1. 引言

细菌感染是全球重大健康威胁，快速准确的细菌鉴定至关重要。传统方法存在局限性，例如细菌培养耗时，PCR成本高，ELISA制备复杂。而基于生物传感器的检测方法，尤其荧光生物传感器，因其灵敏、快速、低成本等优势受到关注。然而，传统荧光传感器通常只能检测一种细菌。为解决此问题，研究人员开发了荧光传感器阵列，结合石墨烯量子点（GQD）等新型荧光材料和机器学习算法。GQD具有稳定性好、环境友好、无毒等优点，其荧光特性可通过掺杂等方式增强。结合SVM、HCA、KNN等机器学习算法，荧光传感器阵列可实现对多种细菌的同时检测、快速识别和区分，并提高检测效率和准确性，在临床诊断、流行病学研究和微生物学研究中具有广阔应用前景。

本研究报道了一种用于病原体检测的荧光传感器阵列。这些NS-GQDs采用简单且环保的一锅水热法合成，具有优异的光致发光稳定性，耐环境因素和成本效益，是生物传感器应用的理想选择。抗生素的表面功能化通过促进与细菌脂多糖和蛋白质的特异性结合，从而增强了传感器的选择性和灵敏度，从而通过ACQ导致荧光猝灭（方案1a至1b）。该3×n传感器阵列利用其独特的光学特性，有效识别五种致病菌：鼠伤寒沙门氏菌、大肠杆菌、金黄色葡萄球菌、铜绿假单胞菌和单核增生李斯特菌。此外，机器学习算法的集成允许对细菌种类进行有效的区分和定量分析，从而能够在实际样品（如自来水）中进行快速检测和准确鉴定。

方案1. a(a) NS-GQDs合成方法示意图（以S-NS-GQDs合成为例，与细菌结合后荧光强度呈下降趋势）。(b)利用机器学习辅助荧光传感器阵列区分五种细菌

2. 结果与讨论

功能化NS-GQDs的表征

透射电镜(TEM)显示，合成的三种氮硫掺杂石墨烯量子点(NS-GQDs)，即S-NS-GQDs、K-NS-GQDs和B-NS-GQDs，尺寸均在4-6纳米之间。HRTEM揭示了石墨碳结构的存在。

图1. NS-GQDs的表征

XPS分析表明，C、N、O和S元素都存在于NS-GQDs中，并进一步确定了C-C/C=C、C-N、C-O、C=O、N-H、S=O等化学键，证实了氮硫的成功掺杂。傅里叶变换红外光谱(FT-IR)进一步确认了O-H、N-H、C=O、C-N和C-S等官能团的存在，表明NS-GQDs具有良好的亲水性。三种NS-GQDs的量子产率分别为31%、45%和18%。所有表征结果都证实了三种功能化石墨烯量子点的成功合成。

图2. XPS及FT-IR的分析结果

NS-GQDs对细菌的荧光响应

如图3a−c所示，S-NSGQDs、K-NS-GQDs和B-NS-GQDs在激发波长分别为360、360和420 nm时荧光强度最高，我们将其作为进一步实验的最佳激发波长。

图3. 荧光发射光谱分析

研究测试了三种NS-GQDs与不同浓度大肠杆菌的相互作用，发现荧光强度随细菌浓度增加而降低，表明该平台可灵敏有效地检测细菌。这种荧光猝灭与细菌浓度的相关性突出了NS-GQDs在定量检测方面的潜力。此外，三种NS-GQDs对其他细菌也表现出不同程度的荧光猝灭，表明该平台能够区分不同细菌种类，为开发多功能传感器阵列奠定了基础。

图4. (a) S-NS-GQDs、(b) K-NS-GQDs和(c) B - NS - GQDs与大肠杆菌反应后的荧光光谱。

单个细菌的鉴定

三种不同NS-GQDs与细菌相互作用产生独特的荧光响应模式，结合五种机器学习算法（KNN、朴素贝叶斯、决策树、LDA和支持向量机）实现了100%的识别准确率。该阵列采用无重金属荧光探针，检测限低至1.0 × 10³ CFU/mL。通过70%训练集和30%测试集的随机抽样进行模型训练，确保了结果的可靠性。混淆矩阵和平行坐标图进一步验证了模型的优异性能和不同因素间的相互关系，突出了该传感器阵列在细菌检测中的实用潜力。

