纳米技术支持的植物化学提取：利用金纳米粒子从植物提取物中回收低极性次级代谢产物

《Small Structures》：Nanoenabled Phytochemical Mining: Gold Nanoparticle-Mediated Recovery of Low-Polar Secondary Metabolites From Plant Extract

　　摘要

在纳米材料与生物技术的交叉领域，可持续分离复杂的天然产物仍然是一个关键挑战。尽管低极性次级代谢物具有显著的生物活性，但使用传统的提取方法却难以回收它们。本文报道了一种纳米吸附策略，利用绿色合成的、表面纯化的金纳米粒子（Au NPs）作为可调的吸附剂，用于从贯叶连翘（Hypericum perforatum）的提取物中选择性富集代谢物。通过系统优化溶剂组成、孵育时间和纳米粒子剂量，实现了参数驱动的选择性：其中，黄酮醇和黄酮类化合物的富集效果最佳，而在优化条件下，双黄酮类和萘二酮类化合物则表现出选择性保留。动力学建模证实了吸附过程主要受π–π堆叠、氢键作用、疏水作用和电荷转移相互作用的影响。结构特征如预聚化、羟基化和分子平面性被确定为吸附的关键决定因素。这项工作将基于Au NPs的纳米吸附技术定位为一个可扩展的、材料驱动的、可持续的天然产物分离平台，并为开发用于生物活性化合物发现和环境友好型分离的纳米粒子-代谢物界面提供了合理的框架，具有在营养保健品、制药和分析化学中的潜在应用。

1 引言

从复杂的植物提取物（如贯叶连翘）中分离低极性次级代谢物是天然产物研究中的一个重要但具有挑战性的步骤。这些代谢物包括萘二酮类、黄酮类、黄酮醇和黄酮类化合物，具有相当的生物活性[1, 2]，但由于其疏水性质和低溶解度[3, 4]，往往难以纯化。因此，许多这类分子（如关键的多环多聚戊二烯化黄酮醇（PPAPs）难以高纯度获得，且通常无法商业化[5, 6]。现有的分离技术包括传统的固液萃取[3, 4, 7]、无溶剂微波萃取[8]、超声辅助填充床萃取[9]和超临界CO2萃取[10]，往往缺乏对这些化合物的选择性，并且可能成本高昂或劳动密集。即使是专门针对贯叶连翘素衍生物的分子印迹聚合物（MIPs）[11]或优化的超临界CO2萃取[12]也存在局限性，例如需要高压系统、复杂的处理过程以及不一致的纯度结果。这些持续的挑战凸显了新型、表面驱动的分离策略的明确需求。纳米收割是一种新兴方法，它利用纳米粒子（NPs）从植物组织和细胞培养物中选择性提取目标化合物，从而减少了下游处理的需要[13, 14]。该策略利用NPs的高表面积和定制的表面化学性质进行分子识别和结合。例如，介孔二氧化硅NPs对细胞内黄酮类化合物表现出强烈的亲和力，使其能够高效回收[15]。同样，超小粒径的锐钛矿二氧化钛（TiO2）NPs能够直接从完整叶片中提取黄酮类化合物。这一过程由表面引导的结合和生物冠层形成驱动[16, 17]。这些例子表明，功能性纳米材料可以作为高效的固相吸附剂，用于直接分离有价值的植物化学物质。纳米吸附作为一种有前景的替代方法，其物理化学相互作用（高表面积、电荷、功能化、尺寸和疏水性）被调整以基于固有的表面性质、外部功能化和手性光学传感器来吸附和分离化合物[18, 19]。最近的研究证明了NPs在选择性吸附去除废水、药品和个人护理产品中的微污染物（如重金属和化合物）方面的有效性[18, 20]。MIPs通过模仿酶底物的识别位点显示出高亲和力和特异性[21]，而金属有机框架（MOFs）通过创建结构明确的结合环境改善了蛋白质和黄酮类的稳定性[22, 23]。此外，关于TiO2功能化二氧化硅NPs的研究表明，表面修饰、粒子孔隙率和目标构象可以影响黄酮类化合物的吸附效率[24-26]。这些结果表明，纳米吸附提供了选择性、可重复性和化合物分离的可扩展性[27, 28]。虽然SiO2和TiO2等纳米吸附剂已被用于生物活性化合物的分离，但它们通常需要广泛的表面修饰，这会导致非特异性相互作用[22-26, 29]。例如，SiO2提供高表面积，但需要表面功能化才能有效吸附低极性化合物[29]。TiO2 NPs能够实现强表面相互作用，但可能会诱导多酚类的光催化降解[24, 26]。MOFs提供了结构明确的孔隙环境，但在复杂的水基植物提取物中常常受到湿度敏感性和稳定性的限制[22, 23]。另一方面，金（Au）NPs在水介质中表现出胶体稳定性，并具有多种表面功能化，能够与疏水性化合物发生疏水性和π–π相互作用[30]，因此适合用于次级代谢物的纳米吸附。尽管NPs被广泛研究用于各种化合物的吸附和分离，但从复杂植物提取物中回收多聚戊二烯化、疏水性和芳香环丰富的次级代谢物的工作仍然很少。这一限制源于其低极性、结构复杂性和共提取干扰，这对分离方法构成了挑战。为了解决这一难题，本研究探讨了使用绿色合成的Au NPs从贯叶连翘提取物中回收低极性次级代谢物的纳米吸附过程的潜力。本工作的整体方案如图1所示。

2 结果与讨论

2.1 特性分析

在洗涤前后，绿色合成的Au NPs的特性观察到了明显差异。紫外-可见光谱（UV–vis spectroscopy）通过显示约520 nm处的明显峰确认了Au NPs的存在，洗涤前后吸光度略有变化（图2a）。动态光散射（DLS）分析（图2b）显示洗涤后的NPs具有更高的流体动力学直径（约145 nm），而透射电子显微镜（TEM）显示核心更小（图2e,f）。这种效应可能归因于NPs在溶液中的胶体行为[33]。值得注意的是，ζ电位接近零（-0.03 mV），在洗涤前后保持不变且接近中性（图2c）。洗涤前的NPs保留了提供空间稳定性的化合物，从而最小化了粒子间的相互作用。洗涤后，这种稳定层被去除，导致轻微聚集，尽管表面电荷保持不变。超高效液相色谱（UPLC）-光电二极管阵列（PDA）色谱图显示洗涤前后样品之间存在显著差异，表明NPs表面吸附的化合物被去除（图2d）。我们还对洗涤后的Au NPs进行了傅里叶变换红外（FTIR）分析（图S1）。在洗涤后的Au NPs中没有观察到与有机官能团相对应的峰，进一步证实了所有表面有机层的去除。此外，TEM成像显示洗涤后的NPs中松散结合的有机层被去除，粒子尺寸减小（图2f）。这些结果表明，洗涤有效地保持了Au NPs的结构和功能，使其适合用于纳米吸附研究。

