基于机器学习辅助的自校准Au@Ade@Ag纳米粒子SERS平台,用于准确检测果蔬中的噻虫啶
《Food Control》:Machine learning-assisted self-calibrating Au@Ade@Ag NPs SERS platform for reliable detection of thiacloprid in fruits and vegetables
【字体:
大
中
小
】
时间:2026年07月05日
来源:Food Control 7.0
编辑推荐:
曾伟|刘东胤|唐雪梅|高欣|李继阳|李川|吴龙中国海南省海口市海南大学食品科学与工程学院,国家市场监督管理总局热带果蔬质量与安全重点实验室,邮编570228摘要表面增强拉曼散射技术是一种精确的分子振动光谱分析技术,被广泛用于快速定性定量检测有害物质。在此研究中,我们结合机器学习算
曾伟|刘东胤|唐雪梅|高欣|李继阳|李川|吴龙
中国海南省海口市海南大学食品科学与工程学院,国家市场监督管理总局热带果蔬质量与安全重点实验室,邮编570228
摘要
表面增强拉曼散射技术是一种精确的分子振动光谱分析技术,被广泛用于快速定性定量检测有害物质。在此研究中,我们结合机器学习算法与经过功能化处理的含腺嘌呤的金核银壳纳米粒子(Au@Ade@Ag NPs),提升了无标记检测噻虫嗪时的数据质量。这类核壳结构仅通过盐酸羟胺制备,从而减少了还原剂带来的背景干扰。电磁场模拟结果显示,纳米粒子聚集体中不同位置的电磁场增强效果存在差异。值得注意的是,腺嘌呤的内标信号(730?cm?1)能够显著降低由于SERS基底上热点分布不均而导致的组内差异(从25.2%降至10.3%)。在0?μM至20?μM的浓度范围内,经过校准后传统线性拟合的R2值从0.8518上升至0.9275。与未包含700–780?cm?1波段的所有光谱数据相比,24种机器学习回归模型中有16种的拟合效果得到改善,而仅有SVR-poly算法的拟合效果出现明显下降。7种算法的交叉验证R2值中最低为0.9590。基于其在低浓度下的优异表现、稳定性、可解释性以及预测速度,Extra Trees算法成为一种实用的分析选择。该SERS平台被应用于添加了噻虫嗪的桃子及白菜样本检测,其回收率在85.8%至103.5%之间,与高效液相色谱法的检测结果吻合度则在88.4%至112.5%之间。出色的分析性能和可靠的检测结果表明,这种基于机器学习的自校准Au@Ade@Ag NPs传感策略在检测桃子及白菜样本中的有害物质方面具有巨大潜力。
引言
表面增强拉曼散射技术是一种快速、无损、高度灵敏且具有独特特征的光谱分析技术,已被广泛应用于医学诊断(Lee等人,2024)、食品安全检测(Wu等人,2025;Zeng、Fu等人,2025)、生物传感器研究(Kim等人,2025)以及环境保护领域(Qiu等人,2025)。在定性定量SERS分析中,分子的拉曼信号增强是通过金属表面的局域表面等离子体共振或电荷转移实现的。而分子结构的改变(Lu等人,2024)、分子与基底之间的相互作用(Zeng、Tang等人,2025)以及基底上增强热点的均匀性都会导致光谱出现显著变化(Pan等人,2025)。由于实际复杂样品的定量精度较低、重复性较差、稳定性不足以及数据维度较高,SERS技术的应用往往受到限制(Dong等人,2024)。为解决这些问题,新型SERS基底的开发以及机器学习技术的应用成为了克服这些局限的有效途径。
目前,带有内标功能的核壳纳米材料基底以及周期性纳米结构阵列基底在现实应用中展现出巨大的潜力(Xu等人,2025)。周期性纳米结构阵列在基底结构和等离子体特性方面具有更高的均匀性,但其制备成本相对较高。核壳纳米材料则是设计SERS基底内标的理想选择,因为其纳米结构能够分别为内标和目标分子提供拉曼增强效应,且两者之间不会相互干扰(Liu等人,2020;Shen等人,2015)。例如,Shen等人报道了层状三重结构的金-银-碳核壳纳米粒子,可用于多靶标超高灵敏度的生物分子检测(Shen等人,2010)。他们通过柠檬酸钠水热法在金纳米粒子表面生长银壳,并加入4-巯基苯甲酸作为拉曼信号标记,再经过高温碳包覆处理,得到了Au@Ag@4-MBA纳米粒子。由于难以精确控制柠檬酸钠加热反应,采用温和的抗坏血酸还原法来制备银壳已越来越被广泛接受。例如,Liu等人利用抗坏血酸和十六烷基三甲基溴化铵在30°C下制备出了尺寸均匀且结构可调控的核壳结构银包金纳米棒(Au@Ag NRs)(Liu等人,2024)。还原剂和稳定剂在纳米粒子表面的吸附会产生强烈的SERS背景信号,从而影响那些吸附能力较弱的分析物的无标记检测(Zhang等人,2022)。Ca?amares等人研究了四种不同类型的银纳米粒子的SERS性能,发现那些通过盐酸羟胺还原法制备的纳米粒子具有最干净的拉曼光谱背景(Ca?amares等人,2008)。然而,目前大多数制备Au@Ag纳米粒子的方法都依赖于抗坏血酸还原法,而通过盐酸羟胺还原法制备出尺寸均匀的Au@Ag纳米粒子仍然面临挑战,因为在碱性条件下盐酸羟胺的反应速度过快。
