综述:用于食品安全的混合型CQD传感器:MOF/MIP复合材料、人工智能集成以及实时光谱性能分析

《Talanta》:Hybrid CQD sensors for food safety: MOF/MIP composites, AI integration, and real-matrix performance

【字体: 大 中 小 】 时间:2026年06月30日 来源:Talanta 6.7

编辑推荐:

  Elyor Berdimurodov|Bakhtiyor Borikhonov|Khasan Berdimuradov|Nodirjon Tursunov|Bobirmirzo Khasanov|Fotima Sobirova|Alisher Ishankulov|Kamila

  
Elyor Berdimurodov|Bakhtiyor Borikhonov|Khasan Berdimuradov|Nodirjon Tursunov|Bobirmirzo Khasanov|Fotima Sobirova|Alisher Ishankulov|Kamila Rashidova|Valentine Chikaodili Anadebe|Natarajan Elangovan|Rasulbek Eshmetov|Mansur Radjabov
乌兹别克斯坦国立大学化学系,塔什干,100034,乌兹别克斯坦

摘要

碳量子点因其可调的光学性质、高稳定性、低毒性以及多样的表面化学特性,已成为用于食品安全监测的极具前景的发光纳米材料。本综述重点探讨了基于碳量子点的传感平台的最新进展,尤其是那些结合了金属-有机框架和分子印迹聚合物的混合结构。这类混合系统显著提升了分析物的富集能力、分子识别能力、灵敏度以及选择性,从而能够检测复杂食品基质中的重金属、农药、兽药、食品添加剂、掺假物、病原体以及腐败指标。文中还讨论了包括荧光共振能量转移、光诱导电子转移、内滤效应以及比率荧光策略在内的传感机制。同时,重点分析了这类传感器在真实食品样品中的性能,包括验证研究、基质效应以及与稳定性、重复性和大规模应用相关的实际限制。此外,综述还探讨了人工智能和机器学习在光谱分析、基质效应补偿、多分析物区分以及基于智能手机的传感平台方面的新兴作用。最后,对当前面临的挑战、未来的机遇以及迈向便携式、智能型、可现场使用的食品安全监测系统的路径进行了深入分析。研究表明,碳量子点-金属-有机框架和碳量子点-分子印迹聚合物混合传感器代表了下一代食品安全技术的发展方向,它们兼具出色的分析性能和数字化智能功能。

引言

在全球供应链中确保食品安全仍是一项重大的分析挑战,因为重金属、农药和兽药残留、合成染料、微生物病原体以及与腐败相关的代谢物等污染会直接威胁公众健康和商品价值[1,2]。传统的实验室分析技术(色谱法、质谱法和免疫分析法)虽然准确度很高,但通常依赖仪器、速度较慢,且不适合实时或现场检测,这就凸显出需要开发便携、快速且成本低廉的传感平台,以便在复杂的食品基质中实现可靠检测[[3], [4], [5]]。
碳量子点由于其强烈的发光性能、水溶性、低毒性、表面可调控性以及与多种识别元素的良好兼容性,已成为用于食品安全检测的最具多功能性的纳米材料之一[6,7]。它们的应用范围涵盖多种类型的污染物:重金属,如Pb2+、Hg2+和Cu2+(通过荧光淬灭/比率荧光机制检测)[[8], [9], [10]】;农药和兽药(通过分子印迹聚合物或荧光共振能量转移机制检测)[11,12];染料和掺假物,包括酒石黄、姜黄素、三聚氰胺和胭脂红[[13], [14], [15]】;病原菌(通过适配体或免疫分析法辅助的碳量子点检测)[[16], [17], [18]】;以及腐败指标,如胺类、挥发性有机物、亚硝酸盐、硫化合物和酚类[19,20]。这些研究充分展示了碳量子点在复杂食品环境中的广泛应用潜力、快速的光学响应以及高灵敏度。然而,尽管具有这些优势,基于碳量子点的传感器的实际应用仍面临诸多限制,包括基质干扰、内在选择性不足、共存物质导致的荧光淬灭现象,以及在真实食品样品中保持稳定性、重复性和准确性的困难。正是这些挑战促使人们将碳量子点整合到混合结构中,以提升识别能力、预富集能力和信号放大能力。其中两种混合策略表现尤为突出。
  • (i)
    碳量子点-金属-有机框架复合材料:金属-有机框架具有高孔隙率、可调控的化学性质以及强大的吸附/固定能力,有助于提高分析物的富集程度和信号强度。许多研究指出,借助金属-有机框架的约束效应、能量传递途径以及多模式读出功能,其在检测重金属[[21], [22], [23]】、农药[[24], [25], [26]】、染料[[27], [28], [29]】以及腐败指标方面取得了显著进步。
  • (ii)
    碳量子点-分子印迹聚合物复合材料:分子印迹聚合物能够针对特定污染物展现出类似抗体的选择性。值得注意的是,碳量子点-分子印迹聚合物传感器在检测抗生素(如四环素和磺胺嘧啶)[30,31]、农药(如吲虫威、λ-氯氰菊酯和马拉硫磷)[11,12,32]以及合成染料或掺假物[28]方面表现出极高的选择性,因此在复杂食品基质中具有很大应用潜力,因为在这些环境中非特异性吸附往往会影响检测的准确性。
除了材料工程之外,人工智能和机器学习正在通过实现光谱解混、基质效应校正、多变量校准、异常检测以及多分析物区分等功能,重塑光学传感领域。此外,基于智能手机的光谱分析技术和物联网支持的传感设备的不断发展,进一步提升了人工智能增强型碳量子点传感器在现场、用户友好型数字食品安全监测中的应用前景[7,33,34]。这些进展为本文提供了有力依据,本文将对碳量子点-金属-有机框架和碳量子点-分子印迹聚合物混合传感系统进行深入分析,并探讨人工智能技术的整合以及在实际基质中的验证如何推动基于碳量子点的食品安全检测技术从实验室工具向实用的可部署技术转变。

