综述：用于食品与环境监测的比色纳米酶传感器阵列：从催化工程到智能模式识别

《TRAC-TRENDS IN ANALYTICAL CHEMISTRY》：Colorimetric Nanozyme Sensor Arrays for Food and Environmental Monitoring: From Catalytic Engineering to Intelligent Pattern Recognition

　　摘要
日益严重的环境污染和食品安全问题使得人们迫切需要快速、灵敏且简便的检测方法。传统分析方法虽然精确可靠，但由于仪器复杂、样品制备耗时以及需依赖集中式实验室，难以在常规检测中广泛应用。通过将阵列传感系统的多维响应能力与纳米酶的催化适应性相结合，比色型纳米酶传感器阵列成为一种极具前景的检测技术。与传统单分析物传感器不同，纳米酶传感器阵列依靠分析物与多种催化组分的相互作用产生独特的比色响应模式。不同的催化活性、底物亲和力及表面相互作用使得这些交叉反应平台能够生成独特的视觉特征，从而区分化学性质相似的目标物。在催化工程方面的进展——包括杂原子掺杂、缺陷工程、表面功能化、形貌控制，以及金属基、碳基、MOF基、COF基和混合纳米酶结构的构建——提升了催化效率、选择性和信号多样性，进而改善了传感器阵列的性能。主成分分析、线性判别分析以及人工神经网络等模式识别技术进一步增强了这些系统的分析能力，通过解析吸光度光谱及RGB/HSV特征，可实现有毒分析物的精准分类与定量分析。本文综述了用于检测食品和环境污染物的比色型纳米酶传感器阵列的设计原理、催化策略及传感机制。最后，还探讨了下一代高性能纳米酶传感器阵列在实现快速、可靠、智能化的食品与环境监测方面的应用前景，以及面临的关键挑战、新兴机遇与发展方向。

引言
现代生活水平的提升往往以环境退化为代价，而这主要是由于工业化加速、资源过度开采以及全球城市化进程所导致的。幸运的是，近几十年来环保意识的增强推动了全球范围内为减轻这些影响而采取的各种措施与政策。此外，日常生活中的各种环境因素——如空气污染、食品污染、饮用水污染、全球变暖，以及工业发展带来的天然矿物资源枯竭——也影响着每个人的健康。[1] 随着全球化、工业化以及复杂供应链的发展，从原材料到最终产品，各个环节的污染风险都在增加，确保食品与环境安全的重要性愈发突出。世界卫生组织指出，全球每年有6亿人因食源性疾病患病，42万人因此死亡；仅在美国和低收入国家，每年就有4800万例食源性疾病发生，而受污染的食品每年还会造成1100亿美元的生产力损失和医疗支出。[2] 这些威胁既包括病毒、细菌等生物污染物，[3] 也包括重金属、农药、抗生素残留、毒素等化学污染物。[4][5][6][7] 这些污染物难以降解，会在生态系统中积累并通过食物链传递，对环境健康和食品安全构成长期风险。

质谱法和气相色谱法等传统分析技术为环境污染评估和食品安全监测提供了较高的准确度和可靠的定量结果。[8][9] 然而，它们繁琐的样品制备流程、漫长的分析周期以及高昂的运行成本，限制了其在常规检测中的应用，也不适合在急需快速检测、现场检测或资源有限的场合使用。[10][11] 相比之下，基于纳米酶的比色传感器阵列则是一种快速、廉价且易于使用的替代方案，无需复杂设备即可获取实时数据。[12][13] 这类传感器阵列作为人工受体系统，能将分析物引发的催化反应转化为易于数字化监测和解读的离散比色信号。由于其易用性、可调性以及与多种分析物的广泛兼容性，纳米酶比色传感器阵列非常适合用于下一代环境和食品安全监测。

