受生物启发的多色胶体阵列，用于同时可视化检测双酚B和左氧氟沙星，并借助机器学习技术辅助分析

《Biosensors and Bioelectronics》：Bioinspired multi-colored colloidal array for simultaneous visual sensing of bisphenol B and levofloxacin assisted by machine learning

　　

摘要

在单一传感架构中整合具有独立响应的多种光信号，对于多重小分子检测具有重要意义。本发明提出了一种受蜥蜴启发设计的多色胶体阵列（MCA）探针，该探针结合了结构反射（SR）、荧光异硫氰酸酯（FITC）和乙酰丙酮酸铕（EU）的发光特性，能够同时实现对双酚B（BPB）和左氧氟沙星（LVX）的可视化检测。该探针由高度有序的非密堆积（NCP）胶体阵列组成，这些胶体颗粒掺杂了FITC和EU分子印迹剂，从而在单一结构中实现了结构颜色与双发射光信号的共存。周期性排列的颗粒通过布拉格衍射产生额外的SR信号，而增大的颗粒间距则抑制了聚集引起的淬灭和非辐射能量损失，从而增强了FITC和EU的发光强度。当探针暴露于BPB和LVX时，会引发正交的光学响应，产生浓度依赖性的多色变化，这种变化肉眼可直接观察到，从而实现双重目标的区分。为了定量解析这些物理光学响应，采用了一种逻辑驱动的物理光学解码（LGPD）框架，能够同时预测BPB和LVX的浓度，其相关系数范围为0.964-0.994。该探针在20天内的三色发光稳定性良好，灵敏度低至1 ng/mL，线性检测范围为1-300 ng/mL，实际样品中的回收率在85.4%-98.61%之间。这种基于多模光学编码和机器学习的解码策略实现了快速（<30分钟）的多重检测，并为环境和生物医学应用中的即时检测提供了通用平台。这种受生物启发的光学编码与机器学习辅助解码的整合方法为视觉化和定量多重传感提供了一种新的策略。

引言

双酚B（BPB）和左氧氟沙星（LVX）对人类生物液体和水的污染引起了全球范围内的日益关注。近期研究显示，这些物质在受废水污染的环境和人体尿液样本中共存，表明人们可能同时接触到这两种新兴污染物（Lao等人，2024年；Wang等人，2025年；Wang等人，2021年）。传统的分析技术如高效液相色谱、免疫测定和电化学传感器（Wu等人，2023年；Yang等人，2023年；Mahapatra等人，2026年）虽然具有高灵敏度和准确性，但通常需要复杂的仪器和耗时的操作过程。为了解决这些问题，光学传感技术因响应速度快、简单且具有可视化读数的潜力而受到越来越多关注。特别是基于发光（LUM）报告剂的多发射光学探针得到了广泛研究，这些探针通常依赖于在同一基质中共定位多个发射体或物理混合 separately 标记的探针（Jedináková等人，2025年；Yu等人，2024年；Ranjan Srivastava等人，2023年）。典型的例子包括用于多离子检测的量子点/聚合物复合材料、用于酶促传感的肽基多染料系统以及用于药物检测的混合荧光颗粒系统（Jedináková等人，2025年；Tang等人，2022年；Wang等人，2023年）。然而，这些LUM系统常常存在发射体空间分布不均的问题，导致信号串扰、非辐射能量传递和聚集引起的淬灭现象，这些问题影响了信号稳定性并限制了在复杂样品中的可重复性。更重要的是，大多数现有平台依赖于单一类型的光学转导机制，这限制了它们在真实环境和生物样品中区分化学相似物质的能力。最近，整合了不同信号转导模式（如发光（LUM）、表面增强拉曼散射（SERS）和电子/比色信号）的双模传感平台作为提高传感可靠性和多重小分子检测能力的有前景策略（Chandra，2023年；Kukralova等人，2024年；Ye等人，2017年；Park等人，2026年；Hu等人，2021年）应运而生。然而，这些模式之间根本不同的信号生成机制通常需要独立的读出设备和复杂的信号采集过程，这使得在单个探针内无缝整合多种传感输出并实现实时现场检测变得具有挑战性。

在自然界中，许多生物进化出了复杂的结构着色系统，用于适应性信号传递和环境响应。例如，蜥蜴能够通过色素细胞（chromatophores）的空间组织实现多色变化，从而独立且协调地调节结构反射（SR）和色素（PIG）颜色。SR源于色素细胞内纳米晶体的非密堆积（NCP）排列，而PIG颜色则来自不同色素细胞层中空间分布的色素，共同实现了多个长度尺度上的动态光学调控（Saenko等人，2013年）。受这些自然光子策略的启发，由高度有序的NCP球形颗粒组成的胶体晶体（CCs）被广泛研究作为人工SR生成材料，因为它们在可见光区域具有光子带隙（PBG）诱导的选择性反射（Liu和Solomon，2023年）。为了进一步扩展其功能，最近的研究将LUM发射体引入CC系统中，构建了混合SR-LUM平台。例如，嵌入嵌段共聚物CCs中的钙钛矿纳米晶体实现了用于加密和防伪的双模光学输出（Han等人，2024年），而基于ZnS的LUM颗粒在光子晶体中的组装则通过光子带隙耦合实现了发光调制（Liu等人，2023年）。尽管在SR-LUM混合系统用于光学加密和防伪方面取得了显著进展，但SR着色与LUM发射之间的耦合通常在制造过程中就预先确定了，这限制了编码后的灵活性和可重构的光学信号调节。因此，大多数系统依赖于固定的多重光学输出，这在复杂的分析场景中不利于计算解码策略的应用。受蜥蜴皮肤中色素细胞空间组织的启发，一种受生物启发的多色胶体阵列提供了一种策略，可以在有序的光子框架内空间组织多个光学组件，使SR和LUM信号共存，同时保持多重传感和计算解码的区分能力。