机器学习技术能够捕捉到微小的SERS光谱变化,从而实现对不同类型和浓度分子的定性定量分析(Masson等人,2023)。根据功能不同,机器学习算法大致可分为四类:分类算法、回归算法、聚类算法以及降维算法,常见的算法包括支持向量机(SVM)(Tan等人,2019)、k最近邻算法(KNN)(Olenik等人,2024)、决策树算法(DT)(Kang等人,2021)、卷积神经网络算法(CNN)(Liu等人,2025)、K均值算法(Yi等人,2024)以及主成分分析算法(PCA)(Garg等人,2024)等。基于机器学习的方法非常适合处理来自单分子SERS实验的大量复杂光谱数据,可通过训练识别光谱中的特征,并为分析物赋予对应的标签。将机器学习技术应用于SERS分析及检测的数据处理已成为一种必然趋势。
我们采用盐酸羟胺法制备了含有腺嘌呤的金核银壳纳米粒子SERS基底,用于检测不同浓度的噻虫嗪(见图1)。通过控制AgNO3的用量,可以调节银壳的厚度,从而获得良好的SERS增强效果以及在400?μL浓度下稳定的内标信号,而且通过电磁场模拟也验证了该基底的增强效果。随后,我们研究了基底浓度、pH值以及培养时间对SERS光谱的影响,以确定最优实验参数。在默认配置下,我们使用了24种传统算法对不同浓度噻虫嗪的SERS光谱数据进行回归分析,结果发现Extra Trees算法在0?μM至20?μM的浓度范围内具有较高的交叉验证R2值(0.9910)。鉴于其在低浓度下的优异表现、稳定性、可解释性以及预测速度,Extra Trees算法成为一种实用的分析选择。与高效液相色谱法相比,该方法检测桃子及白菜样本中噻虫嗪的结果吻合度在88.4%至112.5%之间。这项研究为基于Au@Ade@Ag NPs基底检测噻虫嗪提供了一种快速、灵敏且可靠的方法,同时也为分析桃子及白菜样本中的其他微量农药提供了良好前景。
章节节选
化学品与材料
硝酸银(AgNO3,纯度≥99.8%)购自中国海口的海口尚和生物技术有限公司。三水合三氯化金(HAuCl4·3H2O,纯度99.9%)、盐酸羟胺(纯度≥98.5%)、4-巯基苯甲酸(4-MBA,纯度95%)、腺嘌呤(纯度99%)、吡虫啉(纯度98.5%)、噻虫嗪(纯度98.0%)以及乙酰甲胺磷(纯度99%)均购自中国上海的Macklin公司。氢氧化钠(纯度≥96.0%)则购自中国广州的西龙科技有限公司。芬硫磷(纯度98.2%)则来自TMRM Quality公司。
Au@Ade@Ag NPs的合成与表征
如图2A所示,在碱性条件下,仅使用盐酸羟胺即可实现金纳米粒子表面银壳的还原。通过紫外-可见光谱、粒径测定、Zeta电位分析以及透射电子显微镜观察,证实了核壳结构纳米材料的成功制备。如图2B所示,与普通金纳米粒子的紫外-可见光谱相比,含有腺嘌呤的金纳米粒子在537?nm处的吸收强度降低,而在800?nm处的吸收强度则上升。这种现象可能是由于
结论
在本研究中,我们提出了一种基于Extra Trees算法的、带有腺嘌呤内标的核壳结构银包金纳米粒子SERS检测平台,可用于准确检测桃子及白菜样本中的噻虫嗪。通过盐酸羟胺还原法制备的核壳纳米材料具有形态均匀、可调、光谱背景低以及极高的SERS活性。电磁场分析结果表明,Au@Ade@Ag NPs能够产生大量SERS热点。
CRediT作者贡献说明
曾伟:概念设计、理论分析、实验研究、方法设计。 刘东胤:理论分析、论文初稿撰写。 唐雪梅:概念设计、理论分析、实验研究、方法设计、论文初稿撰写。 高欣:理论分析、方法设计。 李继阳:软件应用。 李川:资源提供、实验指导。 吴龙:资金筹集、资源保障、实验指导、论文审阅与修改。
利益冲突声明
作者声明不存在任何可能影响本研究结果的已知财务利益关系或个人关系。
致谢
本研究得到了以下机构的支持:中国国家自然科学基金(项目编号:42388101、32360622)、海南省院士创新平台专项研究基金(项目编号:YSPTZX202152)、国家市场监督管理总局热带果蔬质量与安全重点实验室(项目编号:KF-2025001)、中国博士后科学基金会(项目编号:2024M760311)以及海南省研究生创新科研项目(项目编号:Hyb2025-74)。
生物通微信公众号
生物通新浪微博
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