Análise multivariada de sinais SERS para a detecção de moléculas sobre nanocompósito de tetraóxido de tricobalto e nanopartículas de prata
Tipo
Dissertação
Data de publicação
2024-02-20
Periódico
Citações (Scopus)
Autores
Tieppo, Kamila
Orientador
Matos, Christiano José Santiago de
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Maroneze, Camila Marchetti
López, Mónica Benicia Mamián
López, Mónica Benicia Mamián
Programa
Engenharia de Materiais e Nanotecnologia
Resumo
Diagnosticar doenças precocemente resulta em uma probabilidade maior de sucesso no tratamento e em prognósticos positivos, no entanto, envolve também a detecção de ana litos em baixa concentração e o uso de ensaios demorados para detectar analitos ligados a uma doença específica. Por outro lado, métodos aplicados em laboratórios de pesquisa, como a espectroscopia Raman intensificada por superfície (ou SERS), são ultra-sensíveis, altamente seletivos e podem detectar instantaneamente a presença de um ou mais analitos diferentes. A espectroscopia SERS se baseia na interação entre o analito e uma superfície, que normalmente consiste em nanopartículas metálicas. Consequentemente, a eficiência do SERS é diretamente dependente da superfície, e selecionar os materiais que a constituem e sintetizá-los tornam-se etapas cruciais para obtenção de sinais magnificados e reprodutíveis. As nanopartículas de prata (AgNPs) têm sido amplamente aplicadas como constituintes de plataformas SERS e, ao combiná-las a materiais bidimensionais (2D), resultam em nanocompósitos com propriedades plasmônicas superiores às dos materiais isolados. Além disso, os materiais 2D podem atuar como suporte para as AgNPs e estabilizá-las durante o processo de síntese. Ainda assim, apesar da obtenção de substratos SERS eficientes e baseados no nanocompósito, ao aplicá-los para a detecção de analitos em amostras complexas, a extração das informações do sinal SERS, correspondentes a cada analito, se torna um processo complexo também. Uma maneira de lidar com tal complexidade é implementar modelos de Machine Learning para análise multivariada dos sinais. O modelo aprende com base na similaridade dos sinais e pode relacioná-los a analitos específicos. A Análise de Componentes Principais (ou PCA) é um dos métodos de análise multivariada e, portanto, uma alternativa de aumentar a interpretabilidade e reduzir a complexidade de um conjunto de sinais SERS, preservando o máximo de informações estatísticas do sinal original. Em vista disso, este trabalho dispõe os resultados da (i) síntese de um nanocompósito baseado em óxido de cobalto (Co3O4) e AgNPs, por meio de uma rota de síntese interfacial, em que o nanocompósito se forma em uma interface água/tolueno; (ii) obtenção dos substratos SERS ao pescar o nanocompósito da interface com um substrato de Si/SiO2; e (iii) implementação de um modelo de análise multivariada dos sinais SERS baseado no PCA, para detecção e classificação de soluções de moléculas-modelo, como a rodamina 6G e o azul de metileno, de concentração 1×10−4 mol L−1 . Em (iii), as moléculas-modelo foram analisadas individualmente ou misturadas entre si e, no caso das misturas, foram preparadas em proporções de 1:1, 1:2 e 1:3 (v/v, R6G:MB). Ao alcançar (i)-(iii), medidas SERS estarão mais próximas da aplicação final, não somente difundidas no ambiente de pesquisa, e o modelo poderá ser aplicado na detecção de analitos reais.
Descrição
Palavras-chave
análise de componentes principais , detecção multianalito , espectroscopia raman intensificada por superfície , nanocompósito