2.2 纳米吸附效率与选择性的优化

为了评估从贯叶连翘提取物中捕获的低极性次级代谢物的纳米吸附效率和纯度，通过改变植物提取物的比例、孵育时间和NPs的浓度进行了系统优化。共鉴定并定量了40种化合物，并通过UPLC-PDA（图S2–S4）与外部标准品进行了比较。为了评估化合物的选择性，首先将化合物分为五类结构：酚酸、黄酮类、黄酮醇、黄酮类和萘二酮类（图S5）。然后选择了效率超过10%的个别化合物，并进一步评估了它们的纯度。

2.2.1 提取溶剂组成的影响

定量趋势显示，在甲醇-水（MeOH-H2O）比例为20:80时，低极性化合物的吸附效果最佳，它们优先结合到Au NPs表面，这是通过UPLC-PDA确定的（图S2）。这些化合物具有高疏水性，在许多情况下具有扩展的共轭芳香系统，表明通过疏水性和π–π堆叠相互作用在NPs表面具有强亲和力[4]。增加甲醇含量降低了整体溶剂的极性，从而提高了低极性化合物在溶液中的溶解度[34]。这减少了化合物与Au NPs表面之间的极性差异，削弱了吸附的疏水驱动力，导致吸附效率逐渐下降。在化合物类别中，吸附趋势依次为：黄酮醇 > 黄酮类 > 萘二酮类 > 酚酸（图S5a,b）。在黄酮类中，3,8″-biapigenin和gancaonin O的效率约为40%（图3a），而在20:80甲醇:水提取比例下，3,8″-biapigenin的纯度达到约20%（图3b）。黄酮类化合物如paxanthone（59.1%）、calycinoxanthone D（53.7%）、1,3,7-trihydroxyxanthone（36.5%）、1,3,5-trihydroxy-6-methoxyxanthone（30%）、cadensin G（25.6%）以及几种预聚戊二烯化黄酮类化合物，即1,3,5,6-tetrahydroxy-2-(3-methylbut-2-enyl)xanthone（24%）、1,3,7-trihydroxy-6-methoxy-8-prenylxanthone（19.3%）、1,8-dihydroxy-3,5-dimethoxy-2-prenylxanthone（13.1%）和paxanthonin（12.1%），根据它们的醚和羰基氧类型及极性显示出不同的吸附效率（图3c）。尽管多种黄酮类的吸附效率适中，但在优化条件下，只有1,3,7-trihydroxyxanthone对纯度的贡献显著（图3d）。

2.2.2 纳米吸附效率与选择性的优化

为了评估从贯叶连翘提取物中捕获的低极性次级代谢物的纳米吸附效率和纯度，通过改变植物提取物的比例、孵育时间和NPs的浓度进行了系统优化。共鉴定并定量了40种化合物（图S2–S4）。为了评估提取效率和化合物的选择性，首先将化合物分为五类结构：酚酸、黄酮类、黄酮醇、黄酮类和萘二酮类（图S5）。然后选择了效率超过10%的个别化合物，并进一步评估了它们的纯度。

2.2.1 提取溶剂组成的影响

定量趋势显示，在甲醇-水（MeOH-H2O）比例为20:80时，低极性化合物的吸附效果最佳，它们优先结合到Au NPs表面，这是通过UPLC-PDA确定的（图S2）。这些化合物具有高疏水性，在许多情况下具有扩展的共轭芳香系统，表明通过疏水性和π–π堆叠相互作用在NPs表面具有强亲和力[4]。增加甲醇含量降低了整体溶剂的极性，从而提高了低极性化合物在溶液中的溶解度[34]。这减少了化合物与Au NPs表面之间的极性差异，削弱了吸附的疏水驱动力，导致吸附效率逐渐下降。在化合物类别中，吸附趋势依次为：黄酮醇 > 黄酮类 > 萘二酮类 > 酚酸（图S5a,b）。在黄酮类中，3,8″-biapigenin和gancaonin O的效率约为40%（图3a），而在20:80甲醇:水提取比例下，3,8″-biapigenin的纯度达到约20%（图3b）。黄酮类化合物包括paxanthone（59.1%）、calycinoxanthone D（53.7%）、1,3,7-trihydroxyxanthone（36.5%）、1,3,5-trihydroxy-6-methoxyxanthone（30%）、cadensin G（25.6%）以及几种预聚戊二烯化黄酮类化合物，如1,3,5,6-tetrahydroxy-2-(3-methylbut-2-enyl)xanthone（24%）、1,3,7-trihydroxy-6-methoxy-8-prenylxanthone（19.3%）、1,8-dihydroxy-3,5-dimethoxy-2-prenylxanthone（13.1%）和paxanthonin（12.1%），根据它们的醚和羰基氧类型及极性显示出不同的吸附效率（图3c）。尽管多种黄酮类的吸附效率适中，但在优化条件下，只有1,3,7-trihydroxyxanthone对纯度的贡献显著（图3d）。

