一种基于Web的浓度预测系统辅助检测培氟沙星的方法

技术领域

本发明属于纳米复合材料制备和机器学习技术领域，具体地说是一种基于Web的浓度预测系统辅助检测培氟沙星的方法。

背景技术

在长期的实验及观察中，发现到目前为止，现有技术中已有多种方法用于培氟沙星的检测，如化学发光法、高效液相色谱法、纵向表面等离子体共振法、毛细管电泳法，这些传统的检测方法虽然具有高灵敏度的优点，但需要昂贵仪器的辅助与专业人员的操作，限制了其使用范围与场所。

荧光法因具有响应速度快、可视化好、灵敏度高等特点而被广泛应用于抗生素的检测，BSA-AuNCs-GTP-Tb比率荧光纳米探针，以669nm发射峰处红色荧光为内标，545nm发射峰处的绿色荧光为响应信号。I

为此，本发明提供一种基于Web的浓度预测系统辅助检测培氟沙星的方法。

发明内容

为了弥补现有技术的不足，解决背景技术中所提出的至少一个技术问题，本发明提出一种基于Web的浓度预测系统辅助检测培氟沙星的方法。

本发明解决其技术问题所采用的技术方案是：本发明所述的一种基于Web的浓度预测系统辅助检测培氟沙星的方法，包括以下步骤：

S1：BSA-AuNCs的合成，将牛血清白蛋白(BSA)置于王水洗涤的烧瓶中，滴加氯金酸(HAuCl

S2：GTP-Tb的制备，将鸟苷-5’-三磷酸(GTP)和六水硝酸铽(Tb(NO

S3：BSA-AuNCs-GTP-Tb荧光纳米探针的制备，将GTP溶液与Tb(NO

S4：实施荧光检测，取BSA-AuNCs-GTP-Tb荧光探针于玻璃比色皿中，并采用HEPES缓冲溶液定容为2mL的稳定体系，混合均匀，取培氟沙星(PFLX)溶于10mL的去离子水中，并稀释为不同梯度浓度的溶液，向稳定体系中滴加PFLX溶液，记录相应的荧光光谱，365nm紫外灯下，荧光纳米探针混合溶液的荧光颜色呈现红色－橙色－黄色到绿色的多彩变化，实现对PFLX的肉眼可视化检测；

S5：基于Web系统的培氟沙星定量检测，取70μL的BSA-AuNCs-GTP-Tb荧光探针于玻璃比色皿中，并采用HEPES缓冲溶液定容为2mL的稳定体系，混合均匀。向其中滴加不同量的培氟沙星溶液，搅拌均匀，用智能设备的相机功能拍取365nm紫外灯下的荧光图片，也可采用录像功能录取荧光变化，将视频截图作为待预测图片，智能设备访问系统，点击列表的Operation interface选项，跳转到浓度预测界面，Select File与Start Uploading按钮实现了图片的选择与上传，上传成功的图片信息可视化于前端框架的Table组件中，点击Predict Concentration按钮实现浓度预测，预测结果将显示在Table组件的PredictConcentration Value(Unit:μM)列，用户可通过前端界面进行预测结果的查询与显示在前端界面的数据下载。基于Django框架的Web系统的开发，结合BSA-AuNCs-GTP-Tb荧光纳米探针，实现了对培氟沙星的快速、定量检测与批量化处理。

