基于MXene的双模式生物传感器与机器学习相结合：一种用于检测食品中玉米赤霉烯的智能传感策略

《Analytica Chimica Acta》：Dual-mode MXene-based biosensor coupled with machine learning: a smart sensing strategy for detection of zearalenone in food

　　

史峰|王一静|尚妍妍|吴梦|李盼华|李向阳

鲁东大学生命科学学院，中国山东省烟台市264025

摘要

背景

玉米赤霉烯酮（ZEN）是一种强效的内分泌干扰物，通过生殖毒性对健康构成严重威胁。传统的检测方法，包括高效液相色谱（HPLC），在速度、灵敏度和便携性方面存在不足，无法满足现场食品安全监测的需求。因此，开发智能且可在现场应用的分析策略显得十分必要。

结果

我们报告了一种基于双模式Ti₃C₂MXene生物传感器的机器学习增强型传感平台。该纳米探针在一个结构中实现了荧光淬灭和类过氧化物酶比色法，将ZEN浓度转化为两个正交的光学读数。该系统的检测限为0.35 ng/mL，通过算法融合后进一步提高至0.27 ng/mL。通过添加阳性测试样品的回收实验验证了该方法的有效性，回收率在98.90%至106.91%之间，相对标准偏差始终低于4.84%。此外，在自然污染样本中，该系统的检测结果与高效液相色谱（HPLC）的结果几乎相同，同时显著缩短了分析时间，提供了灵活的模式选择，并实现了两种正交读数之间的交叉验证。

意义与创新

通过将双模式转换与机器学习驱动的数据整合相结合，该平台实现了超越传统方法的灵敏度和准确性，同时保持了现场应用的便捷性。它为实际食品样本中的ZEN检测提供了一个强大的解决方案，填补了快速、现场霉菌毒素监测领域的关键空白，并推动了智能生物传感技术的发展。

引言

霉菌毒素污染对食品安全构成了全球性的严峻挑战。根据联合国粮食及农业组织的数据，每年有高达25%的全球食物因霉菌毒素而损失，其中玉米赤霉烯酮（ZEN）是主要的污染物之一[1]。作为多种Fusarium物种（Fusarium graminearum和Fusarium equiseti）产生的有毒代谢物，ZEN在温带和潮湿地区广泛污染粮食，尤其是谷物和油料作物。它具有雌激素效应，会导致人类和动物的生殖系统异常、免疫抑制，甚至致癌。国际癌症研究机构将其列为3类致癌物[2]，[3]。为保障食品安全，许多国家和地区都制定了严格的ZEN监管标准：中国（GB 2761-2017）规定小麦、小麦粉、玉米和玉米面中的ZEN最大限量为60 μg/kg，欧盟（EU 2024/1756）对一般谷物设定了100 μg/kg的限值，对婴儿食品则更为严格，要求不超过20 μg/kg。这凸显了及时、准确、灵敏地检测ZEN的必要性，以确保食品安全并保护人类健康。

尽管传统检测方法如高效液相色谱（HPLC）和质谱分析具有高精度，但它们通常受高设备成本、需要高度熟练的操作人员、复杂耗时的程序以及漫长的分析周期的限制，这些因素使得它们难以在存储设施、交易场所和偏远地区快速进行现场检测[4]，[5]，[6]。因此，迫切需要开发低成本、高灵敏度且用户友好的快速检测方法。

近年来，基于纳米材料的生物传感器因其在食品安全和疾病诊断中的高特异性和灵敏度而受到广泛关注[7]，[8]，[9]，[10]，[11]，[12]。单链DNA（ssDNA）以其特定的分子识别能力和功能化纳米材料的能力而成为提升传感器性能的关键要素[13]，[14]。二维过渡金属碳化物/氮化物（MXenes）是一类展现出巨大应用前景的纳米材料。作为典型的MXene材料，碳化钛（Ti₃C₂MX）具有独特的层状结构、高比表面积和优异的生物相容性，非常适合构建灵敏的传感器[15]。然而，大多数已报道的Ti₃C₂MX都是通过氢氟酸（HF）蚀刻法合成的[16]，[17]，[18]，[19]，这种方法具有高腐蚀性和污染风险。因此，探索更温和、环境友好的合成路径以替代HF具有重要意义，从而避免使用高毒性物质并减少操作和环境危害。

