基于光谱分析的深度学习模型实现湖泊水体中的常见抗生素的同时检测和定量分析

背景：抗生素污染已成为全球水体环境中备受关注的难题。由于广泛使用，抗生素残留经人类和畜牧业排放进入水体，显著破坏生态系统的平衡，并通过食物链对人体健康构成威胁。研究表明，湖泊水体因水流停滞，往往成为抗生素残留的主要聚集地，而现有的高效液相色谱（HPLC）和质谱检测技术尽管具有高灵敏度，但操作复杂且成本高昂，难以实现大规模常规监测。该研究提出了一种创新的方法，结合表面增强拉曼散射（SERS）技术和深度学习算法模型，实现快速检测和定量分析湖泊水体中的抗生素混合物，包括环丙沙星、多西环素和左氧氟沙星。

主要结果：

研究利用SERS技术对湖水中三种常见抗生素（环丙沙星、多西环素和左氧氟沙星）的光谱特性进行了深入分析。实验结果表明，SERS 技术在低浓度条件下（10⁻⁷ M）依然能够获得显著增强的拉曼信号（图1A-C）。基于各抗生素的特征拉曼峰建立校准曲线，表明抗生素浓度与拉曼信号强度之间具有良好的线性关系（图1D-F）。

图1.SERS 光谱的重现性与特征峰解析

本研究采用数据增强技术扩充训练数据集，计算增强光谱与原始光谱的 Pearson 相关系数验证数据一致性，结果显示三种抗生素的相关系数均超过 95%（图2A-C）。基于CNN模型分别为环丙沙星、多西环素和左氧氟沙星构建了单独的分类模型，模型表现出较高的分类性能，准确率、精确率、召回率。

图2.数据增强与模型评估

通过系统性地将三种纯抗生素（环丙沙星、多西环素和左氧氟沙星）按照比例混合，在湖水中的四个采样点生成了 11 种不同的组合（图3A-D），结果显示随着某抗生素浓度增加，其光谱特征峰逐渐增强。

图3.数据集描述与比例预测

主要结论：本研究利用 SERS 技术结合先进的计算方法成功实现了对湖水样本中抗生素残留的识别与定量分析。结果表明，抗生素残留浓度与SERS信号中特征峰强度之间具有较强的线性相关性。该方法能够准确识别 SERS 光谱中抗生素混合物的成分及其比例。基于此，我们提出了一种湖水抗生素定量分析方法，可实现对水质的及时监测。该方法在水体抗生素残留水平的常规监测中展现了良好的应用潜力，为减少抗生素积累提供了针对性的干预手段，从而在保护湖泊生态平衡和保障公众健康方面发挥了重要作用助。

原文链接：https://doi.org/10.1016/j.eti.2024.103987.