基于机器学习辅助的Au@UiO-66-NH2电化学传感器,用于检测普遍存在的重金属离子

《Talanta》:Machine learning-assisted Au@UiO-66-NH2-based electrochemical sensor for detection of ubiquitous heavy metal ions

【字体: 大 中 小 】 时间:2026年07月01日 来源:Talanta 6.7

编辑推荐:

  Dong Sun|Haodong Wang|Jialong Zhang|Wenjing Wan|Yunjie Zhang|Yue Li|Yunwei Su|Jiangtao Yu|Feng Gao中国新疆南疆化学工程重点实验室,塔里木大学化学与化学工程学院,阿拉尔市,843300

  
Dong Sun|Haodong Wang|Jialong Zhang|Wenjing Wan|Yunjie Zhang|Yue Li|Yunwei Su|Jiangtao Yu|Feng Gao
中国新疆南疆化学工程重点实验室,塔里木大学化学与化学工程学院,阿拉尔市,843300

摘要

电化学检测被广泛用于重金属离子的监测。然而,复杂的溶液环境会阻碍对最佳检测条件的准确预测,从而导致较低的选择性。为解决这一问题,我们采用了机器学习技术来精准预测电流值。综合分析表明,Au@UiO-66-NH2纳米材料具有极高的灵敏度,其在电流预测方面的R2值为0.994。该材料对Cd2+、Pb2+、Cu2+、Hg2+有出色的检测性能,灵敏度可达11.5?μA?μM?1,线性检测范围为10?nM至5?μM,检测下限为12.7?nM。系统评估涵盖了多种重金属,包括对金掺杂的UiO-66的界面改性、信号放大以及微观结构调控。研究还分析了当地塔里木河和胡杨河实际样品中的重金属离子含量,并提出了相应的解决方案。这项工作推动了电化学传感平台的发展,增强了环境监测和公共健康保护能力。

引言

重金属污染是全球性的环境危机。其持久性、毒性以及生物累积效应对生态系统稳定性和公共健康安全构成了严重威胁[[1], [2], [3], [4]]。在此背景下,电化学检测技术因其高灵敏度、操作便捷性以及相对较低的成本,已成为环境重金属痕量分析的主流方法[[5], [6], [7], [8], [9]]。然而,传统的电化学传感器主要依赖“一种材料对应一种离子”的特定识别机制[[10], [11], [12], [13], [14]]。这就导致其检测目标极为单一(通常只能检测如Pb2+、Cd2+或Hg2+这样的单一离子),无法满足在复杂现实污染环境中检测多种共存重金属离子的分析需求。这一根本性限制凸显出当前技术发展中的一个核心矛盾:材料的固有选择识别能力与环境系统的复杂性(以多离子共存和基质干扰为特征)之间存在难以逾越的差距。
为克服上述检测物种的限制,近期研究开始致力于开发具有广谱响应特性的新型传感材料。已有一些重要进展:例如,某些特定的微纳结构材料被设计出来,能够同时检测水中的三种目标离子(检测下限分别为Pb2+:<70?μM,Hg2+:<60?μM,Cd2+:<30?μM)[15]。比如,陈的团队利用带有功能基团的复合材料,显著提升了其对特定离子对的协同吸附-电催化性能。赵的团队则开发出了能够同时识别多种离子的复合电极[16,17]。此外,通过缺陷工程精确调控纳米片的电子结构,以增强对Pb2+和Hg2+离子的差分脉冲伏安响应,也取得了良好效果[18]。尽管这些材料层面的创新有效地拓展了可检测离子的范围,但由于缺乏对传感界面处多离子共存所引发的复杂相互作用机制的理解,这一技术的进一步发展和实际应用可靠性仍受到限制。
具体而言,在多离子共存的体系中,竞争性吸附、耦合的界面电子转移动力学以及双电层结构扰动等复杂相互作用,会导致传感器响应信号呈现出强烈的非线性叠加特性,而非理想的线性叠加关系[[19], [20], [21]]。现有的研究策略大多依赖于经验性的试错优化,缺乏基于通用微观相互作用模型的支持[22,23]。这就导致了在受控实验室条件下获得的优异检测结果与实际环境样品检测结果之间存在较大差距。这种“优先追求材料迭代而非深入理解机理”的研究模式,严重阻碍了同步检测技术向实际应用和高精度检测方向的转化。为解决上述关键科学难题,本研究设计了创新的材料结构——具有双重协同增强效应的Au@UiO-66-NH2纳米复合传感界面。这种复合材料有效解决了传统电极材料在低pH条件下活性成分溶解和失活的常见问题。
另一项创新在于基于机器学习的信号解耦机制:本研究引入了机器学习策略,构建了一个多维度数据分析模型,该模型整合了离子种类及其浓度信息,以及来自关键环境参数的干扰因素。该模型采用了结合了反向传播人工神经网络和径向基函数人工神经网络优点的人工神经网络架构,深入分析了复杂系统中目标信号与环境干扰信号之间的耦合规律[[24], [25], [26]]。这项研究首次定量揭示了pH值及不同离子类型对最终电化学响应电流的差异化调节作用,进而预测并确定了最佳的检测工作条件,同时通过机器学习缩短了参数优化时间。在机器学习的辅助下,研究并非取代实验,而是帮助筛选出最佳的实验条件。基于此,研究建立了一个高精度的(R2?>?0.98)预测模型,该模型将“离子种类-环境pH值-响应电流”三者联系起来。该模型输出的最优操作参数(最优pH值=4.0,最优富集电位=-1.4?V)显著提升了四种离子(Cd2+、Pb2+、Cu2+、Hg2+)的同步检测性能,其检测性能相比优化前提升了22.4倍,有效解决了多离子共存检测中的信号干扰和区分问题。

