利用海藻酸钠/银水凝胶基底，通过机器学习辅助的SERS技术检测硒物种

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Machine learning assisted SERS detection of selenium species using a sodium alginate/silver hydrogel substrate

一种基于Na alginate/Ag NPs水凝胶的便携式SERS传感平台及其机器学习分析系统被开发，用于快速检测复杂水样和土壤中的硒形态。通过Ca2?交联法合成的水凝胶具有高均匀性（增强因子达10?）和低检测限（3.35-3.37 μg/L），并利用DFT计算揭示了其增强机制。结合PLS-DA、PCA-DA、KNN、SVM等分类模型和PLSR、SVR回归模型，实现了硒形态的准确识别（SVM准确率90%）和定量分析（R2>0.8958）。该集成方案为现场环境监测提供了可靠技术框架。

　　

Ziqi Zhang|Zhixi Zhao|Huaqing Ling|Shan Chen|Zulihaya Maimaiti|Yongbin Li

新疆师范大学化学与化学工程学院，中国乌鲁木齐830054

摘要

硒（Se）是一种必需的微量元素，其浓度范围非常狭窄，介于营养益处和毒性效应之间。因此，开发快速准确的检测方法来分析环境样品中的硒形态非常重要。在这项研究中，开发了一种便携、稳定且高灵敏度的传感平台，用于复杂水和土壤样品中硒形态的快速定性和定量分析。通过简单的Ca²⁺离子交联方法，成功合成了用于表面增强拉曼散射（SERS）的海藻酸钠/银纳米颗粒（SA/Ag NPs）水凝胶基底。SA/Ag NPs水凝胶基底表现出优异的均匀性、重复性和稳定性，增强因子（EF）达到10⁹。SA/Ag NPs基底对Se(IV)和Se(VI)的检测限分别为3.35 μg/L和3.37 μg/L。密度泛函理论（DFT）计算探讨了SERS的化学增强机制。系统评估了PLS-DA、PCA-DA、KNN和SVM等分类模型以及PLSR和SVR等回归模型在识别和量化实际水和土壤样品中硒形态方面的性能。SVM模型的准确率为90.0%，SVR的决定系数（R²）大于0.8958，均方根误差（RMSE）小于54.6 μg/L。该方法建立了一种可靠的水凝胶SERS基底与机器学习算法的集成方案，具有很好的实际应用潜力。

引言

硒（Se）是人体健康所必需的微量元素，在抗氧化防御、免疫功能和甲状腺激素代谢中起着关键作用[1]、[2]、[3]、[4]。然而，硒的安全范围很窄，从营养缺乏到毒性过量的浓度范围非常小，仅为每天40至400 μg[5]、[6]。环境基质中的主要硒形态是无机形式的亚硒酸盐（Se(IV)）和硒酸盐（Se(VI)），其中Se(IV)的迁移性和毒性更强。因此，迫切需要一种快速、灵敏且可靠的方法来分析环境样品中的硒形态[7]。

传统的无机硒形态分析方法耗时较长，且需要使用昂贵的试剂和设备。在处理复杂基质时，这一问题更加严重[8]、[9]。表面增强拉曼光谱（SERS）提供的分子指纹信息归因于局部表面等离子体共振（LSPR）和分子-金属界面处的电荷转移的共同作用[10]、[11]、[12]、[13]。然而，传统胶体或纳米结构基底的可重复性和稳定性较差，常常阻碍了SERS在环境分析中的实际应用[14]、[15]、[16]、[17]。近年来，人们开发了一些策略来克服这些限制。设计出含有等离子体纳米颗粒的三维纳米结构，通过促进微观尺度上的质量传递来增强基底-分析物之间的相互作用，从而提高了检测灵敏度[18]。将特定的捕获元素或分子印迹位点整合到传感平台中，为选择性检测环境污染物提供了关键的方法参考[19]。这些进展为本文设计的水凝胶嵌入等离子体系统奠定了基础，旨在实现基于SERS的环境传感[20]。海藻酸钠（SA）是一种天然多糖，含有大量的羧基（-COOH）和羟基（-OH）结合位点[21]。将SA水凝胶应用于SERS可以有效地减轻纳米颗粒聚集并抑制咖啡环效应，从而提高基底的稳定性和重复性[22]、[23]。在实际检测中，复杂混合物的存在常常妨碍基于特征峰的手动解释进行准确的识别和定量分析。机器学习（ML）能够对复杂、非线性数据关系进行建模，并从大型数据集中识别出有意义的模式[24]。使用KNN、RF和SVM模型对生物和环境水样中的八种阴离子进行准确分类，证明了ML方法的有效性[25]。在一个关注食品安全的应用中，PLSR和SVR模型实现了对鱼体中微量孔雀石绿残留物的精确量化[26]。这些进展为SERS光谱学带来了新的机遇和挑战。