机器学习（ML）正逐渐被认为是推动现场应用传感器进步的关键工具，在监测霉菌毒素和其他有害因子方面具有重要意义[20]。Wang等人展示了一种结合CNN-LSTM深度学习模型和表面增强拉曼光谱技术的无标记快速检测黄曲霉素B1的方法[21]；Kim等人将ML算法集成到紧凑型自动化拉曼系统中用于玉米粉中的黄曲霉素检测[22]。通过实现智能浓度预测，ML显著提高了便携式诊断平台的可靠性[23]，满足了人们对灵敏、低成本、用户友好型现场检测工具的迫切需求。虽然这些进展展示了ML在分析单一信号模式方面的能力，但我们认为通过将其应用扩展到多模式信号中，其潜力可以得到进一步挖掘。例如，Wen等人将机器学习整合到三模态传感平台中，融合了电化学、比色法和光学信号用于病原体检测，证明了ML在多信号融合方面的强大能力[24]，[25]。他们的研究展示了如何利用多种信号模式的智能融合来克服单模式传感器的局限性。

目前，关于基于Ti₃C₂MX的双模式ZEN检测传感器的研究还较为有限。大多数现有方法依赖单一信号机制，容易受到干扰，且许多方法需要使用有害的HF进行MXene合成。为了解决这些问题，我们开发了一个集成智能手机的平台，具有三个显著特点：首先，我们使用盐酸（HCl）和氟化锂（LiF）（以下简称HCl-LiF）的温和蚀刻方法合成了生物相容的Ti₃C₂MX，为ssDNA探针的固定和后续ZEN竞争性置换提供了最佳界面；其次，我们实现了双通道（比色和荧光）信号输出，从而增强了系统对环境和基质干扰的抵抗力；最后，我们集成了一种轻量级的前馈神经网络（FNN）模型，能够智能融合两个通道的RGB数据，从而实现比任何单一模式更精准和可靠的浓度预测。这种双通道ML集成结合了智能手机的便携优势，为现场ZEN监测提供了一种简单、灵敏且实用的方案，如图1所示。

章节摘录

材料

赭曲霉毒素A（OTA）、玉米赤霉烯酮（ZEN）和脱氧雪腐镰刀菌烯醇（DON）标准品购自中国上海的Aladdin Biotechnology Co., Ltd。ZEN特异性适配体（ssDNA，序列：5‘-TCATCTATCT ATGGTACATT ACTATCTGTA ATGTGATATG-3’）由上海生物工程有限公司合成。铝钛碳化物（Ti₃AlC₂）和3,3’,5,5‘-四甲基联苯胺（TMB）购自上海Macklin Biochemical Technology Co., Ltd。5-羧基荧光素（FAM）来自美国Sigma公司。

Ti₃C₂MX的表征

材料的结构、形态和组成特性的系统表征结果见图2。Ti₃AlC₂的SEM图像显示出明显的层状堆叠结构，表面散布着一些大颗粒或颗粒状物质（图2A），这些可能是晶体生长过程中产生的TiO₂产物[32]，[33]。相比之下，Ti₃C₂MX样品的SEM图像显示，原本堆叠的MAX相层部分

结论

本研究构建了一个集成的智能手机平台，用于检测ZEN，该平台结合了双模式Ti₃C₂MX适配体传感器和前馈神经网络。该平台的卓越性能，特别是其超灵敏的检测能力，源于高效淬灭效率的Ti₃C₂MX基底与双信号输出的交叉验证作用。这种设计有效减少了复杂基质中的假阳性结果。

CRediT作者贡献声明

王一静：撰写原始草稿、验证、数据分析、正式分析。史峰：撰写原始草稿、软件开发、方法设计、数据分析、数据管理。尚妍妍：数据可视化、验证、数据分析、正式分析。李盼华：数据验证、软件开发、方法设计。吴梦：数据可视化、验证、正式分析。李向阳：撰写审查与编辑、项目管理和监督、方法设计、资金申请、正式分析。

利益冲突声明

? 作者声明没有已知的会对其报告的工作产生影响的财务利益或个人关系。

致谢

本工作得到了国家自然科学基金（编号：32472258、32172135）、山东省自然科学基金的重大基础研究项目（编号：ZR2023ZD48）、烟台市科技创新发展计划的校地融合项目以及鲁东大学的重大科研任务培养项目和科研启动经费的支持。