本发明的有益效果如下：

1.本发明所述的一种基于Web的浓度预测系统辅助检测培氟沙星的方法，解决了传统检测方法受限于专业仪器、专业人士操作与实验室环境的问题，而且避免了传统的人工计算，实现了高效、准确和批量化处理。用户通过浏览器访问IP即可使用该系统，不需进行App或者插件的下载，不需进行相关知识的学习与专业人员的指导，操作简单，使用场所广泛，不受设备操作系统的限制。基于Web的浓度预测系统采用深度学习算法进行目标的检测与相关颜色数据的提取，减弱了背景环境对检测效果的影响，给用户提供了一个相对生活化的检测环境；通过计算机对颜色数据与相应的培氟沙星浓度数据的学习，找寻符合两者之间存在的规律(如函数关系)，并采用该种规律对未知的或无法得到的数据进行预测，相比于人为的找寻合适的函数关系，再通过颜色值计算出相应的浓度，机器学习算法具有高效、准确等特点。经简单的配位作用合成的比率荧光探针(BSA-AuNCs-GTP-Tb)制备简单，具有良好的稳定性，且与培氟沙星被检测物相互作用，呈现出丰富的肉眼可识别的荧光颜色，可对培氟沙星进行定性分析。相比于单信号的荧光探针，该比率荧光探针具有较高的抗干扰能力，不易受外界因素的影响。

附图说明

下面结合附图对本发明做进一步说明。

图1是本发明中0～5μM(a)与5～60μM(b)范围内，BSA-AuNCs-GTP-Tb的荧光强度随PFLX浓度的变化荧光光谱；

图2是本发明中基于Web的浓度预测系统使用流程图；

图3是本发明中基于Web的浓度预测系统对于单张图片和多张图片的处理结果图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

如图1至图3所示，本发明实施例所述的一种基于Web的浓度预测系统辅助检测培氟沙星的方法，包括以下步骤：

实施例一

S1:GTP-Tb的制备，将1.5mg GTP、11.33mg Tb(NO

S2：BSA-AuNCs-GTP-Tb荧光纳米探针的制备，将1.5mL BSA水溶液(50mg/mL)置于用王水洗涤的烧瓶中，向其中滴加15mg/mL的GTP溶液、113.3mg/mL的Tb(NO

S3：实施荧光检测，取80μL的BSA-AuNCs-GTP-Tb荧光探针于玻璃比色皿中，并采用HEPES缓冲溶液(10mM，pH＝4)定容为3mL的稳定体系，混合均匀。取46.5mg的PFLX溶于10mL的去离子水中，并稀释为不同梯度浓度的溶液。向稳定体系中滴加PFLX溶液，记录相应的荧光光谱，结果表明，随着PFLX浓度的增加，669nm处的荧光强度逐渐降低并趋于稳定，呈现出Tb

S4：基于Web系统的PFLX定量检测，取80μL的BSA-AuNCs-GTP-Tb荧光探针于玻璃比色皿中，并采用HEPES缓冲溶液(10mM，pH＝4)定容为3mL的稳定体系，混合均匀。向其中滴加不同量的PFLX溶液，搅拌均匀，用智能设备的相机功能拍取365nm紫外灯下的荧光图片，也可采用录像功能录取荧光变化，将视频截图作为待预测图片。智能设备访问系统(http://127.0.0.1:8000，本地开发网址)，点击列表的Operation interface选项，跳转到浓度预测界面，Select File与Start Uploading按钮实现了图片的选择与上传，上传成功的图片信息可视化于前端界面的Table组件中，点击Predict Concentration按钮实现浓度预测，预测结果将显示在Table的Predict Concentration Value(Unit:μM)列，用户可按需将数据导出为指定格式文件。基于Django框架的Web系统的开发，结合BSA-AuNCs-GTP-Tb荧光纳米探针，实现了对PFLX的快速、定量检测和批量化处理。

实施例二

S1：BSA-AuNCs的合成，将5mL BSA(500mg/mL)置于用王水洗涤的烧瓶中，向其中滴加5mL HAuCl

S2：GTP-Tb的制备，将1.5mg GTP、11.33mg Tb(NO

S3：BSA-AuNCs-GTP-Tb荧光纳米探针的制备，将15mg/mL的GTP溶液与113.3mg/mL的Tb(NO

S4：荧光检测具体实施方法，取70μL的BSA-AuNCs-GTP-Tb荧光探针于玻璃比色皿中，并采用HEPES缓冲溶液(10mM，pH＝4)定容为2mL的稳定体系，混合均匀，取46.5mg的PFLX溶于10mL的去离子水中，并稀释为不同梯度浓度的溶液。向稳定体系中滴加PFLX溶液，记录相应的荧光光谱。结果表明，随着PFLX的增加，669nm处的荧光强度逐渐降低并趋于稳定，490nm、545nm、586nm和621nm处为Tb

