该研究小组在《Analytical Chemistry》杂志上发表了一篇题为“机器学习辅助聚合诱导发射纳米硅基传感器阵列，用于多种食源性病原体的即时识别”的论文。本文第一作者李跃春博士，通讯作者王建龙教授。第一作者来自西北农林科技大学。

如何及时识别和确定被病原体污染的食品中的病原体种类，是快速、准确处理食品安全事故的关键。在此，我们合成了四个聚集诱导发射纳米硅具有不同的表面电位和疏水性封装四个四苯乙烯衍生物不同的功能基团。制备的纳米硅被用作受体，根据它们与病原体的独特相互作用开发纳米传感器阵列，用于快速和同时区分病原体。通过与机器学习算法相结合，所提出的纳米传感器阵列在1小时内识别8种病原体方面实现了高性能，总体准确率高（93.75−100%）。同时，以坂崎克罗伊氏菌和单核细胞增生李斯特菌为模型菌，对所研制的纳米传感器阵列进行了定量评价，该传感器阵列能够成功区分坂崎克罗伊氏菌和单核细胞增生李斯特菌的浓度。sakazakii和L.通过人工神经网络，分别在超过103和102 CFU mL-1的单核细胞增多症中，以及在105 CFU mL-1的它们的混合样品中。此外，所开发的纳米传感器阵列可以成功地识别牛奶中1 × 104 CFU mL−1的8种病原体，表明其在监测食品危害方面的可行性。

https://doi.org/10.1021/acs.analchem.3c05662