2.2.2 孵育时间的影响

使用UPLC-PDA分析（图S3）研究了在24小时周期内，接触时间对从优化后的甲醇:水提取物中化合物的纳米吸附的影响。时间进程分析显示，吸附效率在12小时内逐渐增加，之后没有显著改善，表明吸附平衡已经达到。这种相对较慢的动力学可能归因于化合物的大尺寸和结构刚性，这可能需要较长时间才能在NPs表面达到最佳取向。在孵育时间范围内，吸附趋势遵循了一致的类别依赖性顺序：黄酮醇 > 黄酮类 > 萘二酮类 > 酚酸（图S5c,d）。在黄酮类中，gancaonin O和3,8″-biapigenin的最终吸附效率分别为49.5%和35.4%（图4a），表明它们与Au NPs表面的相互作用随时间增强。然而，它们对吸附分数（纯度）的贡献有显著差异。虽然3,8″-biapigenin在12小时后保持约20%的稳定纯度，但gancaonin O的贡献可以忽略不计（图4b）。这一区别表明，具有π–π堆叠的平面双黄酮结构可能促进持续的吸附稳定性[36]。黄酮类化合物表现出广泛的吸附效率（图4c），其中paxanthone的吸附效率最高（73.6%），其次是1,3,5-三羟基-6-甲氧基黄酮（65.9%）、1,3,7-三羟基-6-甲氧基-8-戊二烯基黄酮（46.5%）、paxanthonin（42.2%）和1,3,7-三羟基黄酮（35%）。这可能归因于戊二烯基或羟基的取代作用，这些取代增强了π–π堆叠和疏水相互作用，这些作用随着时间推移在纳米颗粒（NP）表面逐渐扩散和对齐而增强[35]。然而，有趣的是，即使具有相同的戊二烯基或羟基基团，像1,3,5,6-四羟基-2-(3-甲基丁-2-烯基)黄酮、cadensin G、calycinoxanthone D和1,8-二羟基-3,5-二甲氧基-2-戊二烯基黄酮这样的黄酮类化合物显示出中等的吸附效率（15.3%–27.8%），这可能是由于它们的空间位阻或增加的极性随着时间的推移减弱了吸附作用（图4c）。尽管吸附效率各不相同，但在所有孵育时间点，只有1,3,7-三羟基黄酮的纯度始终保持在约5%（图4d），这表明虽然许多黄酮类化合物容易吸附在NP上，但在测试条件下很少有化合物能够实现选择性和稳定的表面保留。在测试的化合物类别中，floroglucinols显示出最高的整体吸附效率（图4e）。吸附效率从floroglucinol衍生物1的92.6%到33-羟基呋喃hyperforin的12.9%不等，而该类别中的其他化合物显示出中等效率：floroglucinol衍生物2（41.9%）、papuaforin C（37.6%）、adhyperforin（36%）、hyperforin（30.5%）和tomoeone E（19.8%）。尽管它们的吸附效率中等，但hyperforin和adhyperforin构成了最大比例的吸附化合物（纯度为10%），而吸附效率最高的floroglucinol衍生物仅贡献了约5%的吸附量（图4f）。这种高吸附效率与低相对纯度之间的差异表明了非选择性的共吸附和竞争性表面相互作用，这可以归因于戊二烯化模式、氧化状态和分子灵活性。floroglucinols内部的这些结构差异可能影响了它们在NP表面有效定向的能力[30]。例如，像floroglucinol衍生物1这样的化合物可能以非选择性的方式吸附，容易占据表面位点，而多戊二烯化和疏水结构的hyperforin和adhyperforin似乎通过强疏水相互作用促进了更稳定和选择性的结合，使它们能够在NP表面上随着时间的推移占据主导地位[35]。在naphthodianthrones中，只有protohypericin显示出有限的吸附（16%）并且在3小时时对纯度的贡献最小（图S7），这在后来的时间点下降，可能是由于这些化合物在长时间实验暴露下的光敏感性。

2.2.3 Au NP浓度的影响
为了评估NP浓度对次级代谢物吸附行为的影响，使用不同浓度的Au NPs（1、3和5 mg）进行了纳米吸附，并通过UPLC-PDA进行了分析（图S4）。观察到吸附效率随浓度的增加而增加，对于低极性黄酮和floroglucinols来说效果最为明显。这改变了化合物类别对黄酮的亲和力顺序：黄酮 > floroglucinols > 黄酮类 > naphthodianthrones > 酚酸（图S5e,f）。尽管一些化合物在NP浓度增加时显示出更高的吸附速率，但它们在吸附部分中的相对纯度却下降了。这种差异可能归因于吸附机制的变化，高NP浓度下可用的表面积增加增强了总吸附能力，但也可能促进了非选择性的多层物理吸附，从而稀释了任何单一化合物的相对丰度。像3,8″-biapigenin（73.9%）、gancaonin O（42.7%）和catechin-5-O-beta-D-glucopyranoside（38.9%）这样的黄酮类化合物在5 mg NPs时显示出显著更高的吸附效率（图5a）。然而，这些化合物的纯度降低了（图5b），这与非选择性表面吸附一致。图5显示了Au NP浓度对次级代谢物纳米吸附的影响。吸附效率（左列）和纯度（右列）分别为：(a,b) 黄酮类；(c,d) 黄酮；(e,f) floroglucinols。误差条代表三次实验值的SEM（n=3）。黄酮类化合物显示出最高的吸附效率增加（图5c），其中1,8-二羟基-3,5-二甲氧基-2-戊二烯基黄酮在5 mg NPs时的吸附效率达到90.7%，其次是cadensin G（86.1%）、1,3,7-三羟基-6-甲氧基-8-戊二烯基黄酮（84.9%）、1,3,5-三羟基-6-甲氧基黄酮（81.7%）、paxanthonin（81.6%）、1,3,7-三羟基黄酮（74.7%）、hyperxanthone F（50.4%）、calycinoxanthone D（42.7%）和paxanthone（41.2%）。尽管如此，在较高浓度的NPs下纯度有所下降（图5d），这是由于非选择性和表面饱和效应，但1,3,7-三羟基黄酮除外，它保持了相对较高的纯度，这表明其平面结构和特定的羟基化模式可能有利于通过氢键和π–π堆叠实现更稳定和选择性的相互作用。在floroglucinols类别中，tomoeone E在5 mg NPs时的吸附效率最高（72.2%），其次是floroglucinol衍生物1（60.7%）、33-羟基呋喃hyperforin（56.3%）、adhyperforin（51.8%）、furohyperforin（47.5%）和papuaforin C（40.5%）（图5e）。adhyperforin和33-羟基呋喃hyperforin占吸附化合物的最大份额（纯度为10%），而吸附效率最高的floroglucinol衍生物1仅贡献了约5%的吸附量（图4f）。这种高吸附效率与低相对纯度之间的差异表明了非选择性的共吸附和竞争性表面相互作用，这可以归因于戊二烯化模式、氧化状态和分子灵活性。floroglucinols内部的这些结构差异可能影响了它们在NP表面有效定向的能力[30]。例如，像floroglucinol衍生物1这样的化合物可能以非选择性的方式高效吸附，容易占据表面位点，而多戊二烯化和疏水结构的hyperforin和adhyperforin似乎通过强疏水相互作用促进了更稳定和选择性的结合，使它们能够在NP表面上随着时间的推移占据主导地位[35]。在naphthodianthrones中，只有protohypericin显示出有限的吸附（16%）并且在3小时时对纯度的贡献最小（图S7），这在后来的时间点下降，可能是由于这些化合物在长时间实验暴露下的光敏感性。