由于成本低、稳定性高、生物相容性强且易于改性，纳米酶被广泛用于比色传感器的开发。通过制备纳米酶，比色传感平台的稳定性和灵敏度得到了显著提升。纳米酶本质上是具有类似酶特性的纳米材料，不同于固定在纳米材料表面的天然酶或催化剂。2004年，Pasquato及其团队首次提出“纳米酶”这一概念，用以描述经三环壬烷功能化的金纳米粒子的转磷酸化反应特性。[14] 2007年，又有研究者将Fe3O4纳米粒子描述为具有类似过氧化酶催化性质的纳米材料，从而进一步定义了纳米酶的概念。他们利用H2O2存在下3,3,5,5-四甲基联苯胺、邻苯二胺和重氮氨基苯的氧化反应，来展示Fe3O4纳米酶的过氧化酶样活性。[15] 此后，人们又研究了Fe3O4纳米酶的催化机制，采用类似乒乓球反应的模型计算了米氏动力学参数，结果发现其催化活性高于辣根过氧化酶，但底物结合亲和力较低。Wang和Wei等人开发了一种基于葡萄糖氧化酶和Fe3O4纳米粒子的级联检测方法，用于测定葡萄糖浓度。[16] 自此以后，包括碳基材料、MOF、金属氧化物/金属纳米粒子、单/双金属原子等多种纳米材料也被发现具有多种类似酶的特性，这些材料结合了纳米材料与酶的特性，统称为纳米酶。在所开发的比色传感器中，纳米酶材料本身并不具有光吸收特性。[21] 纳米酶作为催化剂，在加入显色底物后引发反应并产生比色响应，同时还能改变输出信号并提升反应过程中比色信号的灵敏度。目前已有多种类型的纳米酶被记录在案，如过氧化氢酶、氧化酶、超氧化物歧化酶、过氧化酶等，其中研究最深入的还是过氧化酶。[22][23] 用于模拟过氧化酶活性的常见底物包括3,3′,5,5′-四甲基联苯胺、2,2′-偶氮双(3-乙基苯并噻唑-6-磺酸)以及邻苯二胺二盐酸盐，这些底物在反应体系中会产生颜色变化，而在H2O2存在时还能产生明显的颜色信号。纳米酶能够分解H2O2中的O-O键，生成具有强氧化能力的羟基自由基，这些自由基进而用于氧化显色底物。

尽管基于纳米酶的比色传感器具有出色的催化效率和分析灵敏度，但当仅使用单个传感元件分析化学性质多样或组成复杂的样品时，其检测效果往往受限。为此，基于纳米酶的传感器阵列作为一种替代方案应运而生。[27] 传感器阵列由多个具有独特催化性能、表面修饰特性或物理化学性质的交叉反应型纳米酶传感元件组成，它们对不同分析物的响应各异。[28] 该阵列通过利用分析物与各个传感元件之间的多种相互作用，而非依赖高度特异性的分子识别，从而形成多维响应模式或化学指纹。[29] 为了实现精确的分析物识别、区分和分类，可以利用多元统计分析或机器学习算法处理这些综合指纹，因为其包含的分析数据远多于单个传感器的响应信息。

在涉及复杂基质的应用中，传感器阵列尤为重要，例如食品、生物液体和环境样本等，这些样品中往往存在多种结构相似的化合物，容易导致分析结果重叠。由于单个高度特异性的纳米酶传感器仅设计用于识别一种分析物或少数几类分子，容易受到结构相似物质的干扰，因此在 such情况下往往无法有效区分不同物质。[30] 相反，纳米酶传感器阵列中刻意使用了具有部分选择性或交叉选择性的传感元件，使得每种分析物都能在阵列中产生独特的特征模式。受人类嗅觉和味觉系统的启发，纳米酶传感器阵列采用了差异检测方法，以提高对未知样本的分类能力、量化复杂混合物，并在无需高度特异性的定量传感器的情况下分离结构极为相似的分子。[31][32] 比色技术与机器学习算法的结合，进一步提升了纳米酶传感器阵列的稳健性、预测性和对特定分析物的选择性，优于传统的单一分析物传感器。[33] 对于每种分析物，这种非特异性结合都会产生独特的模式，随后可通过机器学习算法进行解析。无标签数据可通过K均值聚类等无监督学习工具，根据相似性被分组到不同类别中。[34] 不过，确定聚类数量是K均值方法的一个难点，而层次聚类可以通过生成树状图帮助人们探索多种聚类方案。另一种无监督方法为主成分分析，它能在保留区分特性的同时消除数据重复，便于后续分析。[35] 为了实现更精确的数据分类，通常会将主成分分析与线性判别分析或人工神经网络等监督学习方法结合使用，因为单独使用主成分分析可能无法达到最佳分类效果。线性判别分析通过保留关键特征并降低类别间波动，有助于区分不同的分析类别。[36] 支持向量机也是一种非常有用的监督学习方法，它能确定多维空间中数据点分组的最佳分辨率极限。[37][38] 支持向量机的优势在于无需标记数据即可实现准确分类。类似地，人工神经网络通过层状连接结构，能够处理复杂的非线性问题，从而改进了主成分分析和线性判别分析等传统方法。不过，为避免欠拟合或过拟合，人工神经网络需要大量数据集和精细的模型训练，这通常通过优化方法来实现。[39][40] 总体而言，这些统计方法与人工智能技术的结合，使得环境中有毒分析物的识别更加高效、精准且自动化，为环境监测、食品法医学、健康监测等诸多领域提供了有力支持。纳米酶基比色传感器阵列与机器学习的结合，形成了一种强大的技术平台，能够克服传统分析技术的诸多局限。[41] 其低成本、快速响应、结构可调控以及高通量的模式识别能力，使其成为实时环境监测、食品法医学、公共卫生监测以及日益复杂的全球供应链安全保障领域的变革性技术。

