守护健康与食品安全！新型智能传感器阵列高效甄别多类抗氧化剂

抗氧化剂作为维持机体 redox 稳态、抵御氧化损伤的关键生物活性物质，其精准检测对生物医药研发、食品安全监管等领域至关重要。然而，传统检测方法常受困于结构相似抗氧化剂的信号干扰、对精密仪器的依赖及检测结果可靠性不足等问题，难以满足复杂样本中多组分同时鉴别与定量的需求。近日，东北大学研究团队在《Analytical Chemistry》发表突破性成果，开发出基于锰铈共掺杂碳点（Mn,Ce-CDs）负载 MIL-53 (Fe) 纳米酶（MC）的多底物传感器阵列，结合七种机器学习算法的互补策略，成功实现八种结构相似抗氧化剂的高灵敏、高可靠检测，为复杂基质分析提供了创新解决方案。

该研究的核心创新在于构建了性能卓越的 MC 纳米酶复合材料。研究人员通过将 Mn,Ce-CDs 负载到金属有机框架 MIL-53 (Fe) 上，形成稳定的纳米复合材料。Mn,Ce-CDs 的引入显著提升了电子转移效率，促进超氧阴离子（O₂⁻）生成，使 MC 纳米酶的氧化酶样活性大幅超越单一的 Mn,Ce-CDs 或 MIL-53 (Fe)。这种纳米酶可高效催化四种显色底物 ——3,3',5,5'- 四甲基联苯胺（TMB）、邻苯二胺（OPD）、2,2'- 联氮 - 双 - 3 - 乙基苯并噻唑啉 - 6 - 磺酸（ABTS）和 4 - 氨基安替比林（4-AP），产生特征各异的多色指纹图谱，无需外源金属离子或多种探针即可实现多维信号输出，为后续精准鉴别奠定了基础。

图1：呈现 MC 催化四种底物的氧化反应机制、紫外光谱、动力学曲线及自由基捕获实验验证的催化机理。

基于 MC 纳米酶的多底物反应体系，研究团队搭建了传感器阵列。不同抗氧化剂与纳米酶活性位点特异性结合时，会选择性抑制其催化活性，形成独特的信号指纹。为精准解析这些多维复杂信号，团队整合了线性判别分析（LDA）、层次聚类分析（HCA）、人工神经网络（ANN）等七种机器学习算法，利用算法间的判别准则差异形成互补效应。针对决策树（DT）和朴素贝叶斯（NB）算法对高维特征敏感导致的误分类问题，研究人员创新开发 LDA-DT 和 LDA-NB 串联算法，通过 LDA 降维剔除噪声和冗余特征后，两种算法的分类准确率从 86.7% 和 93.1% 均提升至 100%，显著增强了检测可靠性。

图2：通过雷达图、热图、LDA 得分图等展示传感器阵列对八种抗氧化剂的鉴别及不同浓度下的识别效果。

该传感器阵列展现出优异的综合性能：在 10 nM 至 25 μM 浓度范围内，可 100% 鉴别抗坏血酸、谷胱甘肽、单宁酸等八种结构相似的抗氧化剂，最低识别浓度低至 10 nM，远低于生理环境中抗氧化剂的常规浓度；定量分析中，对不同抗氧化剂的线性检测范围宽（0.1-60 μM），相关系数（R²）均高于 0.99，兼具高灵敏度和宽动态范围。此外，MC 纳米酶在室温下储存 30 天仍能保持 85% 以上的催化活性，三批独立合成样品的催化性能高度一致，展现出良好的稳定性和可重复性。

图3：展示抗氧化剂定量分析曲线、不同比例混合物鉴别结果及共存干扰物存在时的传感器抗干扰性能。

在实际应用场景中，该传感器阵列表现出强大的抗干扰能力和广泛适用性。在血清、尿液等生物流体中，经简单稀释离心预处理后，即可精准识别目标抗氧化剂，不受蛋白质、电解质等基质成分干扰；在癌细胞鉴别中，利用肿瘤细胞与正常细胞的谷胱甘肽表达差异，成功区分肝癌细胞、乳腺癌细胞、宫颈癌细胞与正常肝细胞，ROC 曲线下面积（AUC）达 1，为癌症筛查提供了低成本辅助手段；在微生物检测中，可基于革兰氏阳性菌与阴性菌的抗氧化剂表达差异实现精准分类；在食品分析中，不仅能鉴别橙汁中添加的抗氧化剂，还能根据抗氧化能力快速区分水果、蔬菜及商业饮料品类，助力食品品质分级。

这项集纳米材料创新与人工智能算法于一体的技术，突破了传统抗氧化剂检测的诸多瓶颈，兼具操作简便、成本低廉、灵敏度高、特异性强等优势。其不仅为生物医药领域的疾病早期筛查、代谢监测提供了高效工具，也为食品安全领域的质量控制开辟了新路径。未来，随着检测流程的标准化与自动化推进，该技术有望从实验室走向临床诊断、食品安检等更多实际场景，为相关行业的精准分析提供核心技术支撑。

参考文献：Wei M, Zhang Q, Huang H, et al. Mn, Ce-CDs-Loaded MIL-53 (Fe) Nanozymes Multisubstrate Sensor Array Integrated with Multiple Machine Learning Complementary Strategy for Highly Reliable Antioxidant Discrimination and Determination[J]. Analytical Chemistry, 2026.