本研究开发了一种策略，将海藻酸钠/银纳米颗粒（SA/Ag NPs）水凝胶SERS基底与机器学习相结合，以解决实际环境样品中的光谱复杂性问题。如图1所示，SA/Ag NPs水凝胶是通过简单的Ca²⁺交联方法合成的，并对其进行了全面表征。基于关键指标评估了该基底的SERS性能，包括均匀性、重复性、选择性、抗干扰能力和稳定性。密度泛函理论（DFT）计算揭示了分子层面的化学增强机制。SA/Ag NPs基底对单目标检测具有高灵敏度和选择性。在常见干扰离子和有机化合物存在的情况下，SA/Ag NPs基底对目标的检测性能受到显著抑制。混合样品光谱数据集的主成分分析（PCA）显示各簇之间存在大量重叠。复杂的基质使得基于特征峰的直接区分和量化变得复杂，这对传统SERS方法的实际应用提出了挑战。为了在多组分系统中实现准确的形态和定量分析，本研究使用机器学习模型处理高维数据和复杂非线性模式。在实际水和土壤样品的背景下，比较了PLS-DA、PCA-DA、KNN、SVM分类模型以及PLSR、SVR回归模型。这一系统比较旨在确定用于准确分析硒形态和预测浓度的最佳模型。该平台成功应用于实际水样和土壤样的分析，并取得了良好的回收率。这项工作建立了一种将无标记水凝胶SERS基底与机器学习算法相结合的可靠策略，展示了其在现场环境监测中的广泛应用前景。

材料

硝酸银（AgNO₃）、海藻酸钠（SA）、柠檬酸钠（C₆H₅O₇Na₃）、柠檬酸（C₆H₈O₇）、碳酸钙（CaCO₃）、硒酸钠（Na₂SeO₄）、亚硒酸钠（Na₂SeO₃）、氯化钠（NaCl）、氯化钙（CaCl₂）、碳酸氢钠（NaHCO₃）、硫酸钠（Na₂SO₄）、磷酸二钠（Na₂HPO₄）、乙酰氯（C₁₄H₂₀ClNO₂）、草甘膦（C₃H₈NO₅P）、乙胺嘧啶（C??H??ClN?）、氯氟氰菊酯（CAP，C₁₈H₁₄BrCl₂N₅O₂）、腐殖酸（HA，C₉H₉NO₆）。化学试剂均为分析级。样品...

SA/Ag NPs传感器的表征

通过高分辨率场发射扫描电子显微镜（SEM）对SA/Ag NPs水凝胶的形态和结构进行了表征。水凝胶横截面显示出一个高度多孔的蜂窝状结构，表面有皱纹，如图1a -1d不同放大倍数下所观察到的。这种独特的结构是由Ca²⁺离子与海藻酸钠链上的羧基之间的配位键形成的[39]。

结论与展望

本研究开发了一种基于SA/AgNPs水凝胶基底的便携式且稳健的传感平台，用于快速识别和定量分析环境基质中的硒。SA/AgNPs水凝胶是通过简单的Ca²⁺交联方法制备的，该基底表现出优异的SERS性能。SA/Ag NPs基底的增强因子高达1.57 × 10⁹，Se(IV)和Se(VI)的检测限分别低至3.35 μg/L和3.37 μg/L。

作者贡献声明

Ziqi Zhang：概念构思、研究方法、可视化、初稿撰写、审稿与编辑。Huaqing Ling：研究方法、概念构思、项目管理。Shan Chen和Zulihaya Maimaiti：研究方法、数据收集。Zhixi Zhao：审稿与编辑、监督、研究方法、资金申请。Yongbin Li：审稿与编辑。所有作者均批准了手稿的最终版本。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢

作者感谢国家自然科学基金（编号41867051）对这项工作的支持。