基于SMX-Cu双重酶样活性的机器学习辅助传感器阵列，用于精确区分多种铬物种

《Environmental Research》：Machine learning-assisted sensor array based on dual enzyme-like activities of SMX-Cu for accurate discrimination of multiple chromium species

铬多形态现场检测方法研究基于纳米酶传感器阵列与KNN算法优化

　　铬是一种在工业和自然环境中广泛存在的金属元素，其不同价态的毒性差异显著，因此在环境监测中对多种铬物种进行准确识别具有重要意义。铬主要以三价（Cr3?）和六价（Cr??）形式存在，其中Cr3?通常以金属阳离子形式存在于水体中，而Cr??则以铬酸根（CrO?2?）和重铬酸根（Cr?O?2?）等氧化物形式存在。Cr3?是生物体必需的微量元素，参与多种代谢过程，如葡萄糖、蛋白质和脂质的代谢。然而，Cr3?在特定条件下可能被氧化为Cr??，而Cr??则具有极高的毒性，其毒性约为Cr3?的300倍，能够破坏DNA转录，引发染色体损伤和癌症，对动物和人类健康构成严重威胁。因此，准确区分这两种铬物种，尤其是在实际环境中，是当前环境科学领域面临的重要挑战之一。

在实际应用中，传统的铬检测方法如二苯基碳酰二肼法（DCC）、电化学法（EC）、原子吸收光谱法（AAS）、电感耦合等离子体质谱法（ICP-OES/MS）等虽然具有较高的灵敏度和准确性，但这些方法通常需要复杂的预处理步骤、昂贵的设备以及专业的技术人员，因此难以满足现场快速检测的需求。相比之下，比色法因其操作简便、成本低廉、检测速度快等优点，成为现场检测铬污染的常用手段。近年来，基于纳米酶的比色法在检测多种铬物种方面展现出良好的应用前景。例如，Li等人利用荧光铜-CDs（Cu-CDs）将Cr(VI)还原为Cr(Ⅲ)进行检测；Chen等人则通过多功能金纳米颗粒实现了Cr(Ⅲ)、Cr(VI)及其有机复合物的检测；Orouji等人开发了一种多色比色探针，通过监测银诱导的金纳米棒（AuNRs）颜色变化，实现了对Cr(Ⅲ)和Cr(VI)的检测。然而，这些方法在区分CrO?2?和Cr?O?2?方面存在局限性，或者需要昂贵的原材料，难以实现现场应用。

为了解决上述问题，我们提出了一种基于双酶活性的传感器阵列，通过结合SMX-Cu的类漆酶活性和类氧化还原酶活性，实现了对多种铬物种（Cr3?、CrO?2?、Cr?O?2?）的高精度识别。SMX-Cu是一种由磺胺甲噁唑（SMX）配体与铜离子（Cu2?）结合形成的纳米酶，其结构模拟了天然酶中的金属-有机结构，具有良好的催化性能。在之前的实验中，我们发现多种铬物种能够显著抑制SMX-Cu的类漆酶活性，因此我们合成了三种磺胺甲噁唑配体纳米酶，并基于不同纳米酶的抑制率差异实现了对多种铬物种的识别。然而，仅依靠类漆酶活性进行识别存在一定的局限性，特别是在CrO?2?和Cr?O?2?的浓度范围内，这两种铬物种可能会相互干扰，导致误判。因此，为了进一步提高识别的准确性，我们引入了机器学习算法，特别是K-Nearest Neighbors（KNN）算法，构建了一个浓度无关的识别模型，该模型在0.1至25 μM的浓度范围内实现了100%的识别准确率。

在实验过程中，我们首先合成了SMX-Cu纳米酶，并对其进行了表征。通过扫描电子显微镜（SEM）观察到SMX-Cu具有规则的矩形形貌，而X射线衍射（XRD）图谱与模拟的SMX-Cu结构高度一致，证明了其晶体性质。此外，我们还利用傅里叶变换红外光谱（FTIR）分析了SMX-Cu的化学结构，确认了其配体与金属离子之间的相互作用。这些表征结果不仅验证了SMX-Cu的合成质量，也为后续的性能评估提供了基础。

