به گزارش پایگاه خبری راد، در این طرح، از یک سامانه یادگیری ماشین به منظور پیشبینی میزان نیترات در نمونههای مایع استفاده شده است. این سامانه، غلظت نیترات در نمونهها در حد میکرومولار را با توجه به شرایط نگهداری آنزیم تثبیتشده بر روی الکترود به همراه ویژگیهای الکتروشیمیایی و طیفسنجی نمونه پیشبینی میکند.
ویژگیهای الکتروشیمیایی، طیفسنجی و کارکردی به ترتیب شامل نتایج ولتامتری چرخهای در یک سامانه سه الکترودی، جذب طیفی در بازه ۱۵۰ تا ۱۰۰۰ نانومتر و دما و مدتزمان نگهداری الکترود/آنزیم آمادهشده است. نتایج نشان میدهد که بیوسنسور قابل حمل ارائه شده قابلیت استفاده تا ۱۰ روز پس از آمادهسازی الکترود/آنزیم و پیشبینی غلظت نیترات در بیش از ۳۰۰ نمونه را دارد.
این طرح که به عنوان رساله دوره دکتری توسط کیوان آصفپور وکیلیان با راهنمایی دکتر جعفر مساح در گروه فنی کشاورزی انجام شد، میتواند غلظت نیترات در نمونهها را بدون نیاز به آمادهسازی الکترود در هر آزمایش با دقت مناسبی پیشبینی کند.
نتایج ساخت و ارزیابی این بیوسنسور در مجلات IEEE Sensors Journal از انتشارات IEEE و Chemometrics and Intelligent Laboratory Systems و Biosystems Engineering از انتشارات Elsevier منتشر شده است. این رساله در بیست و هفتمین جشنواره پژوهش دانشگاه تهران به عنوان رساله نمونه مقطع دکتری شناخته شد و مورد تقدیر قرار گرفت.
بر اساس اعلام وزارت علوم، بخشی از این رساله با حمایت مالی پارک علم و فناوری دانشگاه تهران به انجام رسیده است.