机器学习驱动的可视化传感平台：用于盐酸四环素和氧氟沙星的双重检测新策略

《Biosensors and Bioelectronics》：Machine Learning-Assisted Sensing Platform for Simultaneous and Visual Detection of Tetracycline Hydrochloride and Ofloxacin

本文开发了一种基于金属有机框架（MOF）和机器学习（ML）的可视化传感平台，实现了对盐酸四环素（Tet）和氧氟沙星（Ofl）的同时、快速检测。该平台将荧光染料（RhB/Flu）负载于水稳定性纳米UiO-67，并封装在海藻酸钠（SA）水凝胶中，通过RGB-ExponentialFit Analyzer（RGB-EFA）算法对颜色特征进行自适应学习，在复杂实际样品中表现出高回收率（99.38–105.72%），为抗生素污染监测提供了便携、低成本、操作简便的新方案。

　　

章节精选

Dye@UiO-67的合成

RhB@UiO-67和Flu@UiO-67的合成步骤如下：首先，分别称取100毫克UiO-67，通过超声均匀分散在50毫升甲醇（MeOH）中。接着，在剧烈搅拌下，分别加入50毫升浓度为0.15毫克/毫升的RhB-甲醇溶液和0.05毫克/毫升的Flu-甲醇溶液。然后，混合溶液在60^oC下反应24小时，使染料分子充分吸附到UiO-67的孔道中。待混合溶液冷却至室温后，获得的产物用甲醇洗涤直至上清液无色，表明未吸附的染料已被去除。最后，产物在60^oC下真空干燥过夜，得到最终的RhB@UiO-67和Flu@UiO-67复合材料。

Dye@UiO-67和Dye@UiO-67@SA的合成与表征

Dye@UiO-67的合成策略可涉及一个两步程序，包括纳米级UiO-67的合成以及随后通过物理吸附进行染料负载。UiO-67的合成是在先前报道的方案基础上进行了微调。荧光染料分子（RhB或Flu）随后通过温和的非共价吸附过程被整合到UiO-67框架中，实现了非配位封装且不损害材料的晶体结构。这种简单的后合成修饰方法高效地将染料分子固定在水稳定的纳米UiO-67上。随后，将这两种改性复合材料与海藻酸钠（SA）水凝胶结合，我们构建了一个基于Dye@UiO-67@SA平台的可视化检测荧光传感器。表征结果证实了染料的成功负载和复合材料良好的稳定性。

结论

总而言之，本研究通过后合成将荧光染料RhB和Flu掺入高水稳定性的纳米UiO-67中，成功开发了双发射荧光复合材料RhB@UiO-67和Flu@UiO-67。随后将其封装在SA水凝胶中，得到了RhB@UiO-67@SA和Flu@UiO-67@SA，形成了便携且可肉眼检测的荧光传感平台。这些复合材料能够在水溶液和复杂实际样品（如湖水、自来水和牛奶）中对Tet（0-200 μM）和Ofl（0-40 μM和0-200 μM）进行定量检测，表现出高灵敏度和选择性。至关重要的是，通过基于Python的智能系统——RGB指数拟合分析器（RGB-EFA）对图像特征进行自适应学习，实现了对Tet和Ofl的快速识别和浓度测定。将基于MOF的荧光传感与RGB-EFA机器学习算法相结合，为抗生素检测建立了一种新颖的范式：快速、经济高效、操作简单、便携且结果直观可视。这项工作强调了机器学习增强型生物传感器在解决抗生素污染和推进现场即时诊断方面的变革性潜力。