənbədəki model müqayisə qrafikində Random Forest ən yüksək çəkili F1 dəyərini göstərir. Qrafikdə Random Forest təxminən 0,974; Gradient Boosting 0,938; SVM-RBF 0,923 və Logistic Regression 0,764 olaraq etiketlənmişdir.

Aflatoksin M1 ilə atrazin nə qədər yaxşı ayrıldı?

Random Forest modeli 105 Aflatoksin M1 nümunəsinin 102-sini və 90 atrazin nümunəsinin 88-ni düzgün təsnif etdi. Cəmi 195 qeyddən beşi səhv təsnif edildi; mənbə ümumi dəqiqliyi %97,4 olaraq bildirdi.

İki analit arasındakı ROC əyrisinin altında qalan sahə 0,994 olaraq bildirildi. Bu dəyər tədqiqatın öz məlumat quruluşu daxilində güclü ayırma performansına işarə edir; real istehsal xəttində və ya əvvəllər görülməmiş qida məhsullarında eyni uğurun qorunacağını təkbaşına sübut etmir.

Konsentrasiya təsnifatı necə edildi?

Altı doza səviyyəsi üç kateqoriyaya birləşdirildi:

• Aşağı: D0–D1
• Orta: D2–D3
• Yüksək: D4–D5

D0 blank/nəzarət şərtidir. Buna görə “aşağı konsentrasiya” sinfi həm analit ehtiva etməyən blank nümunələri, həm də ən aşağı müsbət dozanı birlikdə ehtiva edir. Model performansı şərh edilərkən bu sinif tərifi nəzərə alınmalıdır.

Ən kritik süni intellekt testi: görülməmiş matrisə keçid

Tədqiqatın ən mühüm reallıq testlərindən biri leave-one-matrix-out doğrulamasıdır. Bir qida matrisi təlim məlumatından tamamilə çıxarıldı və model yalnız bu görülməmiş matrisdə sınaqdan keçirildi.

Qarğıdalı unu üçün F1-in 0,471-ə düşməsi ümumi %97,4 analit təsnifatı dəqiqliyinin yeni matrislərdə avtomatik qorunmadığını açıq göstərir. Tədqiqatın öz şərhinə görə hissəcik tərkibi, viskozluq, qeyri-spesifik adsorbsiya və ya ion mühiti kimi xüsusiyyətlər bu fərqdə rol oynaya bilər.

Şəkil 5-dəki mənbədaxili uyğunsuzluq

Məqalənin mətn təsviri ilə Şəkil 5-in real panel düzümü bir-biri ilə uyğun gəlmir. Mətn Şəkil 5A-nı Random Forest qarışıqlıq matrisi adlandırır, halbuki real Şəkil 5A model müqayisəsini göstərir. Real qarışıqlıq matrisi 5B-dədir. Mətn ROC əyrisini 5B kimi təsvir edir, halbuki real ROC qrafiki 5C-dədir.

Əsas mətn həmçinin “Şəkil 5C-dəki xüsusiyyət əhəmiyyəti analizi”ndən bəhs edir; lakin dərc edilmiş Şəkil 5-də görünən panellər A model müqayisəsi, B qarışıqlıq matrisi, C ROC əyrisi və D leave-one-matrix-out testidir. Ayrı xüsusiyyət əhəmiyyəti qrafiki göstərilmir. Bu redaksiya uyğunsuzluğu Verianla mətnində səssizcə düzəldilməmişdir.

Maşın öyrənməsi yenidən istehsal edilə bilərmi?

Mənbə model adlarını və performans nəticələrini bildirir, lakin maşın öyrənməsi təcrübəsini yenidən qurmaq üçün lazım olan bəzi əsas detalları açıq metod protokolu kimi təqdim etmir. PDF-də model hiperparametrləri, təsadüfi toxum, standart train/validation/test bölgüsü, hiperparametr optimizasiya üsulu və çip kimliyinə görə ayrılmış müstəqil doğrulama protokolu açıq göstərilmir.

