基于机器学习辅助的N,S-CDs@ZIF-8比率荧光传感器与智能手机联用实现食品中四环素类抗生素的特异性识别与鉴别

针对四环素类抗生素(TCs)环境污染监测难题，研究人员开发了氮硫共掺杂碳点(N,S-CDs)嵌入ZIF-8的比率荧光传感器(N,S-CDs@ZIF-8)，结合人工神经网络(ANN)算法，实现了32.8-41.2 nM检测限的TCs定量分析及混合体系鉴别，为食品安全监测提供了新型智能检测方案。

　　

四环素类抗生素(TCs)在医疗和畜牧业的广泛应用带来了严重的环境残留问题。这些药物通过食物链进入人体后，可能引发肝毒性、致癌风险甚至抗生素耐药性(AMR)等健康威胁。传统检测方法如高效液相色谱(HPLC)虽准确但成本高昂，而单一荧光探针易受环境干扰。如何开发兼具高灵敏度、特异性和现场检测能力的TCs监测技术，成为当前环境科学与食品安全领域的重大挑战。

宁波大学的研究团队在《Materials Today Chemistry》发表的研究中，创新性地将氮硫共掺杂碳点(N,S-CDs)与沸石咪唑酯骨架材料(ZIF-8)复合，构建了双发射比率荧光传感器N,S-CDs@ZIF-8。该传感器在TCs存在时，N,S-CDs的蓝光(425 nm)因内滤效应(IFE)淬灭，同时TCs与Zn²⁺作用产生的绿光(517 nm)增强，形成颜色从蓝到绿的显著变化。研究进一步结合人工神经网络(ANN)分析智能手机采集的G/B荧光比值，实现了TCs的智能识别。

关键技术包括：(1)水热法合成N,S-CDs；(2)原位封装构建N,S-CDs@ZIF-8杂化材料；(3)智能手机RGB信号采集系统；(4)ANN模型建立预测算法。实际样本检测涵盖猪肉、牛奶等食品及校园废水。

研究结果

1. 表征分析：TEM显示N,S-CDs具有0.21 nm石墨晶格间距，AFM证实其单分散性。ZIF-8的XRD图谱与模拟结果一致，BET比表面积达1387 m²/g。
2. 传感机制：荧光寿命测试证实IFE是主要淬灭机制，TCs分子构象旋转导致Zn²⁺配位激活绿色荧光。
3. 性能评估：对四环素(TC)、多西环素(DOX)等检测限达纳摩尔级，抗干扰实验显示100倍浓度共存物不影响检测。
4. 实际应用：智能手机-ANN系统对0.044-500 μM浓度范围样本的预测R²>0.99，RPD<5%。

结论与意义
该研究首次将MOF基比率荧光传感器与机器学习结合，解决了TCs现场检测的三大难题：(1)双信号自校准消除环境干扰；(2)ANN处理复杂非线性数据；(3)智能手机实现设备微型化。相比传统方法，检测灵敏度提高10²倍且成本降低90%。作者Sineng Gao等提出的"传感材料-智能设备-算法分析"一体化策略，为其他抗生素检测提供了普适性研究范式，对推动食品安全智慧监管具有重要实践价值。