基于双色聚集诱导发光纳米颗粒的色相识别荧光侧流免疫层析技术用于谷物中玉米赤霉烯酮的高灵敏检测

推荐：本研究针对传统侧流免疫层析技术（LFIA）单色信号判读易受主观影响的问题，开发了一种基于红绿双色聚集诱导发射纳米颗粒（AIE NPs）的色相识别比率荧光LFIA平台，实现了玉米赤霉烯酮（ZEN）的多色可视化及定量检测。该技术通过竞争荧光强度实现从红到绿的色相渐变，视觉检测限（vLOD）达0.5 ng mL?1，定量检测限（LOD）低至0.11 ng mL?1，为谷物中ZEN污染提供了高精度现场筛查方案。

　　

玉米赤霉烯酮（ZEN）是一种广泛污染谷物的霉菌毒素，因其明确的生殖毒性对人类健康构成严重威胁。传统侧流免疫层析技术（LFIA）虽能快速检测小分子污染物，但依赖单色信号的“开-关”式判读，易受个体视觉差异和疲劳影响。更棘手的是，现有荧光LFIA多采用量子点（QDs）或上转换纳米颗粒（UCNPs）等材料，面临聚集诱导淬灭（ACQ）效应，且固相体系难以实现多色竞争。如何开发兼具高灵敏度与直观多色变化的LFIA平台，成为食品安全检测领域的重大挑战。

北京市农林科学院的研究团队在《Microchemical Journal》发表的研究中，创新性地将红（R-）绿（G-）双色聚集诱导发射纳米颗粒（AIE NPs）引入LFIA系统。AIE NPs的特性恰好与传统荧光材料相反——单分子状态下发光微弱，聚集后荧光显著增强，从而完美规避了ACQ问题。研究人员通过将R-AIE NPs标记抗ZEN单抗作为探针，G-AIE NPs-ZEN抗原复合物固定于T线作为参照信号，构建了色相识别比率荧光LFIA平台。关键技术包括：双色AIE NPs的表面功能化修饰、竞争免疫层析条带优化、基于智能手机的荧光强度比值分析，以及玉米和小麦样本的基质效应验证。

研究结果

1. 原理验证：竞争免疫反应中，随着ZEN浓度增加，R-AIE NPs与T线结合减少，G-AIE NPs的绿色荧光逐渐显现，色相从红经黄过渡到绿，实现裸眼半定量判读。
2. 灵敏度分析：溶剂体系中vLOD为0.5 ng mL^?1，荧光定量LOD和LOQ（定量限）分别达0.11 ng mL^?1和0.21 ng mL^?1，线性范围0.21–1.58 ng mL^?1；玉米和小麦基质中vLOD进一步降至0.4 ng mL^?1，LOD低至0.08 ng mL^?1。
3. 特异性验证：对黄曲霉毒素B₁（AFB₁）、呕吐毒素（DON）等常见霉菌毒素无交叉反应。
4. 实际应用：加标回收率在89.3%–106.7%之间，批内批间变异系数小于12%，满足谷物检测的准确性与重复性要求。

结论与意义
该研究首次将双色AIE NPs的聚集增强特性与比率荧光原理相结合，攻克了固相LFIA体系多色竞争的难题。相比传统单色LFIA，其色相渐变特性使裸眼判读误差降低50%以上，而AIE NPs的高荧光效率将检测灵敏度提升近一个数量级。尤为重要的是，该方法在保持LFIA现场检测优势的同时，实现了从“有无判读”到“浓度梯度可视化”的技术跨越，为小分子污染物的智能检测提供了普适性策略。研究获得北京市农林科学院杰出科学家专项（JKZX202403）和国家自然科学基金（32372453）支持，相关技术已申请专利保护，有望推动食品安全快检设备的升级换代。