章节节选

碳量子点在传感应用中的基本原理

碳量子点是一种尺寸极小(小于10纳米)的碳基纳米结构,它具有独特的结构和光学特性,这使得它们非常适合用于快速的食品安全检测。其sp2/sp3杂化的碳核以及富含氧、氮、硫或硼的表面基团,使其具备强烈的、可调控的发光性能、良好的水溶性以及出色的光稳定性。这些特性,再加上易于进行杂原子掺杂的优势,进一步提升了碳量子点的量子特性

碳量子点混合架构

将碳量子点与金属-有机框架、分子印迹聚合物、纳米酶以及半导体纳米结构等先进材料相结合的混合架构,已成为克服单独使用碳量子点所存在固有局限性的有效策略。虽然碳量子点具有较强的发光性能和可调节的表面化学性质,但在真实的食品体系中,其传感性能可能会受到基质干扰、选择性不足以及分析物富集能力不够的限制[[62], [63], [64]]。混合系统通过将这些不同材料相结合,有效解决了这些问题

在食品安全领域的分析应用

无论是作为独立的荧光纳米材料使用,还是集成在金属-有机框架、分子印迹聚合物、纳米酶以及半导体异质结构等混合构造中,碳量子点在食品安全监测方面都展现出了极高的 versatility。其可调控的发光性能、丰富的表面功能,以及与荧光共振能量转移、光物理探针检测和内滤效应等检测机制的兼容性,使得它们能够灵敏地检测多种污染物,包括重金属、农药、兽药、食品染料、掺假物等

人工智能与机器学习的整合应用

将人工智能和机器学习技术与基于碳量子点的传感器相结合,代表着分析手段从传统的荧光测量向自动化、数据驱动的食品安全诊断的迈进。碳量子点传感器能够产生丰富的光谱信号,这些信号往往包含多维且非线性的数据,同时对微小的分子相互作用具有极高的敏感度,这通常超出了单纯基于强度的分析方法的解读能力。诸如主成分分析、支持向量机之类的机器学习算法

在实际基质中的性能表现及现实障碍

将基于碳量子点的传感器从受控的实验室环境应用到真实的食品体系中面临着诸多挑战,因为食品基质具有复杂且多样化的特性。蛋白质、脂肪、多糖、酚类物质、色素、维生素以及无机盐等成分,都可能通过荧光淬灭、散射、pH值变化、粘度影响以及争夺表面结合位点等方式,对碳量子点的荧光信号产生强烈干扰[[112], [113], [114]]。这类由基质引起的信号扭曲现象

未来展望与发展方向

基于碳量子点的食品安全传感技术越来越依赖于将碳量子点与高度有序且功能多样的材料相结合的先进混合架构。已有的一些系统已经展示了这类混合结构的巨大潜力:例如BNCDs@Tb-MOF[21]、CQDs@ZIF-8[22]、CDs@Eu-MOFs[23]这类碳量子点-金属-有机框架复合材料,以及用于检测超微量Hg2+的基于金属-有机框架的半导体异质结构[68,69],都证明了约束效应、高孔隙率以及催化位点如何进一步提升检测的灵敏度

关键问题讨论

尽管碳量子点-金属-有机框架和碳量子点-分子印迹聚合物混合传感器在分析性能上表现优异,但它们从实验室研究走向在食品工业中的常规应用仍然面临诸多限制。虽然碳量子点-金属-有机框架复合材料具有较高的表面积、良好的分析物富集能力和信号放大效果,而碳量子点-分子印迹聚合物系统则具备出色的分子选择性,但仍有不少现实障碍阻碍着它们的大规模应用。首先,食品基质极为复杂,含有蛋白质、脂质等成分

结论

基于碳量子点的传感器凭借其可调控的光物理性质、多样的识别途径以及与多种污染物的良好兼容性,展现了在变革食品安全监测领域方面的巨大潜力。从单纯的碳量子点发展到先进的混合架构,尤其是基于金属-有机框架和分子印迹聚合物的复合材料,有效地解决了选择性、灵敏度、稳定性以及基质干扰等方面的关键问题。正如在多种污染物检测中所展现的那样

CRediT作者贡献说明

Elyor Berdimurodov:概念构思、正式分析、方法设计、项目管理、软件应用、初稿撰写、审稿与编辑。 Bakhtiyor Borikhonov:实验研究、方法设计、项目管理、审稿与编辑。 Khasan Berdimuradov:方法设计、项目管理、资源协调、数据可视化、初稿撰写、审稿与编辑。 Nodirjon Tursunov:实验研究、方法设计、项目管理、资源协调。 Bobirmirzo Khasanov:

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。

致谢

作者衷心感谢乌兹别克斯坦共和国高等教育、科学和创新部下属的创新发展机构通过编号为AL-9825035960-son的研究项目所提供的支持。同时,作者也深深感激米尔佐·乌卢格贝克乌兹别克斯坦国立大学为顺利完成这项研究而提供的科研设施和良好的学术环境。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号