基于表面增强拉曼散射-机器学习的水体及尿液中阴离子污染物监测平台：环境与公共卫生应用新策略

本文推荐一种基于银纳米颗粒钙诱导聚集（Ag@BOCNPs）的表面增强拉曼散射（SERS）平台，结合机器学习算法（KNN/RF/SVM），实现了8种阴离子（如F-、SO42-）在复杂水体及尿液中的高灵敏（LOD 0.001 mg/L）、无标记检测。该技术突破传统SERS对阴离子检测的局限性，为氟中毒风险区环境监测及人群暴露评估提供创新工具。

　　

亮点

本研究开发了一种革命性的SERS-机器学习整合平台，通过钙离子介导的银纳米颗粒（Ag@BOCNPs）"智能聚集"，成功破解了阴离子因负电荷难以吸附于传统SERS基底的难题。

引言

阴离子污染物（如F^-、NO₃^-）通过工业排放和农业径流进入水体，其生物累积效应可引发氟骨症等疾病。传统检测方法面临前处理复杂、灵敏度不足的瓶颈，而SERS技术因阴离子与贵金属基底亲和力弱长期受限。

试剂与化学材料

采用超高纯度试剂：AgNO₃（99.9%）、NaBH₄（99.99%）合成纳米颗粒，标准阴离子溶液（1000 mg/L）涵盖SO₄^2-、PO₄^3-等8类目标物。

增强基底表征

透射电镜显示，Ca²⁺诱导的Ag@BOCNPs形成"热点"密集的纳米团簇（图1A），使SERS信号强度提升3个数量级。这种动态调控策略解决了传统基底的粒子团聚不可逆问题。

结论

该平台在尿液样本中直接检出0.001 mg/L氟离子，机器学习模型对阴离子分类准确率达96.7%。这种"纳米传感器+AI"双驱动策略为环境医学研究开辟了新范式。