《TRAC-TRENDS IN ANALYTICAL CHEMISTRY》:AI-Integrated MOF-Based Optical Sensors for Food Contaminants: On-Site, Multiplex, and Intelligent Detection
编辑推荐:
Jiaqi Zhang|Xiaobo Zhang|Jingli Yuan|Qiuyue Zheng|Jijuan Cao中国辽宁省大连市116600,大连民族大学生命科学学院,教育部生物技术及生物资源利用重点实验室摘要:食品安全是全球性的公共卫生问题,因此开发具有高灵敏度、高特异
Jiaqi Zhang|Xiaobo Zhang|Jingli Yuan|Qiuyue Zheng|Jijuan Cao
中国辽宁省大连市116600,大连民族大学生命科学学院,教育部生物技术及生物资源利用重点实验室
摘要:
食品安全是全球性的公共卫生问题,因此开发具有高灵敏度、高特异性和智能功能的新型即时检测技术至关重要。由于光学传感具备高灵敏度和快速响应的特点,已成为即时检测领域的研究热点。金属有机框架因其高比表面积、可调控的孔结构以及丰富的活性位点,可作为一种出色的光学传感平台。目前,基于金属有机框架的传感平台能够以极低的检测限高效检测多种食品污染物,展现出优异的分析性能。本综述系统总结了基于金属有机框架的人工智能辅助光学传感器在食品污染物检测方面的最新研究进展,介绍了包括溶热法、原位还原法和合成后修饰法在内的金属有机框架合成策略,重点探讨了比色、荧光和表面增强拉曼散射三种光学传感机制。此外,还阐述了光学传感与智能手机成像、微流控阵列以及先进机器学习算法在传感系统中的深度整合。最后,总结了实际应用中面临的挑战,并探讨了人工智能辅助的基于金属有机框架的光学传感器的跨学科发展前景。
引言
随着食品安全问题日益影响公众健康和消费者信心,食品污染已成为全球性重大挑战[1]。主要的食品污染物包括农药残留、兽药、抗生素、霉菌毒素、重金属离子以及非法添加剂[2]。长期摄入受污染的食品可能引发急性或慢性毒性反应,还可能导致致癌和致畸效应[3]。因此,开发具有高灵敏度、高特异性和快速响应能力的新技术,尤其是能够实现即时检测的技术,对于保障食品安全和维护社会稳定具有重要意义。
传统的食品分析主要依赖先进的实验室仪器[4]。尽管这些方法准确度很高,但由于设备成本高昂、预处理流程复杂以及需要专业人员操作,难以用于快速、现场且简单的食品筛查[5]。近年来,基于比色、荧光和表面增强拉曼散射技术的光学传感器迅速成为食品安全领域的研究热点[6]。这得益于它们具备快速响应、操作简单以及易于视觉读取等优点,尤其是与人工智能技术的结合,进一步提升了它们的抗干扰能力、环境适应性和稳定性[7]。
金属有机框架是由金属离子和有机配体通过配位键结合而成的 Coordination化合物。它们具有高比表面积、丰富的孔结构以及易于功能化的特点[8]。这些独特的物理化学性质使得金属有机框架在吸附富集、分子识别、信号转导和催化放大等方面表现出优异性能,因此成为构建光学传感平台的理想材料[9]。具体而言,金属有机框架的高孔隙率和开放的金属位点有助于目标分析物进入孔隙并与框架发生特异性相互作用,从而提高传感的选择性[10]。此外,金属有机框架中的金属节点和有机配体还可作为内在发光单元或催化活性中心[11],使材料具备荧光、比色和表面增强拉曼散射响应能力。另外,金属有机框架还可以作为载体,用于引入功能性客体、贵金属纳米粒子以及生物识别元件[12],通过限制效应和界面协同作用进一步放大检测信号。由于其高比表面积和孔隙率,金属有机框架能够在检测过程中有效吸附食品中的污染物[13]。同时,它们坚固的框架结构还能大幅提升传感器的稳定性,使其成为理想的光学传感平台[14]。然而,当面对复杂的食品基质时,基于金属有机框架的光学传感器仍面临背景信号强、多组分样品光谱重叠以及视觉解读错误等问题[15]。