2.2.3 Au NP浓度的影响
为了评估NP浓度对次级代谢物吸附行为的影响，使用不同浓度的Au NPs（1、3和5 mg）进行了纳米吸附，并通过UPLC-PDA进行了分析（图S4）。观察到各种化合物的吸附效率随浓度的增加而增加，其中低极性黄酮和floroglucinols的变化最为明显。这改变了化合物类别对黄酮的亲和力顺序：黄酮 > floroglucinols > 黄酮类 > naphthodianthrones > 酚酸（图S5e,f）。尽管一些化合物在NP浓度增加时显示出更高的吸附速率，但它们在吸附部分中的相对纯度却下降了。这种差异可能归因于吸附机制的变化，高NP浓度下可用表面积的增加增强了总吸附能力，但也可能促进了非选择性的多层物理吸附，从而稀释了任何单一化合物的相对丰度。例如3,8″-biapigenin（73.9%）、gancaonin O（42.7%）和catechin-5-O-beta-D-glucopyranoside（38.9%）在5 mg NPs时显示出显著更高的吸附效率（图5a）。然而，这些化合物的纯度降低了（图5b），这与非选择性表面吸附一致。图5显示了Au NP浓度对次级代谢物纳米吸附的影响。吸附效率（左列）和纯度（右列）分别为：(a,b) 黄酮类；(c,d) 黄酮；(e,f) floroglucinols。误差条代表三次实验值的SEM（n=3）。黄酮类化合物显示出最高的吸附效率增加（图5c），其中1,8-二羟基-3,5-二甲氧基-2-戊二烯基黄酮在5 mg NPs时的吸附效率达到90.7%，其次是cadensin G（86.1%）、1,3,7-三羟基-6-甲氧基-8-戊二烯基黄酮（84.9%）、1,3,5-三羟基-6-甲氧基黄酮（81.7%）、paxanthonin（81.6%）、1,3,7-三羟基黄酮（74.7%）、hyperxanthone F（50.4%）、calycinoxanthone D（42.7%）和paxanthone（41.2%）。尽管如此，在较高浓度的NPs下纯度有所下降（图5d），这是由于非选择性和表面饱和效应，但1,3,7-三羟基黄酮除外，它保持了相对较高的纯度，这表明其平面结构和特定的羟基化模式可能有利于通过氢键和π–π堆叠实现更稳定和选择性的相互作用。在floroglucinols类别中，tomoeone E的吸附效率最高（72.2%），其次是floroglucinol衍生物1（60.7%）、33-羟基呋喃hyperforin（56.3%）、adhyperforin（51.8%）、furohyperforin（47.5%）、papuaforin C（40.5%）和floroglucinol衍生物2（36.6%）在5 mg NPs时（图5e）。adhyperforin和33-羟基呋喃hyperforin与其他floroglucinols相比显示出更高的相对纯度（图5f），表明它们与NP表面的结合更为特异性和稳定。有趣的是，floroglucinols的整体纯度趋势与其他类别的化合物不同，在5 mg NPs时纯度突然上升（图5f）。这种行为可能归因于结构因素，如戊二烯化程度和空间体积，这些因素可能促进了与NP表面更强烈和更特异性的疏水相互作用。naphthodianthrones的吸附效率依赖于浓度，但相对较低（图S8）。其中，protohypericin的吸附效率最高（28.9%），其次是hypericin（26.8%）、protopseudohypericin（21.9%）和pseudohypericin（14.2%）。它们的纯度也保持较低（大约2%），表明在测试条件下选择性亲和力较低（图S8）。总体而言，这些结果表明，虽然NP浓度的增加增强了总吸附能力，但通常会降低选择性，从而在效率和纯度之间产生了权衡。不同化合物类别的独特行为突显了分子结构（如极性、平面性和官能团）如何控制与非特异性物理吸附和与纳米材料表面的特异性稳定结合之间的平衡。

2.3 吸附动力学和机制洞察
动力学建模被用来理解所有测试条件下的纳米吸附机制，使用了伪一级（PFO）、伪二级（PSO）和颗粒内扩散（IPD）模型（图S9–S11）。为了排除潜在的过拟合并验证模型选择，对PFO和PSO数据集进行了卡方（χ2）分析，相应的值总结在表S1中。进行了补充的热图分析，以可视化不同实验变量下的化合物特定动力学参数，从而可以直接比较吸附行为（图6a）。图6显示了纳米吸附动力学和机制。归一化的热图显示了低极性次级代谢物在Au NPs（1 mg）上随时间的吸附动力学（a）。高强度值表示吸附更强。提出的纳米吸附机制用颜色编码的官能团表示（b）。羟基（蓝色）、甲基（红色）、氢（绿色）、过氧化物（棕色）酮（黑色）。在各种模型中，PSO模型对大多数黄酮类、黄酮、floroglucinols和naphthodianthrones的吸附动力学拟合最好，回归值（R2 > 0.97）。t/qt与t图的线性以及计算（qm,cal）和实验（qm,exp）平衡吸附容量之间的密切一致性进一步验证了PSO模型。代表性化合物如3,8″-biapigenin、1,3,7-三羟基黄酮、papuaforin C、33-羟基呋喃hyperforin、hyperforin、adhyperforin、pseudohypericin和hypericin显示出高的qe和k2值，表明它们具有强亲和力和快速的吸附动力学（图6a）。PSO动力学的普遍性表明，吸附速率与可用表面位点的平方成正比，这种行为通常与涉及强多点表面相互作用的过程相关[37]。在本研究中，这与π-π堆叠、氢键、疏水效应和电荷转移相互作用的协同作用一致（图6b），这些可以共同表现出二级动力学行为，而不需要形成共价键。相比之下，PFO模型（图S9）显示出相对较低的回归（R2 < 0.87），并低估了大多数化合物的qe和k1值（图6a）。值得注意的是，只有pseudohypericin和hypericin在PFO模型下显示出相对较高的qe值，表明对于这些naphthodianthrones，快速的初始表面结合可能是由它们的极性和平面结构驱动的。然而，整体较差的拟合表明简单的物理吸附不是主要机制。IPD模型（图S11）提供了额外的机制洞察。Weber-Morris图中几个化合物（catechin-5-O-beta-D-glucopyranoside、1,3-二羟基-2-甲氧基黄酮、33-羟基呋喃hyperforin、pseudohypericin和hypericin）的初始线性段具有高R2（>0.90），表明化合物向纳米颗粒晕圈或聚集界面的扩散有助于吸附过程，这发生在初始快速表面结合之后。

