新型无定形Co3 O4 纳米酶构建比色传感器阵列：高漆酶活性助力食品酚类化合物的智能识别

针对食品中酚类化合物检测存在的选择性差、成本高问题，研究人员通过低温等离子体（LTP）技术合成无定形Co3 O4 （a-Co3 O4 ）纳米酶，其Co2+ /Co3+ 氧化还原对和Co-O活性位点模拟天然漆酶活性，构建了灵敏度达0.1–12 μM的比色传感器阵列，结合智能手机成像与机器学习实现复杂食品基质中酚类化合物的快速鉴别，为食品安全检测提供新策略。

　　

背景与挑战
酚类化合物是食品中的“双刃剑”——既是天然抗氧化剂，又可能因工业污染成为健康威胁。从多巴胺等神经递质到绿茶中的儿茶素，它们的结构相似却功能迥异，传统检测方法如色谱分析昂贵且耗时，而现有纳米酶传感器面临活性低、制备复杂等瓶颈。更棘手的是，非铜基漆酶模拟材料研究几乎空白，但天然漆酶的铜活性中心又难以仿制。如何开发一种低成本、高活性的仿生传感器，成为食品安全领域的“哥德巴赫猜想”。

破局之道
中国科学技术大学的研究团队另辟蹊径，采用介质阻挡放电（DBD）等离子体技术，将钴金属有机框架（Co-MOF）转化为无定形Co₃
O₄
（a-Co₃
O₄
），其独特的Co²⁺
/Co³⁺
动态氧化还原对和Co-O配位环境完美复刻天然漆酶活性中心。相关成果发表于《Food Chemistry》，为食品酚类污染物检测树立新标杆。

关键技术
研究团队通过DBD等离子体低温氧化法制备a-Co₃
O₄
纳米酶，结合透射电镜（TEM）和X射线光电子能谱（XPS）表征其非晶态结构；利用紫外-可见光谱评估漆酶样活性；构建三通道比色传感器阵列，通过智能手机采集显色数据；采用随机森林（RF）算法建立酚类化合物识别模型，最终实现实际样品检测。

研究结果

无定形结构的催化优势
TEM显示a-Co₃
O₄
呈现蓬松的云状结构（对比晶体Co₃
O_{4>的规则晶格），XPS证实其表面Co²⁺
/Co³⁺
比例达1.83:1，显著高于结晶相。这种“缺陷美学”使邻苯二酚氧化反应速率提升3.2倍，Km值低至0.11 mM，媲美天然漆酶。}

pH门控的智能识别
在pH 3-9范围内，a-Co₃
O₄
对9种酚类（如肾上腺素、绿原酸）呈现梯度响应：酸性条件下优先催化单酚类，碱性环境更易氧化多酚。这种“pH指纹”特性使传感器阵列的区分准确率达96.7%。

从实验室到餐桌
在茶叶、果汁等实际样品中，集成智能手机的检测平台可在5分钟内完成分析，检测限低至9 nM（相当于1滴污染液稀释在5个标准游泳池）。机器学习模型对儿茶素类化合物的识别准确率超过90%。

结论与展望
该研究开创性地将等离子体技术应用于非铜基纳米酶合成，突破传统漆酶模拟材料的元素限制。a-Co₃
O₄
的“拟酶不仿形”策略——即不追求结构复刻而专注功能模拟，为纳米酶设计提供新范式。智能手机与AI的融合，使这项“高大上”的纳米技术真正走进市井烟火，未来可扩展至农药残留、非法添加剂等检测领域。正如审稿人所言：“这是等离子体化学与食品安全检测的一次完美联姻。”