重金属标记放大识别分析：基于碳纳米材料荧光与机器学习的水体差异化鉴别新方法

《Analytica Chimica Acta》：Heavy metal marker-amplified recognition analysis: enhanced water body differentiation via carbon nanomaterial fluorescence and machine learning

本文创新性地提出一种重金属标记（Pb2+/Zn2+/Cd2+/Ni2+）协同碳纳米材料（CDs/CNSs/CNPs）荧光传感器阵列与线性判别分析（LDA）的联用策略，通过竞争结合反应放大水体荧光差异信号，实现区域水体的快速精准区分（100%分类准确率），为复杂环境下的现场污染溯源提供新技术支持。

　　

荧光特性与碳纳米材料的结构表征

通过透射电子显微镜（TEM）对碳纳米材料（CNMs）进行形貌分析。结果显示，碳点（CDs）呈球形结构，平均粒径约10纳米（图3a）；碳纳米片（CNSs）展现片状形态，典型尺寸为长50-100纳米、宽约30纳米（图3b）；碳纳米颗粒（CNPs）为球形，平均粒径30-50纳米（图3c）。进一步利用X射线光电子能谱（XPS）解析材料元素组成与化学键（图S3a）……

结论

本研究构建了一种基于重金属标记物（Pb²⁺、Zn²⁺、Cd²⁺和Ni²⁺）协同荧光传感器阵列与机器学习的水体鉴别新平台。通过三种碳纳米材料（CDs、CNSs和CNPs）对重金属的差异化响应，生成多维荧光数据，结合线性判别分析（LDA）实现区域水体的精准区分。该策略显著增强了由水体本底化学成分引起的荧光差异，为复杂环境中邻近水源（<2公里间距）的现场溯源提供了高效解决方案。