Buna görə tədqiqat güclü ilkin təsnifat nəticəsi təqdim edir; lakin modelin müstəqil tədqiqat qrupu tərəfindən eyni performansla yenidən istehsal edilə bilməsi üçün daha ətraflı ML metod hesabatı tələb olunur.

Tədqiqatın güclü tərəfləri nələrdir?

• Eyni platformada CV, kulometriya və EIS olmaqla üç elektrokimyəvi oxuma forması müqayisə edilmişdir.
• EIS tək tezlik əvəzinə tam spektr xüsusiyyətləri ilə qiymətləndirilmişdir.
• Hər matris üçün blank normallaşdırması tətbiq edilmişdir.
• Qarğıdalı, qarğıdalı unu və protein olmaqla üç fərqli qida mühiti istifadə edilmişdir.
• Spike-recovery və çarpaz reaktivlik testləri aparılmışdır.
• Süni intellekt qiymətləndirilməsi yalnız ümumi dəqiqliklə məhdudlaşdırılmamış, görülməmiş matrisə köçürmə ayrıca sınaqdan keçirilmişdir.
• Tədqiqat ən zəif köçürmə nəticəsini gizlətməmiş və qarğıdalı ununda F1 = 0,471 dəyərini açıq şəkildə bildirmişdir.

Tədqiqatın məhdudiyyətləri nələrdir?

• Real, təbii şəkildə kontaminasiya olmuş kommersiya qida nümunələrində müstəqil sahə doğrulaması aparılmayıb.
• Formal LOD və LOQ dəyərləri bildirilməyib.
• Recovery nəticələrinin hamısı matris əsasında sayısal cədvəl kimi təqdim edilməyib.
• Çarpaz reaktivlik yalnız Aflatoksin B1 və qlifosatla sınaqdan keçirilib.
• “Protein matrisi”nin məhsul tərkibi və ətraflı kimliyi verilməyib.
• Müstəqil çip sayı və eksperimental təkrar arxitekturası tam açıqlanmayıb.
• Maşın öyrənməsi hiperparametrləri və təlim/doğrulama protokolunun əsas detalları çatışmır.
• Görülməmiş qarğıdalı unu matrisində çəkili F1 dəyəri 0,471-ə düşüb.
• İki analitin ölçülməsi fərqli antikorla funksionallaşdırılmış səthlərə əsaslandığı üçün analit təsnifatı nəticəsi tək universal sensor səthinin naməlum analitləri ayırdığı kimi şərh edilə bilməz.
• Şəkil 5-in mətn daxilindəki panel istinadlarında dərc edilmiş şəkillə uyğun gəlməyən istinadlar var.

Tədqiqatın dəstəklədiyi nəticələr

• Antikorla funksionallaşdırılmış elektrokimyəvi səthlər sınaqdan keçirilən Aflatoksin M1 və atrazin konsentrasiyalarında dozadan asılı CV, kulometriya və EIS dəyişiklikləri yaratmışdır.
• Təxminən 198 Hz-dəki impedans kalibrləməsi Aflatoksin M1 üçün R² = 0,968, atrazin üçün R² = 0,909 vermişdir.
• Sınaqdan keçirilən spike-recovery şəraitində nəticələrin böyük hissəsi tədqiqatın istifadə etdiyi %80–120 qəbul pəncərəsində qalmışdır.
• Aflatoksin M1 sensoru Aflatoksin B1-ə, atrazin sensoru qlifosata nisbətən nəzərəçarpacaq dərəcədə daha yüksək hədəf cavabı yaratmışdır.
• Full-spectrum EIS məlumatları istifadə edildikdə Random Forest modeli iki analiti tədqiqat məlumat dəstində %97,4 dəqiqlik və 0,994 AUC ilə ayırmışdır.
• Aşağı/orta/yüksək konsentrasiya təsnifatında %93,33 ümumi dəqiqlik bildirilmişdir.
• Leave-one-matrix-out testi matris dəyişiminin model performansına nəzərəçarpacaq təsir edə bildiyini göstərmişdir.

