基于金纳米颗粒纳米酶比色传感与云端机器学习算法的中国绿茶智能鉴别新方法

为解决绿茶市场掺假问题，研究人员开发了一种基于金纳米颗粒(AuNPs)过氧化物酶样活性的比色传感器，结合PLS-DA模型和云端机器学习算法辅助的微信小程序，实现了中国绿茶品种的快速鉴别。该传感器对茶多酚(TP)的检测限达0.0076 mg/mL，准确率高达97.9%，为茶叶质量监管提供了便携高效的解决方案。

　　

中国绿茶因其独特风味和营养价值广受欢迎，但市场上存在以次充好、产地造假等问题。传统鉴别方法如感官评价依赖专业人员，色谱分析成本高且操作复杂。针对这些痛点，中南民族大学的研究团队创新性地将纳米酶技术与人工智能相结合，开发出便携式检测系统，相关成果发表于《Food Research International》。

研究采用超高效液相色谱-四极杆飞行时间质谱(UHPLC-QTOF-MS)和自主开发的AntDAS软件分析绿茶差异成分，发现茶多酚(TP)是关键标志物。基于此构建了谷胱甘肽修饰的金纳米颗粒(GSH-AuNPs)比色传感器，利用其模拟过氧化物酶活性催化TMB-H₂O₂显色体系，通过智能手机采集RGB值。云端部署的偏最小二乘判别分析(PLS-DA)模型实现了数据实时处理。

Differential chemical components analysis
通过非靶向代谢组学鉴定出23种差异化合物，其中50%为多酚类物质，表S2详细列出了包括表没食子儿茶素没食子酸酯(EGCG)在内的关键成分，为传感器设计提供理论依据。

Conclusions
该研究成功整合纳米酶催化、手机光学传感和云计算三大技术，建立的系统对6种中国绿茶区分准确率达100%，手机APP现场检测准确率97.9%。传感器对TP的线性检测范围0.01-0.3 mg/mL，灵敏度显著优于传统方法。

这项研究的突破性在于：首次将AuNPs的纳米酶活性应用于茶叶鉴别；开发的AntDAS软件实现代谢组学数据自动化处理；创建的云端机器学习模型大幅提升现场检测效率。为食品真实性鉴别提供了可推广的技术范式，对规范茶叶市场、保障消费者权益具有重要实践价值。