2.4 相互作用机制
植物来源的次级代谢物在NP上的纳米吸附主要受化合物的结构属性和NP的物理化学性质的复杂相互作用控制[18]。如图6b所示，富含芳香族的化合物，如3,8″-biapigenin和1,3,7-三羟基黄酮，通过与NP表面的π–π堆叠显示出强吸附[36]。为了实验探究这种相互作用，记录了在有无Au NPs情况下hypericin的UV–vis光谱（图7a）。自由的hypericin在592 nm处显示出一个强吸收带，对应于π到π*的跃迁，在550 nm处显示出一个弱吸收峰[38]。在Au NPs存在的情况下，这两个带都发生了蓝移（分别到588 nm和546 nm），这可能是由于π–π堆叠相互作用。进一步的相互作用调节了吸附。携带多个羟基官能团的化合物，如hydroxyxanthones，可以与NP上的残余羟基发生氢键结合[39]。相比之下，多戊二烯化的floroglucinols和黄酮，包括hyperforin、adhyperforin和1,3,7-三羟基-6-甲氧基-8-戊二烯基黄酮，具有多个甲基基团，这些基团增强了疏水相互作用，促进了在NP表面的吸附或通过部分电子交换帮助聚集[30]。这些相互作用通常伴随着电荷转移现象，特别是在具有羟基和甲基或酮基团的化合物中，这有助于在NP表面进行部分电子交换。其他经过改性的多戊二烯化floroglucinols，如33-羟基呋喃hyperforin，也具有更多的甲基基团，但氢键较弱，空间效应和疏水性较强，这可能促进表面亲和力和对齐，而不依赖于基于电荷的相互作用[40]。图7显示了吸附相互作用的实验和计算分析。在Au NPs存在和不存在的情况下hypericin的UV–vis光谱（a）。热图显示了12小时时吸附效率与关键分子描述符（即芳香环计数、戊二烯化程度和羟基化数量）之间的皮尔逊相关系数（r）（b）。DFT优化的Au14簇（c）、分离的hypericin（d）、分离的1,3,7-三羟基黄酮（e）、Au14–hypericin复合物（f）和Au14–1,3,7-三羟基黄酮复合物（g）的结构。计算是在B3LYP/LANL2DZ理论水平上进行的。为了探究结构-吸附关系，我们进行了16种代表性次级代谢物在12小时时的吸附效率与关键分子描述符（即芳香环计数、戊二烯化程度和羟基化数量）之间的皮尔逊相关性分析（表S2；图7b；图S2）。分析显示与芳香环计数和羟基化程度只有弱到中等的线性相关性，显示出中等的负相关（r = ?0.43），而戊二烯化程度显示出可忽略的正相关（r = 0.09）。这些弱相关性是有信息量的，因为它们表明吸附亲和力不能通过任何单一的结构参数以简单的线性方式预测。相反，它们强调了吸附是由多种因素的复杂非线性相互作用控制的，这些因素包括芳香性、平面性和官能团对非特异性物理吸附和与纳米材料表面的特异性稳定结合的平衡。

2.4 吸附动力学和机制洞察
动力学建模被用来理解所有测试条件下的纳米吸附机制，使用了伪一级（PFO）、伪二级（PSO）和颗粒内扩散（IPD）模型（图S9–S11）。为了排除潜在的过拟合并验证模型选择，对PFO和PSO数据集进行了卡方（χ2）分析，相应的值总结在表S1中。进行了补充的热图分析，以可视化不同实验变量下的化合物特定动力学参数，从而可以直接比较吸附行为（图6a）。图6显示了纳米吸附动力学和机制。归一化的热图显示了低极性次级代谢物在Au NPs（1 mg）上随时间的吸附动力学（a）。高强度值表示吸附更强。提出的纳米吸附机制用颜色编码的官能团表示（b）。羟基（蓝色）、甲基（红色）、氢（绿色）、过氧化物（棕色）酮（黑色）。在各种模型中，PSO模型对大多数黄酮类、黄酮、floroglucinols和naphthodianthrones的吸附动力学拟合最好，回归值（R2 > 0.97）。t/qt与t图的线性（图S10）以及计算（qm,cal）和实验（qm,exp）平衡吸附容量之间的密切一致性进一步验证了PSO模型。代表性化合物如3,8″-biapigenin、1,3,7-三羟基黄酮、papuaforin C、33-羟基呋喃hyperforin、hyperforin、adhyperforin、pseudohypericin和hypericin显示出高的qe和k2值，表明它们具有强亲和力和快速的吸附动力学（图6a）。PSO动力学的普遍性表明，吸附速率与可用表面位点的平方成正比，这种行为通常与涉及强多点表面相互作用的过程相关[37]。在本研究中，这与π-π堆叠、氢键、疏水效应和电荷转移相互作用的协同作用一致，这些可以共同表现出二级动力学行为，而不需要形成共价键。相比之下，PFO模型（图S9）显示出相对较低的回归（R2 < 0.87），并低估了大多数化合物的qe和k1值（图6a）。值得注意的是，只有pseudohypericin和hypericin在PFO模型下显示出相对较高的qe值，表明对于这些naphthodianthrones，快速的初始表面结合可能是由它们的极性和平面结构驱动的一级假设。然而，整体较差的拟合表明简单的物理吸附不是更广泛代谢物谱型的主导机制。IPD模型（图S11）提供了额外的机制洞察。Weber-Morris图中几个化合物（catechin-5-O-beta-D-glucopyranoside、1,3-二羟基-2-甲氧基黄酮、33-羟基呋喃hyperforin、pseudohypericin和hypericin）的初始线性段具有高R2（>0.90），表明化合物向纳米颗粒晕圈或聚集界面的扩散有助于吸附过程，这发生在初始快速表面结合之后。