Tədqiqatın dəstəkləmədiyi və ya sübut etmədiyi nəticələr

• Sensorun real qida bazarında %97,4 dəqiqliklə işləyəcəyini sübut etmir.
• Platformanın təbii kontaminasiyalı naməlum nümunələrdə tənzimləyici istinad metodlarını əvəz edə biləcəyini göstərmir.
• Formal aşkarlama həddi verilmədiyinə görə müəyyən hüquqi həddin altında etibarlı aşkarlama zəmanəti yaratmır.
• Yalnız iki interferent sınaqdan keçirildiyinə görə bütün mikotoksin və pestisidlərə qarşı seçicilik sübut edilməyib.
• Yüksək ROC-AUC yeni qida növlərində eyni performansın qorunacağını sübut etmir.
• Tədqiqat istehsal xəttində fasiləsiz monitorinq, raf ömrü boyunca sensor sabitliyi və ya uzunmüddətli sahə dayanıqlığı testi deyil.
• Süni intellekt modeli kommersiya baxımından müstəqil xarici məlumat dəstində doğrulanmayıb.

Türkiyə baxımından necə oxunmalıdır?

Tədqiqatda Türkiyəyə xas qida nümunəsi, istehsal müəssisəsi, tənzimləmə həddi və ya sahə məlumatı yoxdur. Buna görə nəticələr Türkiyədəki qida nəzarət infrastrukturunda birbaşa doğrulanmış performans kimi təqdim edilə bilməz.

Bununla belə, tədqiqat fərqli qida matrislərinin eyni sensorun elektrik fonunu dəyişə bildiyini açıq göstərdiyinə görə, oxşar platforma Türkiyədəki qida məhsullarında qiymətləndirilərsə məhsul və matris əsaslı kalibrləmənin tələb olunacağını göstərən ümumi mühəndislik çərçivəsi təqdim edir.

Tədqiqatın Metodu və Nəticələri

Nümunələr və reagentlər

Aflatoksin M1 və atrazinə spesifik monoklonal antikorlar biotanıma elementi kimi istifadə edildi. Antikor immobilizasiyasında 3,3′-dithiobis(sulfosuccinimidyl propionate), yəni DTSSP istifadə edildi. Qida matrisləri yerli supermarketdən alınmış qarğıdalı, qarğıdalı unu və mənbədə yalnız “protein” kimi müəyyən edilən məhsuldan hazırlandı.

Nümunələr və reagentlər kiçik alikotlara bölünərək −20 °C-də saxlanıldı. Təcrübədən əvvəl otaq temperaturuna gətirildi və lazım gəldikdə asılı hissəcikləri uzaqlaşdırmaq üçün sentrifuqasiya edildi.

Elektrokimyəvi cihaz və ölçmə parametrləri

Doza səviyyələri

EIS məlumatlarının işlənməsi

Hər EIS spektrindən tezlik, |Z|, Z′, Z″ və faza bucağı çıxarıldı. Tədqiqatçılar məlumatı ekvivalent dövrə modelinə endirmək əvəzinə tam spektrli elektrokimyəvi barmaq izi kimi istifadə etdilər.

Ekvivalent dövrə modelləşdirilməsinin əsas analiz kimi istifadə olunmamasının səbəbi təcrübələrin non-Faradaik şəraitdə aparılması və spektrlərin mürəkkəb interfeys cavablarını təmsil etməsi kimi izah edilmişdir.

Texniki təkrarların sayının nəticələrə qeyri-mütənasib təsir etməməsi üçün əvvəlcə sensor çipi səviyyəsində ortalamalar hesablandı. Nəticələr fərqli çiplər üzrə orta və SEM kimi təqdim edildi.

Kalibrləmə nəticələri

Süni intellekt nəticələri

Model müqayisə şəklinə görə Random Forest ən yüksək çəkili F1 performansını göstərmişdir. İki analitin Random Forest ilə təsnifatında 102/105 Aflatoksin M1 və 88/90 atrazin qeydi düzgün proqnozlaşdırılmışdır.

