一种多功能生物质衍生红色荧光碳点用于 pH 监测及机器学习赋能智能手机双模式测定美沙拉嗪

《Microchemical Journal》：A multi-functional biomass-derived red fluorescent carbon dots for pH monitoring and machine learning empowers smartphone dual-mode determination of mesalamine

　　摘要• 以生物质前体通过一步法合成了具有多功能特性的红色双发射碳点（CDs）。• 所制备的CDs在较宽的酸碱范围内表现出pH敏感性。• 基于CDs的比例荧光探针可用于检测5-ASA，具有更宽的线性范围和更低的检测限。• 机器学习赋能智能手机比色CDs平台，实现对5-ASA的便携式识别，可提高荧光视觉检测的准确性。引言美沙拉嗪，又称5-氨基水杨酸（5-ASA），是治疗炎症性肠病（IBD）（如溃疡性结肠炎和克罗恩病）的一线抗炎药物[1]、[2]。其主要作用机制是通过抑制结肠黏膜中的环氧化酶、脂氧合酶和核因子κB（NF-κB）通路，减少前列腺素、白三烯和促炎细胞因子（如TNF-α、IL-1β、IL-6）的产生，从而发挥局部抗炎作用[3]。此外，该药可能具有抗肿瘤和潜在的预防性化疗作用[4]。据报道，5-ASA在胃肠道系统中主要代谢为N-乙酰基代谢物，而游离5-ASA的血浆浓度约为21至0.13 μmol/L或更低[5]。尽管5-ASA对IBD的治疗有效，但它也会引起一系列不良反应，如腹痛、恶心、呕吐、头痛、血便、发热、皮疹，甚至严重的肾损伤[6]，这些可能影响患者依从性或导致治疗中断。因此，通过准确高效地监测5-ASA水平来评估药物治疗效果至关重要，以确保药物有效且不过量。目前5-ASA的测定方法主要包括分光光度法[7]、电化学方法[8]、高效液相色谱法[9]以及液相色谱-质谱联用法[10]等。尽管这些方法具有优异的选择性和较高的灵敏度，但大多数技术存在仪器昂贵、样品制备耗时、技术操作繁琐等缺点[11]。基于量子点的荧光方法可以克服这些局限。例如，Hou等人利用黑磷和异丙醇合成了黑磷量子点（BPQDs）用于检测5-ASA[12]。类似地，Fan等人通过溶剂热法开发了银掺杂黑磷量子点（Ag@BPQDs），能够同时检测3-ASA和5-ASA[13]。然而，上述黑磷量子点均表现为蓝色发射，尚未有关于用于5-ASA检测的具有高效红光发射的碳点的报道。尺寸小于10 nm的碳点（CDs）具有显著的光致发光特性，同时具备低毒性、优异的化学稳定性、高水溶性、抗光漂白性、可定制的光致发射、出色的生物相容性以及易于表面修饰等特点[14]、[15]。同时，天然生物质被认为是合成CDs所需的碳和氮的经济可再生来源[16]。目前，对生物质进行水热处理的产物通常仅表现出蓝色荧光。然而，Xu等人合成了以红豆杉叶为来源、发射峰位于677 nm的红色发射CDs，并提出红色发射CDs的发光中心来源于叶绿素[17]。由此可推断，富含叶绿素的生物质可用于合成红色荧光CDs。值得注意的是，某些CDs由于其独特的结构及其表面官能团的质子化与去质子化作用而表现出pH敏感性。这一特性有助于将CDs开发和应用为pH传感器。此前的研究者已报道利用绿茶粉CDs的颜色变化指示虾类新鲜度[18]，以及利用羟丙基淀粉衍生CDs实时监测创面微环境pH[19]。显然，通过CDs荧光颜色变化监测微环境pH波动是便捷且可行的方法。总体而言，基于单一荧光信号的荧光方法容易受到背景吸收、光源波动和环境条件变化的影响。比例荧光传感器则依赖于对两个或多个信号比值的测定。这种自校准策略通过测量分析物引起的信号比值变化来实现，有助于最大程度地减少环境因素或仪器波动的干扰[20]、[21]。