基于壳聚糖功能化MXene/ZIF-L纳米复合材料纳米酶活性的机器学习增强型汞离子比色传感研究

研究人员开发了一种创新环保的汞离子(Hg2+)检测方法，通过壳聚糖功能化MXene/ZIF-L(CS-MXZL)纳米复合材料（比表面积达211.19 m2 g?1）的纳米酶活性催化TMB-H2O2显色体系，结合机器学习(ML)算法实现50 nM检测限。其中k-NN模型表现最优（R2=0.9693），为环境汞污染监测提供了便携高效的解决方案。

　　

这项突破性研究揭示了壳聚糖(CS)功能化MXene/ZIF-L纳米复合材料(MXZL)在汞离子检测中的独特应用。该复合材料具有211.19 m² g^?1的超高比表面积，经壳聚糖修饰后展现出类过氧化物酶活性，能高效催化3,3′,5,5′-四甲基联苯胺(TMB)与过氧化氢(H₂O₂)反应产生蓝色产物。有趣的是，当复合材料表面壳聚糖捕获Hg²⁺后，这种催化活性会被特异性抑制。研究人员巧妙利用这一现象，开发出检测限达50 nM的比色传感平台，并通过紫外-可见分光光度计进行定量分析。

为提升检测精度，研究团队创新性地整合了多种机器学习算法，包括线性回归、决策树回归、支持向量回归(SVR)、k近邻(k-NN)和XGBoost。其中k-NN模型展现出卓越的预测性能，其平均绝对误差(MAE)仅0.1200，均方根误差(RMSE)为0.1350，而决定系数(R²)高达0.9693。这种智能化的检测策略不仅突破了传统方法对昂贵仪器的依赖，更为环境汞污染监测提供了兼具高灵敏度、低成本与便携性的创新解决方案，在环境安全和公共卫生领域具有重要应用前景。