章节节选

材料与试剂

所用所有化学试剂的纯度及来源如下:ZrCl4(纯度≥99.5%)、N,N-二甲基甲酰胺(DMF)(纯度≥99.5%)、HAuCl4(纯度≥99.9%)、K3[Fe(CN)6](纯度≥99.5%)、HgSO4(纯度99%)、Pb(NO3)2(纯度98%)、CdCl2(纯度99%)、CuSO4(纯度99%)、K2Cr2O7(纯度99.5%)以及Ni(NO3)2(纯度98%)均购自上海麦克林生化科技有限公司。而K4[Fe(CN)6](纯度≥99.5%)、KCl(纯度99.5%)、CH3COOH(纯度≥99.5%)以及C2H5OH则来自其他供应商。

材料表征

研究了所合成材料的形态结构。通过扫描电子显微镜观察发现(见图1a),UiO-66-NH2具有由众多细小颗粒构成的多孔三维结构,这些颗粒的平均尺寸约为26.9?nm(见图1a的插图)。这一特征与先前的文献报道一致,相应的透射电子显微镜图像也进一步证实了这一点(见图1b)。后续的形态学分析……

结论

在本研究中,我们成功合成了具有多个活性位点的高性能Au@UiO-66-NH2材料,并将其应用于常见重金属离子的电化学检测。实验结果表明,Au@UiO-66-NH2独特的结构表面为重金属离子的氧化还原反应提供了大量活性位点,从而促进了高效的界面相互作用。电化学表征显示,Au@UiO-66-NH2/GCE的电子转移速率较低……

CRediT作者贡献说明

Dong Sun:概念构思、数据整理、正式分析、实验研究、初稿撰写、审稿与编辑。 Haodong Wang:概念构思、数据整理、正式分析、研究指导、结果验证、可视化处理、审稿与编辑。 Jialong Zhang:概念构思、数据整理、正式分析、初稿撰写、审稿与编辑。 Wenjing Wan:概念构思、数据整理、初稿撰写、审稿与编辑。 Yunjie Zhang:

利益冲突声明

作者声明不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。

致谢

本研究得到了以下机构的财政支持:中国国家自然科学基金(项目编号22462031)、塔里木大学校长基金(项目编号TDZKBS202548和TDZKJQ202604)、天池人才项目(项目编号525314010)、胡杨人才奖——引进人才科研启动基金(博士层次)项目(项目编号TDZKBS202647),以及新疆生产建设兵团人才引进专项资助(项目编号525314014)。
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