2.4 相互作用机制
植物来源的次级代谢物在纳米颗粒（NP）上的纳米吸附主要受化合物的结构属性和NP的物理化学性质的复杂相互作用控制[18]。如图6b所示，富含芳香族的化合物，如3,8″-biapigenin和1,3,7-三羟基黄酮，通过与NP表面的π–π堆叠展示了强吸附[36]。为了实验探究这种相互作用，在有和没有Au NPs的情况下记录了hypericin的UV–vis光谱（图7a）。自由的hypericin在592 nm处显示出一个强吸收带，对应于π到π*的跃迁，在550 nm处显示出一个弱吸收峰[38]。在Au NPs存在的情况下，这两个带都发生了蓝移（分别到588 nm和546 nm），这可能是由于π–π堆叠相互作用。进一步的相互作用调节了吸附。携带多个羟基官能团的化合物，如hydroxyxanthones，可以与NP上的残余羟基发生氢键结合[39]。相比之下，多戊二烯化的floroglucinols和黄酮，包括hyperforin、adhyperforin和1,3,7-三羟基-6-甲氧基-8-戊二烯基黄酮，具有多个甲基基团，这些基团增强了疏水相互作用，促进了在NP表面的吸附或通过部分电子交换帮助聚集[30]。这些相互作用通常伴随着电荷转移现象，特别是在具有羟基和甲基或酮基团的化合物中，这有助于在NP表面进行部分电子交换。其他经过改性的多戊二烯化floroglucinols，如33-羟基呋喃hyperforin，也具有更多的甲基基团，但氢键较弱，空间效应和疏水性较强，这可能促进表面亲和力和对齐，而不依赖于基于电荷的相互作用[40]。图7显示了吸附相互作用的实验和计算分析。在Au NPs存在和不存在的情况下hypericin的UV–vis光谱（a）。热图显示了12小时时吸附效率与关键分子描述符（即芳香环计数、戊二烯化程度和羟基化数量）之间的皮尔逊相关系数（r）（b）。DFT优化的Au14簇（c）、分离的hypericin（d）、分离的1,3,7-三羟基黄酮（e）、Au14–hypericin复合物（f）和Au14–1,3,7-三羟基黄酮复合物（g）的结构。计算是在B3LYP/LANL2DZ理论水平上进行的。为了探究结构-吸附关系，我们进行了16种代表性次级代谢物在12小时时的吸附效率与关键分子描述符（即芳香环计数、戊二烯化程度和羟基化数量）之间的皮尔逊相关性分析（表S2；图7b；图S2）。分析显示与芳香环计数和羟基化程度只有弱到中等的线性相关性，显示出中等的负相关（r = ?0.43）和戊二烯化程度显示出可忽略的正相关（r = 0.09）。这些弱相关性是有信息量的，因为它们表明吸附亲和力不能通过任何单一的结构参数以简单的线性方式预测。相反，它们强调了吸附是由多种因素的复杂非线性相互作用控制的，这些因素包括芳香性、疏水性（来自戊二烯化）和极性（来自羟基）。例如，虽然芳香性对π-π堆叠相互作用至关重要，但芳香环或羟基基团的增加也可能引入空间约束或增强溶剂-溶质相互作用，从而调节吸附的净驱动力。同样，戊二烯基团有助于疏水性，但它们的好处可能被增加的分子体积所抵消，这阻止了紧密的表面接触。像pseudohypericin和hypericin这样的naphthodianthrones具有扩展的π共轭和氧化还原活性的醌类结构[41]，它们能够与NP表面进行π-π堆叠和电荷转移相互作用[39]。因此，整体吸附选择性源于这些和其他结构特征的平衡，包括分子平面性和空间可及性，这些共同决定了与NP表面的相互作用强度和几何形状。为了初步了解次级代谢物与Au NPs之间相互作用的几何形状和相对强度，我们使用Au14簇进行了DFT计算。评估了化合物在Au14簇上的不同取向（从顶部到底部和侧面）。此外，还计算了吸附能量，因为它表明了植物次级代谢物与载体底物Au14之间的相互作用强度。计算出的hypericin和1,3,7-三羟基黄酮在Au14基底上的吸附能量分别为?16.08和?17.14 kcal/mol（图7c–g）。吸附的负值确认了所有类型的分子与Au14基底之间的相互作用都是放热的，并且在这个模型系统中是有利的。需要强调的是，这些绝对能量值是模型依赖的，应该进行定性解释；它们的主要目的是为了证明稳定复杂化合物形成的可行性，并表明像金丝桃素和1,3,7-三羟基黄酮这样的平面共轭代谢物可以在金表面上采取有利的扁平取向，从而促进多点非共价相互作用。在DFT/B3LYP/LANL2DZ水平上的几何优化支持了这种提出的结合模式。总体而言，吸附作用是由化合物采取有利取向的能力驱动的，这受到分子平面性、官能团极性和空间可及性的影响，可能有助于稳定与纳米粒子表面的多点相互作用。

3 结论
本研究表明，金纳米粒子（Au NP）介导的纳米吸附不仅是一种从复杂植物提取物中回收低极性代谢物的实用工具，也是一个理解纳米粒子-代谢物识别的模型系统。通过将吸附选择性与结构特征（如预烯基化、羟基化和平面性）联系起来，该研究为纳米材料界面的定制设计提供了分子设计原则。强烈的多点表面相互作用的动力学证据强调了π-π堆叠、氢键和疏水相互作用作为协同驱动力的重要性。除了H. perforatum之外，这些结果表明，纳米粒子工程可以推广到实现不同天然产物的可持续分离。虽然通过优化实验过程参数可以富集化合物，但使用设计的配体对表面进行功能化可能会进一步控制未来的纳米吸附平台中的分子识别。

4 实验部分
4.1 植物提取物的制备
将干燥的H. perforatum地上部分研磨成细粉，并按照之前的方法[4]进行提取。简而言之，100毫克干燥粉末用1毫升80%甲醇（MeOH）（v/v；Sigma–Aldrich，Steinheim，德国）在琥珀色试管（Eppendorf，汉堡，德国）中提取，并涡旋1小时，然后在超声波水浴（Sonorex，Bandelin，柏林，德国）中超声辅助提取15分钟。然后将混合物在25,150 × g下离心30分钟（Beckman Coulter，Allegra 21R，印第安纳州，美国）。上清液在40°C下使用速度真空蒸发至干，残渣用5毫升超纯去离子水复溶，得到2%（w/v）的H. perforatum提取物，用于金纳米粒子的合成。

4.2 金纳米粒子的绿色合成及表面结合化合物的脱附
通过在150毫升容量瓶中混合5毫升2%提取物和50毫升1 mM AuCl3（w/v；Sigma–Aldrich，Steinheim，德国）溶液来合成金纳米粒子。反应混合物在室温下使用台式磁力搅拌器以100 rpm连续搅拌。12小时后通过UV-vis光谱仪（UV-1800，Shimadzu，京都，日本）在200–800 nm范围内监测并确认纳米粒子的形成。孵育后，通过10,730 × g离心30分钟使纳米粒子沉淀，并进行冻干以供进一步研究。表面结合的化合物通过用80% MeOH（w/v）涡旋5分钟清洗纳米粒子，然后超声处理15分钟。之后通过25,150 × g离心使纳米粒子沉淀，清洗后的金纳米粒子用于纳米吸附研究。上清液使用0.45 μm滤膜（13 mm PFTE膜，Kinesis，Vernon Hills，美国）进行注射过滤，并通过UPLC-PDA分析以确认化合物的脱附。为了检查是否有任何化合物残留在清洗后的纳米粒子表面，再次用80% MeOH清洗它们，并使用UPLC-PDA进行分析。