为了解决上述问题,可以将光学传感器与人工智能技术相结合[16]。人工智能技术的进步推动了检测方法的变革,从简单的数值读取发展为智能信号分析[17]。诸如层次聚类分析和支持向量机之类的机器学习方法,以及包括卷积神经网络和人工神经网络在内的深度学习模型,能够处理光学传感过程中产生的大量高维度非线性数据[18]。这些工具帮助研究人员从复杂信号中提取关键特征,大幅提高检测效率和准确性[19]。同时,使用智能手机替代传统成像设备,再结合红绿蓝或色调饱和度值等数字信号处理方法,可以实现低成本、高精度且自动化的光学传感[20]。
本综述总结了基于金属有机框架的光学传感器在食品污染物检测方面的最新传感策略以及人工智能整合的最新案例(见图1)。首先,综述了基于金属有机框架的光学传感材料的主要合成方法。随后,详细介绍了基于金属有机框架的比色、荧光和表面增强拉曼散射传感机制。此外,还回顾了人工智能整合的基于金属有机框架的光学传感器在食品污染物检测中的最新应用,包括基于智能手机的比色传感器、微流控荧光传感阵列以及借助机器学习的表面增强拉曼散射传感器,以及它们在现场快速检测、多组分同步检测以及精准智能检测中的应用。最后,总结了当前金属有机框架材料、光学传感技术以及人工智能整合方面存在的挑战,并提出了从农田到餐桌的闭环智能传感系统的发展方向。
章节节选
溶热法
溶热法仍是金属有机框架合成中最常用的方法之一。在该方法中,金属盐前驱体和有机配体被放入密封的高压反应釜中加热数小时,从而促进自组装、成核以及框架的生长[21]。
通常,溶热合成法是用单一前驱体来制备单金属金属有机框架的[28]。为了提升材料的传感性能,研究人员逐渐开始在前驱体溶液中引入多种金属元素
基于金属有机框架的比色传感策略
基于金属有机框架的比色传感器是一类以金属有机框架作为功能材料或载体,通过吸收光谱和颜色的变化来检测目标分析物的传感系统[50]。由于这类传感器具有制备简单、操作方便、成本低廉且便于视觉读取等优点,同时还易于与基于智能手机的图像分析技术结合[51],因此已被广泛用于食品污染物和环境污染物的检测[52]。在比色检测中
人工智能整合的基于金属有机框架的光学传感器在食品污染物检测中的最新应用进展
近年来,应用于基于金属有机框架的光学传感器的人工智能技术主要通过两种方式实现:图像识别和光谱模式分析。前者通常依赖卷积神经网络等深度学习模型,自动对智能手机或阵列传感器采集的彩色图像、荧光图像或显微图像进行分类和量化[113]。后者则多采用主成分分析、线性判别分析以及层次聚类等机器学习算法
总结与展望
近年来,人工智能整合的基于金属有机框架的光学传感器在食品污染物检测领域取得了显著进展。通过溶热法、原位还原法和合成后修饰法,研究人员开发出了多种功能化金属有机框架复合传感材料,这些材料具有较高的稳定性、催化活性以及特定的识别能力。将这些材料与比色、荧光和表面增强拉曼散射等光学传感策略相结合,实现了高效的检测
结论
本综述系统总结了人工智能辅助的基于金属有机框架的光学传感器在食品污染物检测方面的最新进展。由于金属有机框架具有超高的比表面积、可调控的孔结构以及丰富的功能位点,因此为光学传感信号的富集和放大提供了绝佳的平台。智能手机成像、微流控芯片以及先进机器学习算法与光学传感系统的深度整合,显著提升了检测性能
CRediT作者贡献说明
Jiaqi Zhang:写作——初稿撰写、实验研究、数据整理、概念构思。Xiaobo Zhang:写作——审稿与编辑、软件应用、方法设计、资金筹集。Jingli Yuan:可视化处理、实验研究。Qiuyue Zheng:资源获取、数据整理。Jijuan Cao:写作——审稿与编辑、项目管理、概念构思
利益冲突声明
? 作者声明不存在任何可能影响本文研究结果的已知利益冲突或个人关系。
致谢
本研究得到了国家自然科学基金(编号:32402226)以及大连市优秀青年科学家科技计划(编号:2024RY026)的支持。