手性分层多孔ZIF-8/金@银双锥结构与深度学习相结合，用于超灵敏检测和区分混合农药残留

《Microchemical Journal》：Chiral hierarchical porous ZIF-8/au@ag bipyramids integrated with deep learning for ultrasensitive detection and discrimination of mixed pesticide residues

　　钱倩倩|敬晓宇|青阳|孙大文|蒲洪斌
华南理工大学食品科学与工程学院，广州510641，中国

**摘要**
复合农药的广泛使用引发了人们对食品中混合农药残留的日益关注，这对快速可靠的检测提出了重大挑战。本文通过将手性纳米结构基底与深度学习相结合，开发了一种智能表面增强拉曼光谱（SERS）平台，用于多重农药分析。采用L-组氨酸作为孔隙扩张剂，制备了层状多孔手性ZIF-8（HPZ），并将其与L-半胱氨酸引导的Au@Ag双锥体组装成HPZA基底，实现了协同吸附富集和电磁增强效果。该平台表现出高灵敏度和稳定性，对柑橘样品中的喹硫磷的检测限达到了9.54 ng/mL。此外，当与全连接神经网络（FCNN）结合使用时，能够准确区分多种农药及其混合物，识别准确率可达93.33%。这项工作提出了一种集成的材料-算法策略，用于快速智能检测农药残留，为食品安全监测提供了有前景的方法。

**引言**
农药在现代农业中广泛使用，以保护作物免受病虫害侵害[15]。为了扩大害虫控制范围、延缓抗药性的产生并降低使用成本，农业实践中通常会同时使用多种农药[29]。虽然这种做法提高了控制效果，但也导致环境中农药残留成分日益复杂，形成了多种化学物质共存的混合污染系统。随着农药使用的持续增长，这些复杂的残留混合物可能通过食物链富集，带来生态风险和潜在的健康危害[11][27]。因此，开发快速、高通量、精确的分析技术以同时测定多种农药残留对于保障食品安全和生态环境安全具有重要意义。
目前，常用的技术如液相色谱-质谱（LC-MS）、气相色谱-质谱（GC-MS）和酶联免疫吸附测定（ELISA）被用于多种农药的同时检测[22][35]。尽管其中一些方法已被纳入国家标准，但其广泛应用受到复杂操作程序、严格的环境要求以及苛刻的样品储存条件的限制[41]。相比之下，表面增强拉曼散射（SERS）因其高灵敏度、指纹特征和快速检测能力，为解决上述问题提供了新思路。此外，SERS技术特有的尖锐光谱峰和最小重叠特性使其能够实现多重同时检测[48]。
SERS中观察到的显著信号放大主要源于两种机制：电磁场增强（EM）[20]和化学增强（CM）[46]，其中前者贡献最大。因此，使用Ag和Au等贵金属纳米颗粒（NMNPs）制备SERS基底，因为它们独特的局域表面等离子体共振可以产生更多的热点，从而实现目标的超灵敏检测[16][26]。作为农业化学品监测中SERS应用的主要纳米结构平台[37]，具有核壳结构的Au@Ag双金属纳米结构在多重农药分析中表现出优异的性能。例如，Ma等人[23]制备了具有核壳形态的双金属Au@Ag纳米结构，用于同时检测噻虫啉和吡虫啉残留；Liang等人[19]设计了一种含有金-银双金属纳米颗粒和钨酸铋（Au@Ag NPs-Bi2WO6）的新型SERS活性复合膜，用于同时分析氯霉素（CAP）、百草枯和孔雀石绿（MG）等污染物；Lu等人[21]通过将DNA支架结构与银-金核壳纳米颗粒（Ag@Au NPs）结合，制备了四面体SERS平台，实现了对丙炔氟草胺、吡虫啉和 carbendazim 的多重识别。
然而，传统的Au@Ag SERS基底存在分析物亲和力弱、吸附能力低和纳米颗粒聚集等问题，限制了其在复杂实际样品中的应用[34]。因此，研究人员制备了具有特殊形态和功能的新SERS基底以克服这些限制。手性等离子体纳米材料因其独特的结构各向异性和对手性物质的识别能力而成为研究热点。Wei等人[38]通过巧妙设计的半胱氨酸/谷胱甘肽诱导合成策略，成功制备了具有高各向异性因子的螺旋状金纳米结构，该材料不仅表现出优异的手性识别能力，其尖锐的尖端结构还产生了显著的电磁场增强效应。类似地，螺旋状金纳米颗粒由于纳米结构变形增强了局部电磁场，从而实现了对噻虫啉和拉克托帕明的超灵敏检测[25][31]。
同时，具有多孔结构的金属有机框架（MOF）可以均匀结合贵金属纳米颗粒，产生有效的“热点”和灵敏的拉曼信号响应[39]。其中，ZIF-8因其热稳定性、孔隙性和易于合成而广泛用作SERS支架，能有效防止纳米颗粒聚集并提供分子筛分增强[49]，但其小孔径从根本上限制了农药吸附能力[12]。这一固有限制促使人们探索手性金属有机框架（CMOFs），它们通过独特的结构特征实现多维度增强。Kuang等人[14]使用螺旋状Ag NP阵列展示了CMOFs通过手性模板指导贵金属纳米结构组装的能力，用于对映体鉴别；此外，CMOFs还将可编程孔隙与手性识别位点结合，协同改善目标富集和信号放大。Au光栅/CMOF复合体实现了阿托分子浓度级别的检测[5]，证明了这一能力。
尽管SERS基底表面修饰策略的不断创新显著提高了目标分子的捕获效率和信号特异性，但由此产生的大规模高维光谱数据集给传统分析方法带来了巨大挑战。Peng等人[24]使用SERS结合PLSR建模实现了对苹果表面噻虫啉的灵敏检测，但在处理复杂实际场景时，传统线性建模方法的局限性尤为明显，包括来自混合污染物的重叠特征峰、单分子取向变化引起的光谱波动以及样品基质的耦合干扰信号[2]。这些实现快速准确检测的固有困难推动了向智能分析系统的转变，在这一系统中，人工智能算法与表面增强拉曼光谱的协同融合正在革新食品行业的质量控制。最新进展表明，深度学习算法在增强SERS光谱分析和提高分类性能方面具有潜力[3]。Hajikhani等人[6]及其团队成功将Au@Ag基底与深度学习算法结合，对菠菜样品中的混合农药残留实现了卓越的分类准确率（98.4%）。通过后续模型优化，团队进一步实现了六种不同化合物的同时农药分类和浓度预测，表现出显著的预测性能（R2 = 0.999）[7]。尽管技术取得了进展，但将手性纳米结构与人工智能算法结合用于分析食品基质中的农药残留的研究仍较为有限。
因此，本研究旨在制备一种新型手性SERS基底——层状多孔ZIF-8/Au@Ag双锥体（HPZA），通过引入手性并将其与深度学习结合，实现单一组分农药的定量分析和多组分混合物的区分。本文结构如下：首先描述了使用L-半胱氨酸（L-Cys）作为结构诱导剂，通过种子介导生长方法制备手性Au@Ag双锥体纳米结构（L-Au@Ag BPs）；接着介绍了使用L-组氨酸（L-His）作为孔隙扩张剂制备层状多孔手性ZIF-8；随后通过静电相互作用组装HPZA基底，并详细介绍了制备条件的系统优化和基底性能表征以及农药吸附机制的研究；最后评估了HPZA基底的适用性，包括其定量分析能力以及在深度学习算法辅助下对痕量多组分农药的区分能力。这项工作有望为SERS技术的快速农药筛查提供新策略，并推进低浓度混合农药的分析。

