机器学习驱动的3D-QSAR模型赋能光纤嵌入式倏逝波生物芯片实现(氟)喹诺酮类抗生素的快速现场广谱免疫检测

针对(氟)喹诺酮类抗生素(FQs)残留检测的复杂性与高成本问题，研究人员开发了一种基于倏逝波光纤嵌入式3D光流控生物芯片(e-FOB)的广谱免疫检测技术，结合机器学习驱动的3D定量构效关系模型(ML-3D-QSAR)，实现了14种FQs的高灵敏度(<3.0 μg/L)快速检测。该系统在400次循环中保持优异稳定性，并通过模拟揭示了影响检测性能的关键理化因素，为抗生素广谱检测提供了革命性解决方案。

　　

抗生素滥用导致的耐药性问题已成为全球公共卫生危机，其中(氟)喹诺酮类抗生素(FQs)因其在食品和水源中的持久残留尤为突出。传统检测方法如GC-MS虽精准但成本高昂，而常规免疫检测又难以兼顾广谱性与便携性。面对这一挑战，中国人民大学等机构的研究团队在《Biosensors and Bioelectronics》发表突破性成果，通过融合光纤传感、微流控与人工智能技术，构建了可现场部署的检测系统。

研究采用三大核心技术：1）倏逝波光纤嵌入式3D光流控生物芯片(e-FOB)，集成功能化光纤生物传感器实现信号传导；2）广谱抗FQ抗体，对14种FQs显示高交叉反应性(CR)；3）机器学习驱动的3D定量构效关系模型(ML-3D-QSAR)，通过pIC₅₀
值预测未知FQs活性。

【Characteristics of e-FOB and broad-spectrum anti-FQ antibody】
e-FOB通过Cy5.5标记抗体与芯片表面CIP-OVA的特异性结合验证性能，所有FQs检测限<3.0 μg/L，较传统ELISA灵敏度提升10倍。光纤-微流控一体化设计使光传输效率提升3.5倍，400次循环后信号衰减<5%。

【Discussion】
ML-3D-QSAR模型揭示C-6位氟原子与C-7位哌嗪基团是影响抗体识别的关键结构特征。在蜂蜜和水样检测中，加标回收率达92-107%，证实其复杂基质适用性。

该研究开创性地将人工智能与生物传感结合，不仅解决了FQs广谱检测难题，更为抗生素残留监测提供了普适性框架。e-FOB的微型化设计(仅信用卡大小)与自动化操作，使其在食品安全监管和环境污染监测领域具有重大应用前景，为遏制抗生素耐药性传播提供了技术支撑。