Maşın öyrənməsi hesabatındakı metod sərhədi

Mənbədə Random Forest, Gradient Boosting, SVM-RBF və Logistic Regression nəticələri göstərilsə də model hiperparametrləri, təsadüfi toxum, ətraflı təlim/test nisbəti, hiperparametr seçimi proseduru və sensor çipi kimliyindən tamamilə müstəqil doğrulama quruluşu açıq bildirilməyib.

Bu çatışmazlıq performans dəyərlərini etibarsız etmir; lakin nəticələrin müstəqil reproduksiyası və real yerləşdirmə ssenarilərinə hansı dərəcədə daşına bilməsi barədə mühüm metodoloji qeyri-müəyyənlik yaradır.

Real dünya doğrulamasının sərhədi

Təcrübələrdə istifadə olunan qida nümunələri nəzarətli şəkildə spike edilmiş matrislərdir. Təbii şəkildə kontaminasiya olunmuş, mənbəyi bilinməyən və ya bazardan kor şəkildə toplanmış nümunələrdə müqayisəli istinad metodu ilə doğrulama bildirilməyib.

Buna görə tədqiqatın ən güclü nəticəsi “kommersiya qida test sistemi hazırdır” deyil; antikor əsaslı non-Faradaik EIS ilə süni intellekt analizinin mürəkkəb qida matrislərində tətbiq oluna bilən tədqiqat platforması yarada bildiyi və matris köçürülməsi problemini kəmiyyətcə görünən hala gətirdiyidir.

Mənbə və Metod Qeydi

Tam orijinal işin adı: AI-Assisted Electrochemical Immunosensing for Matrix-Aware Detection of Aflatoxin M1 and Atrazine in Food Matrices

Müəlliflər: Kundan Kumar Mishra; Shanmathi Venkatesan; Sriram Muthukumar; Shalini Prasad.

Müəllif sırası: Mənbədə yuxarıdakı sıra ilə verilib. Bərabər birinci/bərabər töhfə işarəsi yoxdur.

Məsul müəllif: Shalini Prasad.

Qurumlar: Department of Bioengineering, University of Texas at Dallas, Richardson, Texas, ABŞ; EnLiSense LLC, Allen, Texas, ABŞ.

Mənbə növü: Hakemli orijinal eksperimental tədqiqat məqaləsi.

Jurnal: Biosensors.

Nəşriyyat: MDPI, Basel, Switzerland.

Cild / say / məqalə: 16 / 7 / 352.

DOI: 10.3390/bios16070352.

Rəsmi nəşr bağlantısı:https://doi.org/10.3390/bios16070352

Tarixlər: Alındı 31 may 2026; revizə edildi 19 iyun 2026; qəbul edildi 21 iyun 2026; yayımlandı 23 iyun 2026.

Hakemlik statusu: Tədqiqat hakemli Biosensors jurnalında yayımlanmış orijinal tədqiqat məqaləsidir. Preprint deyil.

Lisenziya: Creative Commons Attribution (CC BY); açıq giriş.

Maliyyələşdirmə: Müəlliflər tədqiqatın xarici maliyyə almadığını bildiriblər.

Etika komitəsi: Tətbiq edilmir.

Məlumatlandırılmış razılıq: Tətbiq edilmir.

Məlumat əlçatanlığı: Nəticələri dəstəkləyən məlumatların məsul müəllifdən tələb əsasında əldə oluna biləcəyi qeyd edilir. Məqalə məlumatların “privacy or ethical restrictions” səbəbilə ictimaiyyətə açıq olmadığını bildirir. Bununla belə, tədqiqat qida matrisləri ilə aparılıb və etika komitəsi/razılıq tətbiq edilmir kimi bildirilib; sözügedən məhdudiyyətin ətraflı səbəbi mənbədə izah edilmir.

