[发明专利]全细胞生物传感器阵列及其应用

权利要求书

1.全细胞生物传感器阵列，其特征在于，包括96孔板，所述96孔板上放置有14种全细胞生物传感器，每种全细胞生物传感器的数量为3-4个，每种全细胞生物传感器包括：

宿主细胞；

重组载体，其位于所述宿主细胞内，所述重组载体包括载体以及插入所述载体内的启动子，其中，

所述14种全细胞生物传感器内的启动子分别是recAp、dnaKp、grpEp、katGp、fabAp、yibTp、soxSp、glgSp、oxyRp、uvrAp、ompFp、spyp、pspAp和leuAp。

2.根据权利要求1所述的全细胞传感器阵列，其特征在于，所述宿主细胞为大肠杆菌。

3.根据权利要求2所述的全细胞传感器阵列，其特征在于，所述重组载体为质粒。

4.根据权利要求3所述的全细胞传感器阵列，其特征在于，所述质粒为含Photorhabdusluminescens荧光素酶操纵子luxCDABE和带有氨苄青霉素抗性的质粒pGEN-luxCDABE。

5.根据权利要求1-4任一项所述的全细胞传感器阵列的构建方法，其特征在于，包括以下步骤：

S1、获取宿主细胞与重组载体，采用转化法将所述重组载体转化进入所述宿主细胞内，获取14种全细胞传感器；

S2、将每种全细胞传感器制成海藻酸钙凝胶微球，然后放置到96孔板上，每种全细胞传感器的数量为3-4个，获得全细胞传感器阵列。

6.根据权利要求1-4所述的全细胞传感器阵列的检测方法，其特征在于，包括以下步骤：

Sa、将检测样品以及全细胞传感器阵列放置在密闭铝盒内，在室温条件下，无接触地监测检测样品的顶空有机挥发物；

Sb、每隔1h，用多波长酶标仪测量一次全细胞生物传感器阵列的响应数据，然后重新密闭铝盒内，继续用于顶空有机挥发物的监测分析，共连续监测6h；

Sc、重复步骤Sa-Sb至少30次，整理数据为120行×70列的数据矩阵；

Sd、用R语言的caret机器学习分析包分别使用随机森林、支持向量机线性核函数、支持向量机径向基核函数、稀疏偏最小二乘判别分析、高维数据判别分析等多种机器学习模型函数构建机器学习模型，筛选出最高准确度的模型进行特征值筛选优化，最终建立高准确度的分类模型。

7.根据权利要求1-4任意项所述的全细胞传感器阵列在检测花生前期霉变中的应用。

8.根据权利要求1-4任意项所述的全细胞传感器阵列在检测玉米前期霉变中的应用。