基于多维数据融合与监督学习的表面增强拉曼散射技术实现黄曲霉毒素B1稳定快速检测

本文提出了一种结合高均匀性基底与多维数据融合的表面增强拉曼散射（SERS）新策略，通过电沉积制备三维金纳米树基底，融合一维光谱与二维映射数据，采用变量组合种群分析-迭代保留信息变量-偏最小二乘法（VCPA-IRIV-PLS）建模，显著提升黄曲霉毒素B1（AFB1）检测稳定性，检测限达10 pg mL?1，回收率98.70–104.10%，为复杂食品基质中AFB1监测提供新方案。

　　

Highlight

本研究创新性地将二维SERS成像与光谱数据融合，结合均匀的三维金纳米树基底，实现了黄曲霉毒素B₁（AFB1）的无标记稳定检测。

Environmental Implication

全球潮湿气候导致农作物易受真菌感染，产生AFB1等剧毒环境污染物。该策略通过整合视场内多维SERS数据，提升了对食品和环境中毒素的早期监测能力。

Introduction

小麦作为全球主粮易受黄曲霉污染，其产生的AFB1被国际癌症研究机构列为1类致癌物。现有检测方法如高效液相色谱（HPLC）和酶联免疫吸附试验（ELISA）存在成本高或假阳性问题。表面增强拉曼散射（SERS）技术虽灵敏度高，但传统单点测量易受热点不均影响。本研究通过电沉积制备三维金纳米树基底，结合监督学习算法，解决了信号波动难题。

Conclusion

实验表明，数据融合策略使预测相关系数达0.9641，相对预测偏差降低14.5%，30–50 ms内即可完成检测。该方法为复杂食品基质中AFB1的精准监测提供了突破性解决方案。