机器学习作为一种强大的工具，通过从高维图像数据中提取判别特征来解码复杂的 optical 信息，从而提高了光学传感的准确性和鲁棒性（Shao等人，2026年）。最近，像素级图像分析与机器学习的结合在生物医学成像、材料表征和显微图像分析方面显示出了巨大潜力（Kim等人，2026年）。重要的是，这些方法为解决使用传统基于强度的分析方法难以分离的耦合和非线性光学响应提供了数据驱动的途径，特别是在涉及多个重叠光学通道的系统中。这些能力为解释复杂的多光学响应模式提供了新的机会，并使得在多重传感场景中进行更可靠的定量分析成为可能。

受蜥蜴皮肤的启发，我们开发了一种多色胶体阵列（MCA）探针，用于同时可视化检测BPB和LVX。该探针具有周期性的NCP CC 结构，空间组织了掺杂了荧光异硫氰酸酯（FITC-MI）颗粒和掺杂了乙酰丙酮酸铕（EU-MI）颗粒的有序阵列。这种配置使得三种独立的光学信号共存，包括结构反射（SR）、FITC发射和EU发射。CC的SR颜色源于折射率的周期性调制，根据布拉格定律产生的 constructive 干涉形成了波长选择性的结构颜色。同时，FITC发射源自FITC-MI颗粒中FITC分子的LUM，而EU发射源自EU-MI颗粒中包含的EU复合物的特征LUM。通过将这些含有发光体的颗粒整合到有序的光子晶格中，MCA架构提供了一个受限且周期性的光学环境，调节了嵌入发光体的发射行为，从而在单一平台上实现了结构和发光信号的整合。这三种光学信号在目标结合时表现出明显的浓度依赖性变化，可通过肉眼直接区分。为了将这些多重光学响应转化为定量信息，引入了一种逻辑驱动的物理光学解码（LGPD）框架，从图像数据中提取和解码耦合的信号特征，实现了BPB和LVX的快速且稳健的同时定量。这种整合策略结合了多模光学编码和数据驱动的解码，为视觉化和定量多重传感提供了一个通用平台。

部分摘录

材料与方法

甲基丙烯酸甲酯（MMA）、过硫酸钾（KPS）、双酚B（BPB）和左氧氟沙星（LVX）从Aladdin Reagent Co.,Ltd.（中国上海）购买。用作EU和FITC发光（LUM）发射体的乙酰丙酮酸铕（EU）和荧光异硫氰酸酯（FITC）分别从上海宇然生物技术有限公司（中国上海）获得，其他常用化学品则从当地化学公司采购（中国天津）

MCA探针的制备

掺杂荧光异硫氰酸酯的...

MCA探针的制备

蜥蜴以其快速且复杂的光色变化能力而闻名，这些变化源于色素细胞（chromatophores）产生的色素（PIG）颜色与NCP晶格产生的SR颜色之间的相互作用。受这种自然着色策略的启发，如图1所示，制备了一种受蜥蜴启发的MCA探针。FITC和EU掺杂的MI颗粒通过无乳化剂乳液聚合使用MMA和相应的模板分子合成，随后加入KPS

结论

本研究提出了一种受蜥蜴启发的MCA探针，该探针结合了SR和双发射LUM颜色用于多重光学传感，并配合基于机器学习的解码进行定量分析。结果展示了这一策略的三个主要优势：（1）仿生设计再现了蜥蜴的多通道着色机制，实现了来自独立物理源的三种不同光学输出；（2）LUM发射体在NCP内的空间有序固定

CRediT作者贡献声明

Sai Na：资源获取。Chen Ziwei：正式分析。Li Tiantian：方法学研究。Zhou Jiayue：数据管理。Li Dongmei：正式分析。Yu Guanggui：资源管理。Chen Yinuo：资源获取。Li Qi：数据管理。Shen Mei：正式分析。Tang Wenqi：软件开发

利益冲突声明

? 作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

作者感谢天津市自然科学基金（项目编号24JCYBJC00500）、国家自然科学基金（项目编号81302430）以及天津市自然科学基金（项目编号18JCQNJC10800）的资助。

Tiantian Li|Ziwei Chen|Qi Li|Wenqi Tang|Mei Shen|Dongmei Li|Jiayue Zhou|Yinuo Chen|Guanggui Yu|Na Sai

天津医科大学公共卫生学院营养与食品卫生系，中国天津市300070