4.3 金纳米粒子的表征
为了表征清洗前后的金纳米粒子，将10毫克金纳米粒子分散在2毫升去离子水中，通过超声处理15分钟，并使用UV–vis光谱仪在200至800 nm波长范围内进行评估。使用衰减全反射傅里叶变换红外（FTIR）光谱仪（Alpha II FTIR Spectrometer，Bruker）在4000–400 cm?1范围内以2 cm?1的分辨率评估清洗后金纳米粒子中官能团的参与情况。使用Litesizer DLS 500（Anton Paar，奥地利）的DLS光谱仪测量粒径分布和表面电荷。使用TEM（Hitachi HT7700，日本）进行形态分析，以观察与化合物吸附和脱附相关的结构完整性和表面变化。在甲醇中制备的0.015 mg/mL的hypericin与3 mg/mL的清洗后金纳米粒子的混合物的UV–vis吸收光谱使用多模式板读取器（synergy HTX，Bio-Tek）在300至700 nm范围内记录，hypericin的特定吸收峰位于约590 nm。

4.4 纳米吸附的优化
使用如植物提取物制备部分所述的方法制备的H. perforatum提取物进行纳米吸附研究。提取物残渣在不同甲醇：水比例（0:100, 10:90, 20:80, 50:50, 和 80:20）下重新配制。提取物在25,150 × g下离心30分钟，上清液使用0.45 μm滤膜进行注射过滤，用于纳米吸附。初步筛选时，将1毫升每种2%（w/v）过滤后的提取物与1毫克金纳米粒子在室温下孵育12小时。基于20:80（MeOH-H2O）比例下的最佳富集效果，使用该比例在0.25, 0.5, 3, 6, 12, 和 24小时的孵育时间进行时间过程研究。之后，使用优化的提取物比例和孵育时间（20:80, 12小时），测试不同浓度的金纳米粒子（1, 3, 和 5 mg）以评估浓度依赖的吸附效率。孵育后，通过25,150 × g离心30分钟分离金纳米粒子-吸附物复合物，然后用去离子水洗涤纳米粒子颗粒，并用80% MeOH洗脱以回收吸附的次级代谢物，如[4]中所述。所有组分均干燥后溶解在MeOH中，用于UPLC-PDA高分辨率质谱（HRMS）分析。化合物的提取效率和纯度使用下面的公式（1）和（2）计算。

4.5 吸附化合物的鉴定和定量
回收的组分通过UPLC与PDA和HRMS联用进行分析，如[4]中所述。简而言之，将过滤后的样品（0.45 μm，13 mm PTFE膜）以2 μL的量注入BEH C18柱（2.1 × 100 mm，1.7 μm，Waters）中，在50°C下进行分离。分离使用二元梯度：（A）10 mM醋酸铵在0.1%甲酸中，（B）乙腈/甲醇（80:20，v/v），流速为0.3 mL/min，程序如下：0.0–0.5 min，5% B；0.5–2.0 min，15% B；2.0–6.0 min，20%；6.0–10.0 min，60% B；10.0–17.0 min，99% B；17.0–19.0 min，99% B；19.0–20.0 min，从99%降至5% B。对于鉴定，MS检测在负离子模式下进行全扫描（100–1000 m/z）和数据依赖的MS/MS采集。图8展示了H. perforatum提取物中存在的各种酚酸、黄酮类、黄酮酮、花色素醇和萘二酮（NDA）的结构。对于定量，每个样品使用UPLC-PDA（Waters Acquity）进行分析。注射体积为10 μL，在相同的色谱条件下进行，检测波长分别设置为254 nm（对于酚酸、黄酮类和黄酮酮），270 nm（花色素醇），330 nm（双黄酮类），和590 nm（萘二酮）。根据保留时间（Rt）鉴定峰，并使用外部标准品进行定量：对于酚酸使用氯原酸，对于黄酮类和双黄酮类使用槲皮素-3-葡萄糖苷，对于黄酮酮使用芒果苷，对于萘二酮使用假金丝桃素（Sigma–Aldrich，德国；分析级，≥95%–98%纯度）。使用峰面积与浓度的线性回归获得校准方程，并计算回归残差的标准偏差（σ）。检测限（LOD）和定量限（LOQ）使用LOD = 3.3 σ/S和LOQ = 10 σ/S估计，其中S是校准曲线的斜率，数值总结在表S3中。

4.6 动力学建模
为了了解在不同实验条件下的纳米吸附速率和机制，对次级代谢物在金纳米粒子上的吸附动力学进行了研究。吸附动力学使用PFO、PSO和IPD方程[42]进行建模。这些方程应用于实验数据，以分析在固定甲醇-水提取物比例（20:80）和金纳米粒子浓度（1 mg）下的孵育时间（0.25–24 h）内的纳米吸附行为。每种吸附化合物的量相对于2%提取物中存在的相应化合物进行计算。每种化合物的平衡吸附容量（qe）浓度（μg/mg Au NPs）使用以下公式计算：其中Co和Ce分别是溶液中化合物的初始和平衡浓度（μg/mL），V是提取物的体积（mL），m是金纳米粒子的质量（mg）。数据分别拟合到以下模型：
PFO模型假设吸附速率与表面位点的数量成正比，由Lagergren方程[43]表示。
其中k1代表PFO模型的速率常数（h?1），而qt和qe（μg/mg）分别表示时间和平衡时的吸附容量。
PSO模型常用于描述液体溶液的吸附动力学，由以下方程[44]表示。这里，k2（mg/μg·h）代表PSO模型的速率常数。IPD模型评估纳米粒子聚集体或孔内的扩散是否控制吸附过程，由Weber–Morris动力学模型方程[45]表示。C和Ki分别是边界层厚度（μg/mg）和IPD速率常数（μg/mg·h0.5）的常数。如果从图中得到通过原点的直线，则认为仅受IPD控制。通过使用卡方（χ2）方程[42]进行模型评估和残差分析，以进一步排除模型过拟合并验证模型：
其中和分别是实验确定的和模型预测的平衡吸附容量。随后，将χ2值从每个实验数据集的最小值标准化到最大值，以便进行比较可视化。

