DÉVELOPPEMENT D’UN OUTIL INFORMATIQUE POUR LES BIODÉTECTEURS BASÉS SUR LA RÉSONANCE DES PLASMONS DE SURFACE EN UTILISANT DES MÉTHODES HYBRIDES ET L’APPRENTISSAGE AUTOMATIQUE
Résonance des Plasmons de Surface, Biodétecteurs, Modélisation Mathématique, Analyse Hybride Spectro-Angulaire, Techniques de Lissage de Courbe, Apprentissage Automatique, Analyse Informatique.
Le biodétecteur optique basé sur la Résonance des Plasmons de Surface (SPR – Surface Plasmon Resonance) présente une haute sensibilité, ne nécessite pas de marqueurs, et sa construction multicouche permet une plus grande sélectivité vis-à-vis de l’analyte cible. Ces dispositifs sont largement utilisés dans des domaines tels que la santé, l’environnement, l’industrie agroalimentaire et l’agriculture. Un modèle mathématique et numérique a d’abord été développé avec trois couches (prisme, métal et milieu de détection), puis comparé à l’aide des méthodes de la matrice de transfert et des différences finies.
Un outil informatique a été développé à l’aide du MATLAB App Designer, permettant des simulations, l’importation de données expérimentales, la visualisation graphique en temps réel et l’exportation des résultats. L’application permet à l’utilisateur d’analyser différentes configurations du biodétecteur SPR via une interface intuitive et accessible. Parmi les principales avancées techniques mises en œuvre, on note : (i) l’intégration des modes d’analyse traditionnel et hybride (angle versus longueur d’onde) ; (ii) l’application de techniques avancées de lissage de courbes ; et (iii) l’utilisation d’algorithmes d’apprentissage automatique pour la prédiction de l’angle de résonance minimal, même en présence de données incomplètes. L’analyse hybride multidimensionnelle contribue à une optimisation plus robuste des paramètres du biodétecteur, avec une réduction significative du bruit spectral et une plus grande cohérence des résultats dans diverses conditions expérimentales. De plus, en enrichissant la structure multicouche avec différents composants chimiques, une augmentation de la sensibilité de 12,99% pour l’argent et de 16,59% pour l’or a été observée.
La comparaison entre les résultats obtenus avec les différentes techniques de lissage de courbes a montré que le filtre de Savitzky-Golay et le lissage par splines offraient les meilleures performances pour la réduction des bruits indésirables. Parmi les méthodes d’apprentissage automatique, la régression par processus gaussien (GPR) et les réseaux de neurones ont obtenu les meilleurs résultats sur des données incomplètes – situation courante dans les applications expérimentales où l’acquisition peut être limitée par le bruit ou des défaillances –, avec des valeurs de corrélation très élevées, de faibles écarts types et des erreurs absolues et quadratiques moyennes réduites.
Par conséquent, l’outil développé et les résultats obtenus démontrent le potentiel du système comme alternative viable pour l’analyse et l’optimisation des biodétecteurs SPR, apportant une contribution directe à leur progrès scientifique et technologique.
Enfin, l’assemblage d’une structure physique compacte et portable a été lancé, en vue de la génération d’une base de données.