Maraqlar toqquşması: Shalini Prasad və Sriram Muthukumar-ın EnLiSense LLC-də əhəmiyyətli maliyyə marağı olduğu bəyan edilib. Şirkətin tədqiqatdakı nəticə və texnologiya ilə kommersiya marağı ola biləcəyi göstərilir. Potensial maraqlar toqquşmasının University of Texas at Dallas tərəfindən nəzərdən keçirilib idarə edildiyi və tədqiqat dizaynı, məlumat toplama/analiz, hesabat yazılması və ya nəşr qərarında rol oynamadığı mənbədə ifadə edilir. Portativ cihaz və texnologiya platformasının EnLiSense LLC-yə məxsus qeydiyyatdan keçmiş texnologiya olduğu ayrıca qeyd edilir.

Süni intellekt istifadə bəyanatı: Müəlliflər məqalə hazırlanarkən Microsoft Copilot 148.0.3967.70 versiyasından qrammatik düzəliş, cümlə quruluşu, aydınlığın artırılması və dil redaktəsi məqsədilə istifadə etdiklərini; bütün süni intellekt dəstəkli çıxışları özlərinin nəzərdən keçirib redaktə etdiklərini bildiriblər.

Müəllif töhfələri: Konseptuallaşdırma K.K.M., S.M. və S.P.; metodologiya K.K.M. və S.V.; proqram təminatı K.K.M., S.V. və S.M.; doğrulama K.K.M. və S.M.; formal analiz K.K.M. və S.V.; tədqiqat S.M. və S.P.; məlumat kurasiyası K.K.M. və S.V.; ilkin layihə K.K.M. və S.V.; nəzərdən keçirmə/redaktə K.K.M., S.M. və S.P.; məsləhətçilik S.M. və S.P.; layihə idarəçiliyi K.K.M., S.M. və S.P.; maliyyə təminatı S.M. və S.P. olaraq bildirilib.

Mənbədaxili Şəkil 5 uyğunsuzluğu: Nəticə mətnindəki A/B/C panel istinadları dərc edilmiş Şəkil 5 və şəkil izahındakı real panel sırası ilə uyğun gəlmir. Şəkildə A model müqayisəsi, B qarışıqlıq matrisi, C ROC əyrisi və D leave-one-matrix-out doğrulamasıdır. Mətn həmçinin Şəkil 5C-yə aid etdiyi xüsusiyyət əhəmiyyəti analizini qeyd edir, lakin dərc edilmiş dörd panelli şəkildə belə qrafik görünmür.

Maşın öyrənməsi metod qeydi: Mənbə model performanslarını və leave-one-matrix-out doğrulamasını bildirir; lakin hiperparametrlər, təsadüfi toxum, ətraflı təlim/doğrulama/test bölgüsü və sensor çipindən müstəqil doğrulama protokolu kimi reproduksiya detalları çatışmır. Buna görə model metrikləri mənbədə bildirilmiş eksperimental nəticələr kimi ötürülüb, real dünya ümumiləşdirmə zəmanəti kimi şərh edilməyib.

Analitik metod sərhədi: Mənbə formal LOD və ya LOQ dəyəri bildirmir. Eksperimental konsentrasiya aralıqları aşkarlama həddi kimi yenidən etiketlənməyib.

Sahə doğrulaması sərhədi: Tədqiqat qarğıdalı, qarğıdalı unu və protein matrislərində nəzarətli spike təcrübələrinə əsaslanır; təbii kontaminasiyalı kommersiya qida nümunələrində kor, müstəqil sahə doğrulaması təqdim etmir.

Verianla mənbə qeydi: Bu məzmundakı elmi metod, mexanizm, konsentrasiyalar, EIS parametrləri, kalibrləmə nəticələri, recovery, çarpaz reaktivlik, süni intellekt təsnifatı və məhdudiyyətlər yüklənmiş mənbə tədqiqatdan götürülüb. Xarici mənbə istifadəsi yalnız biblioqrafik kimlik, nəşr versiyası və jurnalın hakemlik statusunun doğrulanması ilə məhdudlaşdırılıb; xaricdən yeni elmi nəticə əlavə edilməyib.