一种基于神经网络的双模定向传感器阵列,用于含硫金属盐的高通量检测

《Microchemical Journal》:A neural network enabled dual-mode directional sensor Array for Sulfur-containing metal salts high-throughput detection

【字体: 大 中 小 】 时间:2026年07月10日 来源:Microchemical Journal 5.2

编辑推荐:

  Ning Xu|Wenjuan Zhang|Qi Min|Yupeng Wang|Fenghe Wang|Xuming Zhuang•研究团队构建了一种双模式(比色/荧光)传感器阵列。•基于三色发光碳点的传感器阵列能够检测不同的硫化合物比例。•通过Transformer模型可实现

  
Ning Xu|Wenjuan Zhang|Qi Min|Yupeng Wang|Fenghe Wang|Xuming Zhuang
  • •
    研究团队构建了一种双模式(比色/荧光)传感器阵列。
  • •
    基于三色发光碳点的传感器阵列能够检测不同的硫化合物比例。
  • •
    通过Transformer模型可实现硫化合物的自动分类与反向预测。
  • •
    该传感器的盲测准确率可接近100%,线性检测范围为0.5–100?μM。

引言

硫在农业土壤、水系统以及食品中普遍存在,其转化过程与生态营养循环、有毒物质解毒等生化反应密切相关。硫的价态通常在-2到+6之间,而含硫金属盐在日常生活中十分常见,比如硫化物、亚硫酸盐、硫代硫酸盐、过硫酸盐和硫酸盐,这些物质广泛存在于食品加工、农业应用以及环境水体中[2]。过量摄入这类硫化合物可能引发健康问题与环境危害,如阿尔茨海默病、糖尿病、肝硬化、癌症以及唐氏综合征等。因此,对于结构相似的硫化合物在复杂样品中的精准区分与测定,对于食品安全监测和农业环境评估而言至关重要[3]。传统的检测方法,如离子色谱法以及单一分析物的比色/分光光度法,虽然能够有效量化已知的硫化合物,但通常需要预先设定的标准品、校准模型或保留时间信息。Miura等人报道了硫化合物混合物的稳定化处理及离子对色谱分离技术,证明了色谱方法在针对已知无机硫化合物进行分析方面的应用潜力[4]。不过这类方法往往依赖于保留时间、参考标准品、校准曲线以及专家对色谱图谱的分析。在比色或分光光度检测方面,Liang等人开发了一种用于检测过硫酸盐的快速分光光度法[5],而Dong等人则设计了一种基于银纳米粒子的比色检测平台,可通过智能手机辅助完成硫代硫酸盐的检测[6]。尽管这些方法具有快速、灵敏且适用于特定目标物的优点,但其识别机制仍依赖于对分析物及其与检测系统之间化学反应的先验认知。
为解决上述问题,我们采用了名为Transformer的神经网络架构,这是一种基于自注意力机制的序列建模方法,在计算机视觉任务中能显著提升性能。因此,结合主成分分析的自动化机器学习传感器阵列不仅能同时检测多种结构与性质相似的目标物,还能借助数据库信息进行反向推导[7]。不过这类方法仍存在一些局限性。大多数传感器阵列都是通过检测紫外线吸收强度或荧光强度的变化来工作的,而这一过程容易受到多种因素的影响而产生误差。为解决这些问题,我们进一步结合了比色检测与荧光检测的优势,构建了双模式传感器阵列分析系统。双模式传感器阵列可通过自我校准降低荧光强度的波动,从而提升实际应用中的分析精度。此外,选择合适的检测材料对于构建高效的污染物检测系统极为重要。目前,包括碳点在内的各类量子点以及纳米团簇已被广泛用于双发射传感器的研发中[8]。其中,碳点因其强烈的荧光强度、优异的光稳定性以及易于功能化等特性,被视为极具潜力的荧光指示剂,Zhao等人已经对其进行了详尽的研究[9]、[10]。
本研究成功开发了一种基于三色发光碳点(红、绿、蓝)的比色与荧光双模式传感器阵列,并结合Transformer技术,无需预先信息即可精准识别硫化合物,突破了传统单一光学传感器阵列的局限。该传感器阵列将三色发光碳点的物理化学特性与基于Transformer的机器学习策略相结合。利用不同硫化合物与碳点之间的协同作用及位阻效应,添加不同种类硫化合物前后比色强度与荧光强度的变化成为关键的检测指标[2]、[11]、[12]、[13]。结合主成分分析后,该自动化传感器阵列系统能够同时区分结构相似的分析物,并通过数据库辅助实现追溯性识别[14]。仅需三种碳点作为检测元件,即可同时准确识别并定量1至5种硫化合物的不同比例。该方法还可直接应用于实际样品中硫化合物混合物的检测,无需添加标准样或进行回收实验。通过双信号自我校准,该策略提升了检测的可靠性,为监测食品、农业及环境样品中的硫相关污染物提供了高效的分析平台,有助于开展食品安全评估与环境风险评价。

章节摘要

多色发光碳点的制备

多色发光碳点的合成方法如图1A所示,详细制备流程见补充材料。我们所使用的材料与设备信息也均在补充材料中有所介绍。

基于阵列的传感器实验流程

如图1B-D所示,比色传感器实验的具体步骤如下:首先加入30?μL的发光碳点,再加入浓度相同的30?μL各种硫化合物(Na2S、Na2SO3、Na2S2O3、Na2S2O8和Na2SO4)。随后加入400?μL浓度为0.1?M、pH值为4.0的乙酸-醋酸钠缓冲液,再加入30?μL浓度为1?M的过氧化氢,最后加入10?μL

发光碳点的表征及其基本光学性质

图S1A-C显示,我们所合成的发光碳点在溶剂中分布均匀,没有出现明显聚集现象。这三种碳点(红、绿、蓝)的平均粒径分别约为6.3、5.5和3.4纳米,大小顺序为红光碳点>绿光碳点>蓝光碳点。透射电子显微镜分析结果与从蓝光碳点到绿光碳点再到红光碳点的发射光谱红移现象一致,这一现象可能源于尺寸依赖性的量子限域效应。此外,该分析还揭示了这些碳点的晶格间距情况

结论

总体而言,本研究开发了一种基于三色发光碳点的紫外-可见吸收光谱与荧光响应的新型传感器阵列,可用于硫化合物的识别。该系统能够精准区分五种硫化合物,检测下限可达0.5?μM。同时,该系统还具备单独测定各分析物浓度以及区分混合物的能力,进一步验证了其多功能性。尤其值得注意的是,该检测平台能够实现硫化合物的精准识别

CRediT作者贡献说明

Ning Xu:论文撰写——初稿撰写、方法设计、正式分析、数据整理、概念构思。Wenjuan Zhang:正式分析、数据整理。Qi Min:数据整理、概念构思。Yupeng Wang:论文撰写——初稿撰写、正式分析、数据整理。Fenghe Wang:论文撰写——审稿与编辑、资源筹备、项目管理、实验实施、概念构思。Xuming Zhuang:论文撰写——审稿与编辑、资源筹备、实验实施、资金申请。

未引用参考文献

[1], [16], [17]

致谢

本研究得到了中国国家重点研发计划(编号:2023YFC3904101)的支持;同时还获得了泰山产业专家计划(编号:tscx.202408047)以及山东省自然科学基金(编号:ZR2023MB047、ZR2021MB024)的资助。
相关新闻
生物通微信公众号
微信
新浪微博

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