4.7 统计分析
所有实验均重复三次（n = 3），结果表示为平均值±平均值的标准误差（SEM）。原始色谱峰面积和动力学吸附数据在重复实验间的一致性进行了检查。由于数据集显示出稳定的方差和线性检测，因此不需要数据转换或标准化。化合物的定量基于保留时间和峰面积，使用从五个浓度的外部标准品构建的校准曲线进行估计，确定系数（R2 = 0.98–0.99）如前所述[4]。鉴于本研究关注提取效率和纯度计算，吸附动力学参数（qe, k1, k2, 和 ki）使用Microsoft Excel中的非线性回归分析计算。使用确定系数（R2）评估每个动力学模型的拟合优度。通过评估拟合曲线和残差模式来确认模型假设的有效性。使用优化参数的吸附效率值进行相关性分析，随后使用Pearson相关系数计算吸附效率与每个结构描述符之间的相关性。为了视觉比较，使用GraphPad Prism软件（版本10）将动力学参数的值标准化并表示为热图。

4.8 DFT研究
使用简化的Au14簇模型进行DFT计算，以获得关于选定的次级代谢物（即金丝桃素、1,3,7-三羟基黄酮和hyperforin）与金纳米粒子表面相互作用的定性见解。所有计算均使用Gaussian 16程序套件[46]进行。几何优化采用混合功能B3LYP（Becke的三参数交换与Lee-Yang-Parr相关功能）和LANL2DZ有效核势基组[47, 48]进行。Au14@molecule的吸附能量使用以下公式计算：这里，EAu14@molecule表示Au14@molecule复合物的能量，而EAu14和Emolecule分别表示原始Au14和分子的总能量。支持信息
额外的支持信息可以在支持信息部分在线找到。支持图S1：清洗后金纳米粒子的FTIR光谱。支持图S2：UPLC-PDA色谱图（270 nm），显示了H. perforatum提取物（黑色）和在不同MeOH-水提取物比例下孵育12小时后吸附在1 mg金纳米粒子（橙色）上的次级代谢物谱图。（a）0:100，（b）10:90，（c）20:80，（d）50:50，（e）80:20。支持图S3：UPLC-PDA色谱图（270 nm），显示了在MeOH-水提取物比例（20:80）下孵育0.25, 0.5, 3, 6, 12和24小时后吸附在金纳米粒子（1 mg）上的化合物。支持图S4：UPLC-PDA色谱图（270 nm），显示了在不同浓度的金纳米粒子（1, 3和5 mg/mL）下孵育12小时后吸附的化合物。支持图S5：在不同实验条件下不同类别次级代谢物的纳米吸附效率和纯度。甲醇-水提取比例对吸附效率（a）和纯度（b）的影响。孵育时间对吸附效率（c）和纯度（d）的影响。金纳米粒子浓度对吸附效率（e）和纯度（f）的影响。误差条代表三次实验的平均值（n = 3）的扫描电子显微镜（SEM）图像。补充图S6：甲醇-水提取比例对萘二蒽酮类化合物的纳米吸附效率（a）和纯度（b）的影响。误差条代表三次实验的平均值（n = 3）的扫描电子显微镜（SEM）图像。补充图S7：孵育时间对原超黄连素类化合物的纳米吸附效率（a）和纯度（b）的影响。误差条代表三次实验的平均值（n = 3）的扫描电子显微镜（SEM）图像。补充图S8：金纳米粒子浓度对萘二蒽酮类化合物的纳米吸附效率（a）和纯度（b）的影响。误差条代表三次实验的平均值（n = 3）的扫描电子显微镜（SEM）图像。补充图S9：在固定甲醇-水提取比例（20:80）和金纳米粒子浓度（1 mg/mL）条件下，不同孵育时间下次生代谢物纳米吸附的伪一级（PFO）动力学图。数据按化合物类别分组：黄酮类（a）、黄酮酮类（b）、邻苯二酚类（c）和萘二蒽酮类（d）。补充图S10：在固定甲醇-水提取比例（20:80）和金纳米粒子浓度（1 mg/mL）条件下，不同孵育期间次生代谢物纳米吸附的伪二级（PSO）动力学图。数据按化合物类别分组：黄酮类（a）、黄酮酮类（b）、邻苯二酚类（c）和萘二蒽酮类（d）。补充图S11：在固定甲醇-水提取比例（20:80）和金纳米粒子浓度（1 mg/mL）条件下，不同反应时间内次生代谢物纳米吸附的颗粒内扩散（IPD）动力学图。数据按化合物类别分组：黄酮类（a）、黄酮酮类（b）、邻苯二酚类（c）和萘二蒽酮类（d）。补充表S1：在固定甲醇-水提取比例（20:80）和金纳米粒子浓度（1 mg/mL）条件下，不同反应时间内各个次生代谢物纳米吸附的PFO和PSO动力学模型的标准化卡方（χ2）值。标准化χ2值范围为0到1，其中较低的值表示模型与实验数据的吻合度更高。每种条件下分别对PFO和PSO的χ2值进行标准化，以便比较模型性能（0 = 最佳拟合，1 = 最差拟合）。补充表S2：12小时时代表性次生代谢物的结构参数和纳米吸附效率总结。补充表S3：使用外部标准进行UPLC-PDA定量分析的次生代谢物的校准参数。作者贡献

Matam Pradeep：撰写初稿、审稿和编辑、概念构思、方法设计、实验研究、数据整理、正式分析。Suman Kalyan Sahoo：密度泛函理论（DFT）研究、DFT数据的方法分析。Dibyendu Mondal：概念构思、方法设计、数据可视化、撰写、审稿和编辑。Gregory Franklin：概念构思、实验研究、指导、方法设计、撰写、审稿和编辑、资金筹集。致谢

本研究得到了国家科学中心（NCN）的支持，项目编号为UMO-2022/45/B/NZ9/02135。作者感谢NANOPLANT项目，该项目获得了欧盟“地平线2020”研究与创新计划的资助（授权协议编号856961 NANOPLANT）。资金支持

本研究还得到了H2020“传播卓越与扩大参与”计划（授权协议编号856961）和Narodowym Centrum Nauki的支持（UMO-2022/45/B/NZ9/02135）。利益冲突

作者声明没有利益冲突。数据可用性声明

支持本研究结果的数据可在本文的补充信息中找到。