编辑推荐：
β- 内酰胺类抗生素（BLs）广泛应用但不合理使用会造成残留危害健康。现有检测方法存在不足，纳米酶传感器阵列检测 BLs 也受限。研究人员制备 Cu-BTC@His 纳米酶构建三通道阵列，优化机器学习算法，提升检测准确性，有助于复杂样本中 BLs 识别。
在医疗、畜牧和水产养殖等众多领域，β- 内酰胺类抗生素（BLs）凭借强大的抗菌活性和广谱抗菌特性，成为对抗细菌感染的有力武器。然而，随着其使用量的不断增加，不合理或过度使用的问题日益凸显，这导致食品、环境等介质中出现大量抗生素残留。想象一下，人们在不知不觉中摄入含有这些残留抗生素的食物，长此以往，身体的免疫力会逐渐下降，肝脏和肾脏的功能也可能受到损害，胃肠道也会出现各种不适。为了守护人类健康和生态环境，准确且方便地检测 BLs 就显得尤为重要。
目前，虽然已经探索出多种检测 BLs 的方法，如高性能液相色谱、毛细管电泳等，但这些方法要么仪器昂贵，要么操作繁琐，难以满足实际检测的需求。近年来，基于纳米酶的生物传感器开始用于检测 BLs，可多数纳米酶生物传感器受传统 “锁 - 键” 特异性识别机制的限制，只能检测单一的 BLs，在实际检测中，多种 BLs 往往同时存在，这使得检测结果不尽人意。另外，纳米酶传感器阵列虽有望解决同时检测多种 BLs 的问题，但很多纳米酶的催化效率较低，大大限制了其检测性能。在这样的背景下，一项新的研究应运而生。
研究人员来自未知机构，他们致力于解决当前检测 β- 内酰胺类抗生素存在的问题，开展了关于制备高活性纳米酶并构建传感器阵列用于精准识别 BLs 的研究。最终，他们成功制备出具有高漆酶样（LAC）催化活性的 Cu-BTC@His 纳米酶，并构建了三通道纳米酶传感器阵列，通过优化多种机器学习（ML）算法，将基于该阵列构建的浓度无关检测模型的准确率从 31.27% 大幅提升至 95.92%。这一研究成果发表在《Biosensors and Bioelectronics》，对提高复杂样本中 BLs 的识别能力具有重要意义，同时也为未来设计高活性漆酶样纳米酶提供了参考和指导。
在这项研究中，研究人员运用了多种关键技术方法。首先是化学合成技术，通过在制备 Cu-1,3,5 - 苯三甲酸（Cu-BTC）时引入组氨酸，合成了 Cu-BTC@His 纳米酶。然后采用离心、恒温水浴等常规实验操作对产物进行处理。还利用反应动力学原理构建了三通道纳米酶传感器阵列，结合优化的机器学习算法对检测模型进行优化，以实现对多种 BLs 的检测和识别 。
制备 Cu-BTC@His 纳米酶
研究人员将 Cu (NO3)2·3H2O 和聚乙烯吡咯烷酮 K30 溶解在甲醇溶液中搅拌，再将 1,3,5 - 苯三甲酸和组氨酸溶解于甲醇后滴加到上述混合溶液中，在 25°C 恒温水浴中老化 24 小时，最后离心得到 Cu-BTC@His 纳米酶。这一制备过程为后续实验提供了关键材料。
表征 Cu-BTC@His
通过共沉淀法制备的 Cu-BTC@His 与 Cu-BTC 相比，晶体结构仍呈规则八面体，但 Cu-BTC@His 的晶体尺寸（约 200nm）小于 Cu-BTC（约 500nm），表明组氨酸的引入虽未显著影响晶体结构，但对晶体尺寸产生了影响。这一结构特征可能与纳米酶的催化活性等性能相关。
构建三通道纳米酶传感器阵列并检测 BLs
基于反应动力学构建了三通道纳米酶传感器阵列，利用 β- 内酰胺类抗生素能抑制 Cu-BTC@His 的 LAC 活性，且抑制程度随反应时间增加的特性，该阵列可用于识别九种 BLs，包括氨苄西林二钠盐（AMP）、阿莫西林三水合物（AMO）等。这一成果为同时检测多种 BLs 提供了可行的技术手段。
优化机器学习算法提高检测模型准确率
研究人员优化多种机器学习算法后，基于该阵列构建的浓度无关检测模型准确率从 31.27% 提升到 95.92%，这使得在实际样本中识别未知样品的能力大大增强，提高了检测的可靠性和实用性。
综上所述，该研究成功制备出高 LAC 催化活性的 Cu-BTC@His 纳米酶，并构建了三通道纳米酶传感器阵列用于识别九种 BLs。优化机器学习算法后，检测模型的准确率显著提高，能有效检测实际样本中的多种 BLs。这项研究首次利用纳米酶传感器阵列同时区分和检测多种 BLs，不仅为复杂样本中 BLs 的识别提供了新方法，也为高活性漆酶样纳米酶的设计开辟了新方向，在生命科学和健康医学领域具有重要的应用价值和研究意义，有望推动相关领域的进一步发展。