在性能测试中，我们首先评估了SMX-Cu在不同铬物种下的抑制效果。实验结果表明，SMX-Cu对Cr3?、CrO?2?和Cr?O?2?均表现出显著的抑制作用，其中对Cr3?的抑制效果最强。这一发现使我们能够利用SMX-Cu的类漆酶活性作为识别铬物种的依据。然而，我们发现CrO?2?和Cr?O?2?在特定浓度范围内会对SMX-Cu的类漆酶活性产生干扰，导致识别结果的不准确。因此，为了克服这一问题，我们进一步结合了SMX-Cu的类氧化还原酶活性，构建了一个双通道传感器阵列。该传感器阵列能够同时检测Cr3?、CrO?2?和Cr?O?2?，并利用线性判别分析（LDA）和层次聚类分析（HCA）等统计方法对检测结果进行处理，从而实现了更高的识别精度。

为了验证该传感器阵列在实际环境中的应用效果，我们进行了实地水样检测实验。实验结果显示，该传感器阵列在实际水样中能够稳定地识别多种铬物种，表现出良好的抗干扰能力和实际应用潜力。此外，我们还开发了一种基于智能手机和纸质测试条的便携式检测方法，使得现场检测更加便捷和高效。该方法不仅克服了单一酶活性识别铬物种的局限性，还提高了检测的准确性和可操作性，为环境监测领域提供了新的技术手段。

在实际应用中，该传感器阵列的优势在于其无需复杂的预处理步骤，检测过程快速且成本低廉，适合用于现场快速筛查。此外，该方法的浓度无关性使得其能够适用于不同浓度的铬污染情况，而无需对样品进行标准化处理。这不仅提高了检测的灵活性，也减少了对实验室条件的依赖。同时，结合智能手机和纸质测试条的检测方法，使得检测结果的读取和分析更加直观和方便，进一步推动了该技术在实际环境监测中的应用。

此外，我们还探讨了该传感器阵列的潜在应用领域。由于铬污染在工业废水排放、土壤污染和地下水污染中普遍存在，因此该传感器阵列可用于污染源的快速识别和环境质量的实时监测。在农业领域，铬污染可能来源于化肥和农药的使用，因此该方法也可用于土壤和水源的铬污染监测。在公共卫生领域，铬污染可能影响饮用水安全，因此该传感器阵列可用于饮用水中铬物种的检测，为公众健康提供保障。在科学研究中，该方法可用于研究铬在不同环境条件下的迁移和转化规律，为环境治理提供理论支持。

在研究过程中，我们还发现该传感器阵列的识别能力受到多种因素的影响，如pH值、温度、其他离子的存在等。因此，在实际应用中，需要对这些因素进行适当的控制，以确保检测结果的准确性和可靠性。此外，为了进一步提高识别精度，我们还考虑了引入其他纳米酶或配体的可能性，以构建更加全面的传感器阵列。这可能涉及到对不同金属离子与配体组合的探索，以及对多种酶活性的协同作用的研究。

本研究的主要创新点在于首次将SMX-Cu的类氧化还原酶活性与类漆酶活性相结合，构建了一个双通道传感器阵列，从而显著提高了对多种铬物种的识别能力。同时，我们引入了KNN算法，构建了一个浓度无关的识别模型，使得该方法能够在广泛的浓度范围内保持高精度。这些成果不仅为铬污染的现场检测提供了新的技术手段，也为其他重金属离子的检测提供了借鉴。此外，结合智能手机和纸质测试条的检测方法，使得该技术更加易于推广和应用，具有广阔的应用前景。

在实际应用中，该传感器阵列的便携性和高效性使其成为现场检测铬污染的理想选择。与传统的实验室检测方法相比，该方法能够在短时间内完成检测，且不需要昂贵的设备和复杂的操作流程。这不仅降低了检测成本，还提高了检测的效率，使得铬污染的监测更加便捷。同时，该方法的高精度和抗干扰能力，使其能够在复杂的环境样品中准确识别铬物种，为环境治理和生态保护提供了有力的技术支持。

综上所述，本研究通过构建双酶活性传感器阵列，结合机器学习算法，实现了对多种铬物种的高精度、浓度无关的现场识别。该方法不仅克服了传统检测方法的局限性，还为铬污染的实时监测和快速响应提供了新的思路。未来，我们计划进一步优化该传感器阵列的性能，探索其在更多重金属离子检测中的应用，并推动其在实际环境监测中的推广和使用。这将有助于提高环境监测的效率和准确性，为环境保护和公众健康提供更加可靠的保障。