该研究小组在《Trends in Food Science & Technology》杂志上发表了一篇题为“机器学习辅助纳米传感器阵列：高效高通量食品检测分析”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。

背景：如何通过低成本、易操作、高通量的方式及时识别食品质量是食品工业，特别是资源有限地区食品工业的一个里程碑。纳米传感器通过与生物分子（如抗体和适体）的集成，在大规模筛选中逐渐取代了标准的分析设备。然而，生物分子昂贵的成本，“锁-钥匙”组合无法解决某些问题（如食品新鲜度），以及不断出现的食品风险，严格了食品工业的发展。此外，没有生物分子的纳米传感器容易受到非特异性干扰，使得检测结果不可靠。因此，一些研究集中在传感器阵列，通过使用纳米材料作为受体，以解决上述问题，这是基于多个信号响应，以产生不同的指纹，为每个分析物。范围和方法：本文综述了机器学习辅助的纳米传感器阵列在食品检测中的应用，主要包括纳米传感器阵列的候选对象、常用的机器学习算法以及在食品检测中的应用（如食品安全、食品成分、食品新鲜度、食品来源、食品掺假等）。此外，我们提出了机器学习辅助纳米传感器阵列在食品应用中的挑战和前景，以弥合当前发展瓶颈的差距。主要调查结果和结论：因此，机器学习辅助纳米传感器阵列的高效高通量检测分析在食品工业中的建议。https://doi.org/10.1016/j.tifs.2024.104564