**材料、化学品和试剂**
所有化学试剂均从商业供应商处购买，无需进一步纯化。柠檬酸一水合物、四氯金(III)酸氢盐三水合物（HAuCl4·3H2O）、十六烷基三甲基铵氯化物（CTAC）、十六烷基三甲基铵溴化物（CTAB）、硼氢化钠（NaBH4）、L-抗坏血酸、L-半胱氨酸、L-组氨酸和三乙醇胺（TEA）购自Aladdin Reagent Co.（上海，中国）。硝酸锌六水合物（Zn(NO3)2·6H2O）、硝酸银（AgNO3）

**材料表征**
HPZA基底的制备过程如图1A所示。该基底由核壳手性L-Au@Ag双锥体（L-AA）和层状多孔ZIF-8组成。通过种子介导生长方法制备的手性L-AA具有生物锐利的末端，而HPZ通过引入L-His形成多孔结构，增强了基底的吸附性能。随后，通过静电吸附将带正电的HPZ与...（原文此处内容不完整）

**结论**
通过静电自组装成功制备了一种双手性HPZA复合SERS基底，该基底由使用L-His作为孔隙扩张剂制备的层状多孔手性ZIF-8（HPZ）与L-Cys引导的Au@Ag双锥体结合而成。层状多孔框架增强了吸附和分析物富集效果，而等离子体纳米结构提供了强大的电磁放大效果。这些特性的结合，加上框架的手性调制...

**作者贡献声明**
钱倩倩：撰写——原始草稿、实验研究、数据分析。
敬晓宇：实验研究。
青阳：实验研究。
孙大文：撰写——审稿与编辑、监督、资源获取、资金申请。
蒲洪斌：验证、资源获取、资金申请。

**利益冲突声明**
作者声明没有已知的竞争性财务利益或个人关系可能影响本文的研究结果。

**致谢**
作者感谢国家自然科学基金（32172323）的支持。本研究还得到了广州市科技计划项目（2024B03J1315）、广东省当代食品工程国际科技合作基地（2019A050519001）以及广州市农产品智能感知与质量控制重点实验室（202102100009）的支持。