基于镧系-金纳米簇的机器学习微流控比率荧光传感器阵列用于多组分抗生素可视化检测

《Biosensors and Bioelectronics》：Machine learning-enabled microfluidic ratiometric fluorescence sensor array based on lanthanide-gold nanoclusters for visual detection of multicomponent antibiotics

本文报道了一种集成机器学习算法的微流控比率荧光传感器阵列，通过镧系-金纳米簇（AuNCs）探针与抗生素的"天线效应"产生特异性RGB指纹图谱，实现了对环境样本中氧氟沙星（LEVO）、诺氟沙星（NFX）和土霉素（OTC）等抗生素的超灵敏可视化检测（检测限达nM级），为复杂基质中多组分抗生素同步监测提供了便携式智能解决方案。

　　

Highlight

镧系-金纳米簇比率探针

首先参照已有方法合成了Lys-AuNCs、Arg/ATT-AuNCs和BSA-AuNCs（具体制备流程见支持信息）。为制备Eu³⁺-Lys-AuNCs、La³⁺-Arg/ATT-AuNCs和Tb³⁺-BSA-AuNCs荧光探针，将金属离子（50 μL, 10 mM Eu³⁺/La³⁺/Tb³⁺）、对应AuNCs（3 μL）与pH 7水溶液在比色皿中混合至终体积2 mL。

镧系-金纳米簇的荧光特性与抗生素响应指纹

Eu³⁺-Lys-AuNCs、La³⁺-Arg/ATT-AuNCs和Tb³⁺-BSA-AuNCs的光学性质如图1所示。图1a显示Eu³⁺-Lys-AuNCs在250-400 nm激发下于402 nm处有发射峰，加入OTC后621 nm处出现新发射峰（激发范围扩展至250-450 nm），溶液颜色由蓝变红。图1b中La³⁺-Arg/ATT-AuNCs...

结论

本文开发了一种基于镧系-金纳米簇的机器学习微流控比率荧光传感器阵列，用于多组分抗生素的实时可视化检测。通过将比率荧光探针与微流控技术相结合，系统利用荧光比率测定法提升灵敏度，实现对环境样本中抗生素的直观定性/定量分析。机器学习算法（线性判别分析、混淆矩阵或决策树）的集成进一步增强了分类准确性。该平台成功将微流控、比率荧光、便携式技术与可视化数据及智能算法相融合，为复杂环境基质中多组分抗生素同步检测提供了可扩展的解决方案。