本文全面总结了纳米酶的最新研究进展，以及它们在环境与食品监测领域的比色传感器阵列中的应用情况。首先介绍了纳米酶活性的基本原理，重点阐述了其类似过氧化酶、氧化酶、过氧化氢酶和超氧化物歧化酶等酶类的催化特性，这些特性对于构建高效的传感平台至关重要。由于目前大多数研究集中在识别元件方面，关于不同分析物对比色传感器阵列产生相似响应的影响的研究相对较少。同样，针对含有纳米酶的传感器阵列在食品安全与环境风险识别中的应用，也缺乏系统性的研究。本文对碳基材料、金属及金属氧化物纳米酶、MOF、COF以及混合结构进行了分类，强调了通过掺杂、表面修饰、缺陷工程和形貌调控等可控合成方法，如何提升这些材料的催化性能。当这些高性能纳米酶被整合到比色传感器阵列中时，其在多组分区分、灵敏度和选择性方面的表现也得到了显著提升。此外，本文还展示了比色型纳米酶阵列传感器在食品与环境安全领域中对有毒分析物进行定量和识别的应用，如图1所示。最后，本文探讨了纳米酶传感器阵列未来的发展前景。期望这项工作能为后续相关研究和纳米酶传感器阵列的技术进步提供灵感。

片段摘录
**比色传感器应用中纳米酶的作用机制**
纳米酶在环境与食品毒素的光学识别领域取得了显著的科学进展。[22] 它们之所以能取得如此成就，得益于极高的稳定性。由于其成本低廉且易于改性，纳米酶可作为传统酶在食品安全检测中的优秀替代品。[42] 将纳米酶应用于传感器中，有助于更便捷地检测农药残留和霉菌毒素，这对于降低相关健康风险具有重要意义。

**机器学习在比色型纳米酶传感器阵列中的应用**
机器学习在纳米酶比色传感器阵列的开发与优化中发挥着越来越重要的作用。这类传感器阵列会生成复杂的多维比色/光学数据，这些数据往往具有交叉反应性，难以用传统传感器解析。而机器学习能够快速、准确地分析这些数据信号，从而提升传感器阵列的整体性能、灵敏度和可靠性。通过精心选择纳米酶、优化反应条件……

**原子尺度纳米酶**
有趣的是，原子尺度纳米酶因其独特的配位结构、特殊的几何特性和电子属性，逐渐吸引了能源与环境领域研究人员的极大兴趣。由于能够调节金属中心与配体之间的键合关系以及改变活性中心，为原子级酶工程提供了一种精确的方法。酶的合成包含两个基本理念：农药传感器阵列——农药残留是衡量食品质量的重要指标，其含量过高会带来严重的健康风险。有机磷农药因其高效且成本低而被广泛使用，但它们可能会引发精神和呼吸系统疾病（Zhai等人，2022年）。因此，必须以准确且灵敏的方式检测食品样本中的有机磷农药。近年来，基于纳米酶的传感器阵列展现出了巨大的潜力。表2对纳米酶的优势进行了比较。

前景与结论
本综述总结了用于食品安全和环境监测的纳米酶催化及智能传感技术的基本原理，对这一快速发展领域的纳米酶基比色传感器阵列进行了全面而深入的分析。与传统主要关注纳米酶合成及特定监测应用的综述不同，本研究系统地整合了催化机制、活性调控方法、传感器阵列设计原则等内容。

CRediT作者贡献声明
Narinder Singh：撰写——综述与编辑，撰写——初稿，可视化，监督，资源提供，方法学，概念设计。Manish Kumar：撰写——初稿，验证，方法学，研究，正式分析，数据整理，概念设计。Kamini Sharma：撰写——初稿，方法学，研究，数据整理。Navneet Kaur：撰写——综述与编辑，可视化，监督，资源提供，项目管理，方法学，概念设计。

利益冲突声明
作者声明没有已知的可能影响本文所述工作的财务利益或个人关系。

利益冲突声明
? 作者声明没有已知的可能影响本文所述工作的财务利益或个人关系。

致谢
作者感谢SERB-Power（SPG/2021/002995-G）提供的资金支持。M.K.感谢IIT Ropar提供的奖学金及基础设施支持。K.S.感谢DST- Inspire的资金援助。

Manish Kumar|Kamini Sharma|Navneet Kaur|Narinder Singh
印度旁遮普邦鲁普纳加尔140001，印度理工学院（IIT Ropar）化学系