引言
芦丁（3′,4′,5,7-四羟基黄酮）是一种广泛存在于芹菜、菊花和柑橘皮等植物中的天然黄酮类化合物[1], [2], [3]。它具有抗氧化、抗炎、抗菌和抗肿瘤等多种生物活性，因此在功能食品、药物制剂和化妆品等领域具有重要的应用价值[4], [5], [6]。因此，准确灵敏地检测芦丁的含量对于评估植物提取物的营养价值、控制药品质量以及研究其药理机制具有重要意义[7], [8], [9], [10], [11]。然而，芦丁在真实样品中的含量通常较低，且植物源基质复杂，因为它们含有糖类、氨基酸、有机酸、酚酸、黄酮类、无机盐和其他电活性物质。这些因素使得芦丁的选择性灵敏测定极具挑战性。
目前，芦丁的检测方法主要包括高效液相色谱法（HPLC）、紫外-可见分光光度法、荧光光谱法和电化学检测方法[12], [13], [14], [15]。色谱法通常具有高精度和高选择性，但它们需要昂贵的仪器、繁琐的样品前处理、较长的分析时间和熟练的操作人员。紫外-可见和荧光方法相对简单，但它们常常受到基质吸收、光谱重叠和复杂真实样品中有限选择性的影响。其中，电化学传感器因其操作简单、响应迅速、灵敏度高、成本低和易于微型化等优点，在天然产物检测领域引起了广泛关注[16], [17], [18], [19], [20]。纳米材料的修饰是提升电化学传感器性能的关键。通过引入功能性纳米材料，可以有效增加电极的比表面积，丰富活性位点，加速电子转移，从而提高传感器的检测性能[21], [22], [23], [24]。
二氧化锡（SnO2）作为一种典型的n型半导体金属氧化物，具有优异的电化学催化活性、化学稳定性和环境友好性，广泛应用于电化学传感、气体检测和光催化等领域[25], [26], [27]。花状SnO2具有由大量纳米片组成的独特三维结构，具有较大的比表面积和丰富的活性位点，可以显著增强催化性能[28], [29]。与块体和球形SnO2相比，它具有更突出的应用潜力。Liu等人通过水热法成功制备了三维花状SnO2纳米结构，并将其用作锂离子电池的负极材料，表现出约670 mAh·g?1的可逆比容量，并在30次循环后保持稳定的电化学性能[30]。然而，纯SnO2存在电导率差和易于团聚等问题，这限制了其在电化学传感中的进一步应用。
碳纳米管（CNTs）具有优异的电导率、较大的比表面积和良好的柔韧性，使其适合分散SnO2纳米颗粒并抑制其团聚[31], [32]。例如，Chambers等人利用原子层沉积将SnO2涂覆在Multi-walled碳纳米管（MWCNTs）表面并负载铂纳米颗粒，制备了Pt/SnO2-CNT复合催化剂。他们发现该催化剂在氧还原反应中表现出0.15 mA·cm?2的比活性，优于商业Pt/C催化剂（0.05 mA·cm?2）[33]。此外，Chen等人通过将CTAB分散的MWCNTs与辣根过氧化物酶（HRP）结合构建了电化学生物传感器，实现了对芦丁的灵敏检测。其线性范围为1 × 10?8至2 × 10?5 M，检出限低至8 × 10?10 M[34]。然而，当碳纳米管与氧化锡结合时，其电导率、分散性、孔结构和界面相互作用都会同时发生变化。传统的实验方法无法区分各因素的主次效应，也无法深入揭示复合材料的电化学增强机制。
机器学习凭借其出色的非线性建模能力和强大的数据挖掘能力，被广泛应用于材料设计、性能预测和机理研究等领域[35], [36], [37]。在电化学材料领域，Cai等人利用机器学习建模结合从头算分子动力学方法，筛选了用于镁离子电池和锌离子电池的潜在尖晶石型正极材料的电子电导率、离子电导率和稳定性。他们成功选出了6种符合要求的主极材料[38]。
最近，机器学习也因其能够分析复杂信号、提取隐藏模式和提高检测可靠性而在电化学传感领域受到越来越多的关注。Vangerven等人将伏安信号预处理与随机森林算法相结合，实现了对电化学信号的可靠识别，展示了机器学习在高级电化学数据分析中的潜力[39]。Zhang等人开发了一种基于原子精确金团簇的机器学习辅助电化学传感平台，表明机器学习模型可以增强复杂样品基质中的分析可靠性[40]。Zhao等人进一步构建了机器学习辅助的Cu3(HHTP)2/COOH-MWCNTs传感平台，其中机器学习算法被应用于提高电化学检测的信号处理和抗干扰分析[41]。此外，Kou等人通过将稀疏高斯过程回归（GPR）与密度泛函理论（DFT）相结合，成功揭示了铝掺杂对高能量密度正极材料电压/容量衰减的抑制机制[42]。因此，利用机器学习对复合材料的多元耦合效应进行非线性建模，定量分析各结构参数对电化学性能的贡献，从而揭示电化学增强机制，这是一个可行且极具意义的研究方向。
基于此，本文利用水热法制备了花状SnO2/CNTs复合材料。通过调节SnO2与CNTs的质量比，优化复合材料的结构。然后将这些材料修饰在玻璃碳电极表面，构建芦丁的电化学传感器。还进行了涉及无机离子、糖类、氨基酸、有机酸、酚酸和多酚的抗干扰实验，以评估其在复杂基质中的选择性。进一步采用紫外-可见分光光度法作为独立标准方法验证真实样品分析结果。系统地研究了复合材料结构与其电化学性能之间的相关性。