图5. (a) 3种NS-GQDs在1.0×10³ CFU/mL CFU/mL浓度下与5种不同细菌相互作用时的相对荧光信号变化。(b)识别个别样本的效率。(c) KNN算法用于识别单个细菌样本的三种分类算法结果的混淆矩阵图(d)单个样本的三个典型因素的平行坐标图。

利用三种氮硫掺杂石墨烯量子点(NS-GQDs)构建荧光传感器阵列，实现了对五种细菌的精准识别。三维特征空间分析显示，不同细菌与NS-GQDs相互作用后产生独特的荧光强度变化，形成清晰区分的集群，识别准确率达100%。三个主要因素贡献了绝大部分数据方差，基于其中两个因素构建的细菌鉴定图也完全区分了五种细菌。环状聚类热图和雷达图分别从不同角度进一步验证了传感器阵列的高可靠性和精度，展示了每种细菌独特的NS-GQD相互作用谱。研究还对传感器阵列的检测限进行了定量分析。

图6. 荧光阵列法鉴定单菌，细菌浓度均为1.0×10³ CFU/mL。

该荧光传感器阵列能有效区分不同浓度的大肠杆菌，其信号与细菌浓度呈强线性关系。评分图、聚类热图和雷达图清晰展示了不同浓度下细菌的结合差异。该阵列对其他四种细菌也展现了类似的区分能力，并总结了每种细菌的检测限。研究结果表明，该传感器阵列可同时识别和定量细菌，在细菌检测和分析领域具有实用价值。

图7. 细菌浓度荧光阵列法鉴定大肠杆菌

细菌混合物的鉴定

研究评估了荧光传感器阵列对混合细菌样品的检测效果。使用不同比例的大肠杆菌和铜绿假单胞菌以及大肠杆菌和单核增生乳杆菌混合物进行测试，机器学习分析实现了100%的准确识别。进一步测试包含三种细菌的混合物，该阵列依然保持100%的准确率，证明了其在区分复杂细菌混合物方面的出色性能，以及在实际应用中的潜力。

图8. 采用荧光阵列法鉴定混合菌，浓度为1.0×10³ CFU/mL

荧光传感器阵列抗干扰能力及稳定性分析

通过对潜在干扰物质（Na⁺, K⁺, Cl⁻,NO³⁻，葡萄糖，半乳糖，精氨酸，赖氨酸）的测试，对平台的抗干扰能力进行了评估，有效地区分了五种细菌，如图9a所示，证实了平台具有较强的抗干扰能力。重复性和长期稳定性测试显示，连续20次测量后，荧光强度衰减较小（图9b），即使在储存15天后，荧光信号也很稳定（图9c）。

图9. 荧光平台的抗干扰性和稳定性

盲样和真样的鉴别

使用含有五种细菌的单一、二元和三元混合物的盲样，以1.0 × 10³ CFU/mL的浓度评估该平台的效用。如图10a−d所示，荧光传感器阵列准确识别了所有70个盲样，其中36个为单细菌，23个为二细菌，11个为三元细菌。在实际应用中，该平台在1.0 × 10³ CFU/mL的浓度下，有效区分了自来水中16种未识别的细菌样品，如图11a所示。此外，通过图11b的荧光强度数据验证了该传感器阵列对牛奶样品中细菌的成功分化，验证了其对实际样品细菌检测的可靠性。

图10. 采用荧光传感器阵列对PBS中未知细菌进行鉴定，细菌浓度为1.0×10³ CFU/mL。

3. 总结

本研究设计了一种基于CuPc-Dha-COF复合AgNPs的新型多功能生物平台,兼具高效杀菌和灵敏检测细菌的能力。CuPc-Dha-COF@AgNPs异质结构一方面表现出优异的光热转换效率、ROS产生能力和可控Ag⁺释放,从而实现了对大肠杆菌和金黄色葡萄球菌的高效灭活;另一方面,其优异的模拟酶活性、光电转换性能和光生载流子分离效率,使之成为高灵敏度检测细菌代谢产物GSH的理想光电化学生物传感平台。这种集成了杀菌和检测功能的多功能生物平台,为实现食品安全的同步控制提供了新方案,在环境治理和水处理等领域也具有广泛应用潜力。

论文链接：https://doi.org/10.1021/acsami.4c20078