信号比值的变化还能为视觉检测提供丰富的颜色范围[21]。近年来，基于智能手机的传感技术有效地满足了便携式视觉检测的需求。智能手机可以高灵敏度地捕捉颜色响应或荧光信号，并通过RGB模型（如Color Grab或Image软件）对红、绿、蓝三通道进行数字化分析。当与荧光纳米材料的信号放大相结合时，即可实现对目标分析物的定量检测[22]。相比传统的视觉比色法，将RL-CDs的可见荧光信号智能转换为可量化的数字信号，使得基于智能手机的视觉传感系统能够产生比人眼观察更清晰的结果，并便于快速现场分析。基于上述研究背景，本研究开发了一种基于金盏花（Lysimachia herb）合成生物源碳点（RL-CDs）的红光比例荧光传感平台。有趣的是，所制备的CDs在不同酸碱条件下可产生荧光和颜色变化，可用于pH监测，并可通过配备RGB颜色识别软件的智能手机进行视觉识别。此外，所合成的RL-CDs在激发波长为410 nm时显示出475 nm和675 nm处的双发射峰。5-ASA可增加475 nm处的荧光峰强度，而对675 nm处的荧光影响甚微。由此可构建用于测定5-ASA的比例荧光传感系统。同时，基于智能手机颜色识别软件对5-ASA的视觉检测已得到验证，并使用机器学习对智能手机RGB识别进行了初步探索。此外，基于纸基颜色变化的5-ASA半定量测定可通过肉眼实现。这种基于比例荧光传感并结合机器学习赋能智能手机快速视觉识别的传感策略，在复杂环境和生物医学中的药物测定与pH监测方面具有巨大的应用潜力。生物源CDs的制备及其荧光特性如图1所示。章节摘要材料与方法金盏花购自广州众蓄供应链有限公司。氨基水杨酸（5-ASA）购自阿拉丁试剂有限公司。二甲基亚砜（DMSO）、无水乙醇购自广州化学试剂厂。人血清由广东药科大学附属医院提供。7.5×10 cm2转印滤纸由南京生物技术试剂厂制造。其余所有化学试剂均为分析纯。金盏花衍生碳点的表征图1A和1B的TEM图像显示，金盏花衍生CDs分布均匀，形状一致呈球形。图1A插图中的晶格间距为0.20 nm，与石墨（100）晶面一致。粒径范围为2.17至4.93 nm，平均粒径为3.38 nm（图1B）。图1C中CDs的XRD图谱显示，在约26.4°处有一个宽峰，可归因于（002）非晶碳结构[27]。（表面……）机器学习与智能感知中的聚类算法为实现视觉颜色识别的标准化解释和传感系统的自动化集成，我们采用机器学习中的聚类和决策树算法进行智能颜色分组与区分，实现传感信号的标准化分析。流程图如图4A所示。采集5-ASA浓度在0.080–5.0 μM范围内的图像，并提取RGB三通道参数以构建特征数据集（图……）结论总之，我们通过溶剂热法利用金盏花成功制备了具有双发射荧光峰的红色RL-CDs，并构建了具有高灵敏度的比例荧光传感器。5-ASA的视觉感知可通过从红、粉到蓝的明显荧光颜色变化实现。同时，该传感器具有更宽的线性范围（0.00050–10 μM）和更低的检测限（0.46 nM），且对血液和尿液样本表现出可忽略不计的干扰。作者贡献声明（CRediT）李传祥：撰写—初稿、方法学、数据整理。陈媛媛：调查、正式分析。王浩然：调查、正式分析。刘文浩：方法学、正式分析。庞梦娇：方法学、正式分析。陈其清：方法学、正式分析。邓苗多：软件、概念化。于晓：资金获取、概念化。朱明芳：撰写—审阅与编辑、监督、项目管理、资金获取。利益冲突声明作者声明他们没有任何可能影响本文工作的已知竞争性经济利益或个人关系。致谢作者衷心感谢广东省科技计划项目（2014A040401086）和广东省医学研究基金（B2025623）提供的资金支持。作者：李传祥 | 陈媛媛 | 王浩然 | 刘文浩 | 庞梦娇 | 陈其清 | 邓苗多 | 于晓 | 朱明芳