引言
盐酸克伦特罗是一种β-肾上腺素能受体激动剂,在畜牧业中具有促生长作用,其残留可能存在于动物源性食品中,并通过膳食摄入进入人体(Shieh & Yang, 2022)。此类残留可能引起不良的心血管和神经系统效应,引发食品安全和公共卫生方面的担忧(Balram et al., 2024)。因此,许多地区(如中国、俄罗斯和欧盟)已引入严格的法规,以限制食品供应链中的盐酸克伦特罗残留(Liu, Zhang, et al., 2025; Zheng et al., 2023)。由于其较高的生物活性以及严格的最大残留限量要求,开发用于复杂食品基质中痕量盐酸克伦特罗检测的灵敏可靠方法仍是一项重要的分析挑战。
传统的盐酸克伦特罗分析方法,包括液相色谱-质谱联用、高效液相色谱和酶联免疫吸附测定(ELISA),具有较高的准确性和可靠性(Jung et al., 2022; Luo et al., 2024; Peng et al., 2021; Wang et al., 2022)。然而,这些方法通常需要昂贵的设备、熟练的操作人员或冗长的操作流程,限制了其快速现场应用(Ortiz-Chiliquinga et al., 2026)。相比之下,侧向层析免疫分析具有快速、低成本和便携的特点(Hu et al., 2023; Liu, Sun, et al., 2025; Parolo et al., 2020)。尽管具有上述优势,传统侧向层析免疫分析主要依赖单一的目视或灰度读出(Hu et al., 2017),容易受到信号波动和基质干扰的影响(Zhang et al., 2024)。
纳米酶工程的最新进展使得设计和调控具有可调结构与催化活性的纳米材料成为可能(Elagamy, Obaydo, et al., 2025; Sun, Chen, et al., 2026; Wang et al., 2025)。纳米酶类酶的活性及其高稳定性使其在生物传感领域具有广阔的应用前景(Deng et al., 2025; Dong et al., 2025; Jiao et al., 2026)。在众多纳米酶中,Au@Pt纳米酶表现出较强的类过氧化酶活性、优异的化学稳定性和宽带光学吸收特性(Guo et al., 2026; Wu et al., 2022)。其深色外观可通过在检测线(T线)上的积累实现直接的灰度读出(Wang et al., 2026),同时其光学吸收特性可通过内滤效应调谐邻近探针的荧光(Sun et al., 2025)。Au@Pt纳米酶还可在H2O2存在下催化3,3′,5,5′-四甲基联苯胺的氧化,生成蓝色的氧化型四甲基联苯胺,提供催化显色信号放大(Li et al., 2023)。所生成的氧化型四甲基联苯胺在近红外激光照射下还具有光热转换能力,产生额外的光热信号(Wu et al., 2026)。然而,目前大多数报道的基于纳米酶的检测系统仍依赖单一或双信号读出。开发能够集成多种信号读出模式的纳米酶平台仍是一个有待探索的领域(Cai et al., 2021; Sun, Qin, et al., 2026; Wang & Xianyu, 2023)。
尽管多信号传感平台能够提供更丰富的分析信息,但这些系统日益增长的复杂性也为数据分析和定量解释带来了挑战(Che et al., 2025; Lu et al., 2025)。传统的基于灰度值或单一颜色通道的分析方法可能导致信息丢失和定量准确性受限(J. Li et al., 2026; Liu et al., 2024; Sun et al., 2024)。机器学习提供了一种有效的方法来分析多维红绿蓝RGB数据并建立光学特征与分析物浓度之间的关系(Zhang et al., 2026)。通过从多种信号特征中提取信息,机器学习能够相较于传统的单通道分析提高定量解释的准确性(Yu et al., 2025)。此外,智能手机辅助的传感平台因其便携性和易获取性而在现场分析中引起了越来越多的关注(Elagamy, Fuente-Ballesteros, et al., 2025; N. Li et al., 2026)。智能手机摄像头可实现信号采集和图像分析,无需笨重的仪器或复杂的操作(Cao et al., 2024; Pei et al., 2026)。智能手机成像与机器学习辅助分析的结合,促进了快速可靠的检测,并拓展了多信号传感平台在复杂分析场景中的实际应用范围(Qiao et al., 2025; Xu et al., 2025)。
基于上述考量,本研究开发了一种基于Au@Pt纳米酶的四信号传感平台,结合机器学习辅助分析用于盐酸克伦特罗的检测。该平台提供了灰度、荧光、催化显色和光热读出方式。利用智能手机成像采集灰度、荧光和催化显色信号,而手持式红外测温仪用于光热测量。灰度和光热响应通过校准曲线进行定量,而机器学习辅助的RGB分析则实现了荧光和催化显色模式下浓度级别的分类与定量预测。该平台随后被应用于猪肉和猪尿样本中盐酸克伦特罗的定量分析。