S5：基于Web系统的培氟沙星定量检测

取70μL的BSA-AuNCs-GTP-Tb荧光探针于玻璃比色皿中，并采用HEPES缓冲溶液(10mM，pH＝4)定容为2mL的稳定体系，混合均匀。向其中滴加不同量的PFLX溶液，搅拌均匀，用智能设备的相机功能拍取365nm紫外灯下的荧光图片，也可采用录像功能录取荧光变化，将视频截图作为待预测图片。使用智能设备访问系统(http://127.0.0.1:8000，本地开发网址)，通过对用户界面的操作，实现对上传图片的浓度预测，具体操作如下：

点击网站列表的Operation interface选项，跳转到浓度预测界面，Select File与Start Uploading按钮实现了图片的选择与上传，上传成功的图片信息可视化于前端框架的Table组件中，点击Predict Concentration按钮实现浓度预测，预测结果将显示在Table组件的Predict Concentration Value(Unit:μM)列，用户可按需将前端界面显示的数据导出为指定格式的文件。基于Django框架的Web系统的开发，结合BSA-AuNCs-GTP-Tb荧光纳米探针，实现了对PFLX的快速、定量检测和批量化处理。

实施例三

S1：BSA-AuNCs的合成，将5mL BSA(500mg/mL)置于用王水洗涤的烧瓶中，向其中滴加5mL HAuCl

S2：GTP-Tb的制备，将5.7mg GTP、11.3mg Tb(NO

S3：BSA-AuNCs-GTP-Tb荧光纳米探针的制备，将56.7mg/mL的GTP溶液与113mg/mL的Tb(NO

S4：荧光检测具体实施方法，取70μL的BSA-AuNCs-GTP-Tb荧光探针于玻璃比色皿中，并采用HEPES缓冲溶液(10mM，pH＝4)定容为3mL的稳定体系，混合均匀。取46.5mg的PFLX溶于10mL的去离子水中，并稀释为不同梯度浓度的溶液，向稳定体系中滴加PFLX溶液，记录相应的荧光光谱。结果表明，随着PFLX的增加，BSA-AuNCs在669nm处发射峰的荧光强度逐渐降低并趋于稳定，Tb

S5：基于Web系统的培氟沙星定量检测，取70μL的BSA-AuNCs-GTP-Tb荧光探针于玻璃比色皿中，并采用HEPES缓冲溶液(10mM，pH＝4)定容为3mL的稳定体系，混合均匀。向其中滴加不同量的PFLX溶液，搅拌均匀，用智能手机相机功能拍取365nm紫外灯下的荧光图片，也可采用录像功能录取荧光变化，将视频截图作为待预测图片；

使用智能设备访问系统(http://127.0.0.1:8000，本地开发网址)，点击表单栏的Operation interface，跳转到浓度预测界面，Select File与Start Uploading按钮实现了图片的选择与上传，上传成功的图片信息可视化于Table组件中，点击PredictConcentration按钮实现浓度预测，预测结果将显示在Table组件的PredictConcentration Value(Unit:μM)列，用户可根据需求将前端界面显示的数据导出为指定格式的文件。基于Django框架的Web系统的开发，结合BSA-AuNCs-GTP-Tb荧光纳米探针，实现了对PFLX的快速、定量检测与批量化处理。

工作原理：合成的BSA-AuNCs-GTP-Tb荧光纳米探针与培氟沙星被检测物发生相互作用，培氟沙星敏化Tb

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。