“通常合成理想的荧光染料需要合成一系列相近分子库或采取复杂的理论计算去构建染料,这一过程往往耗费着研究人员宝贵的时间金钱成本。伴随着人工智能的快速发展,机器学习的引入极大助力了科研的发展。得益于该启发,我们建立了呫吨染料数据库,通过数据分析、模型筛选,建立机器学习模型,构建了高效理性的染料设计工具,从而高效简化了合成工作量。此外,我们还引入外部染料数据、与实验室合成的染料进行模型评估,都验证了机器学习模型的良好精确性。”向飞帆表示。向飞帆师从四川大学李坤教授,上述研究已经发表在《Advanced Materials》上。
四川大学李坤教授团队系统性总结现有的呫吨类荧光染料,率先提出利用机器学习模型高效理性地设计具有精准 pH 响应的荧光团的策略。通过该策略,可以实现对荧光染料的理性设计与精准性质预测,并且在此基础上,利用肿瘤组织中过表达的组织蛋白酶构建双锁响应的荧光探针,针对包括原位肝癌在内的多种复杂肿瘤模型实现了病灶组织的精准、免洗和快速成像。该研究将为后续高性能荧光探针设计提供理性的指导,并为其后续开发和临床应用提供宝贵的参照。
还剩1页未读,是否继续阅读?
HORIBA(中国)为您提供《荧光光谱+荧光探针+精准医疗》,该方案主要用于癌细胞/肿瘤细胞中精准医疗检测,参考标准--,《荧光光谱+荧光探针+精准医疗》用到的仪器有HORIBA Duetta荧光及吸收光谱仪