1.引言

生物流体中有毒分子的快速精准检测对临床毒理学、法医调查及急诊医学至关重要。处方药、农药、食品添加剂等引发的中毒事件风险极高，亟需高效的识别技术支撑及时医疗干预。传统检测方法如液相色谱-质谱（LC-MS）、气相色谱-质谱（GC-MS）虽灵敏度和特异性较高，但存在样品制备复杂、检测耗时久、仪器昂贵等弊端，且难以适配多种基质和多毒物同时检测的需求。

表面增强拉曼光谱（SERS）凭借高灵敏度、无损检测、样品制备要求低等优势，成为分子指纹识别的有力工具。但传统银、金纳米颗粒基底存在通用性差、重现性不足、易受环境影响等问题，且生物流体基质会带来背景干扰，限制了其在毒物检测中的实际应用。

本研究开发创新型两步增强SERS平台，通过补充硼氢化钠确保银离子完全还原，再加入钙离子促进“热点”形成，显著提升信号强度与稳定性；集成机器学习算法实现有毒物质自动分类，成功解决传统方法局限性，可快速识别多种生物流体中的各类有毒物质。

2.研究内容

两步增强基底制备采用改良的硼氢化钠还原法：先将硼氢化钠溶液与硝酸银溶液反应生成Ag@BONPs，补加硼氢化钠确保完全还原；离心后向Ag@BONPs中加入钙离子，中和表面负电荷、促进可控聚集形成“热点”，制得Ag@BOCPs，显著提升SERS信号，增强因子达1.17×10⁵。

方案1.有毒分子检测示意图。A)Ag@BONPs的合成和局域等离子体热点形成。B)临床血液样本采集和处理流程。C)基于SERS的有毒分子检测，包括食品添加剂、药物和农药。D)人工智能驱动的分析方法，结合均匀流形近似和投影（UMAP）、支持向量机（SVM）和聚类分析。

透射电子显微镜（TEM）表征：通过透射电子显微镜（TEM）对两步增强AgNP基底表征，观察到钙离子处理后纳米颗粒间距缩小、等离子体耦合增强。结合时域有限差分（FDTD）模拟，无钙离子时3nm间隙电场强度为12V/m，钙离子诱导聚集后1nm间隙强度提升三倍以上，增强因子达1.17×10⁵，验证了钙离子的信号增强作用。

图1.A)Ag@BONPs的示意图。B)用于硫菌灵检测的Ag@BONPs和Ag@BOCPs的时域有限差分(FDTD)电磁场仿真。C)Ag@BONPs和Ag@BOCPs的透射电子显微镜(TEM)图像。D)Ag@BONPs和Ag@BOCPs的尺寸分布和zeta电位表征。E)使用Ag@BONPs作为基底检测80个独立氯氮平样本的SERS光谱。F)氯氮平检测的稳定性评估，30天内的光谱变化以1595cm^-1特征峰的直方图形式呈现。

基于两步增强方法的药物检测和机器学习区分：借助两步增强SERS平台，可精准检测氯氮平、异烟肼等临床药物，特征峰分辨率与强度显著提升，检测重现性佳（RSD<5%）。结合UMAP、SVM等机器学习算法，能实现药物自动分类，准确率高，为药物毒性监测与overdose预防提供高效技术支撑。

图2.基于SERS的药物检测。A)药物检测的示意图。B–D)在非增强、单步增强、两步增强和固体毒物条件下检测到的氯氮平、异烟肼和卡马西平的SERS光谱。（从上到下）E–G)氯氮平、异烟肼和卡马西平的浓度依赖性SERS光谱。H–J)氯氮平、异烟肼和卡马西平检测的重复性分析。K)氯氮平、异烟肼和卡马西平SERS光谱的统一流形近似和投影（UMAP），显示不同的聚类。L)五种不同浓度（10–50μg/mL）下卡马西平的SERS光谱。M)I₈₀₃/I₂₀₇₈强度比与卡马西平浓度的相关性，展示定量检测能力。

基于两步增强方法和机器学习区分的食品添加剂检测：两步增强SERS平台可快速检测脱氢乙酸钠、过氧化苯甲酰等食品添加剂，部分物质检测限低至200ng/mL，重现性良好。通过机器学习算法对检测光谱聚类分析，能精准区分不同添加剂，助力食品安全快速筛查与合规监管。

图3.基于SERS的食品添加剂检测与AI分类。A)使用人工智能算法进行食品添加剂检测和分类的示意图。B–D)在非增强、单步增强、两步增强和固体毒物条件下检测到的山梨酸钾（SDHA）、过氧化苯甲酰（BPO）和十六烷基三甲基溴化铵（CTAB）的SERS光谱。（从上到下）E)不同浓度下CTAB的SERS光谱。F–H)酸性橙20、孔雀石绿（MG）和日落黄SERS光谱。I–K)孔雀石绿和日落黄检测的重复性分析。L)六种食品添加剂的无监督流形分析（UMAP），展示了不同的光谱聚类。（对于本图例中颜色引用的解释，请参阅本文的网页版本。）

基于两步增强方法和机器学习区分的农药检测：该平台对溴敌隆、噻菌灵等农药的检测灵敏度优异，噻菌灵检测限达10ng/mL，符合世卫组织标准。检测光谱经机器学习处理后聚类清晰，可有效区分多种农药残留，为农业安全、环境监测及法医毒理学分析提供可靠手段。

图4.基于SERS的农药检测与AI分类。A)使用人工智能算法进行农药检测和分类的示意图。B)氰化物SERS光谱。C)氰化物浓度依赖性SERS光谱。D)扑虱灵SERS光谱。E)扑虱灵浓度依赖性SERS光谱。F–H)扑虱灵、氯氰菊酯和吡虫啉的SERS光谱。I–K)扑虱灵、氯氰菊酯和吡虫啉检测的可重复性分析。L)五种农药的无监督流形分析（UMAP），展示出不同的光谱聚类。

生物液体中毒物的分子检测：平台可适配血液、尿液、母乳等多种生物流体，快速检测其中农药、药物、重金属等毒物，特征峰明确且重现性好（RSD<5%）。定量分析线性相关性强（R²>0.99），结合AI分类准确率超94%，为急诊诊断、法医鉴定提供关键技术支持。

图5.基于SERS的毒物在临床血液样本中的检测。A)临床血液样本采集、处理和SERS检测工作流程的示意图。B–D)中毒患者血液、尿液和母乳中氯氰菊酯、福美双和异烟肼的SERS光谱。E–G)展示氯氰菊酯、福美双和异烟肼在不同生物液体中SERS检测重现性的热图。H)在10至50μg/mL浓度范围内模拟异烟肼中毒时血液中定量SERS检测结果。I)I₁₀₅₉/I₂₀₇₈强度比与异烟肼浓度的相关性。J)三种毒物在不同生物液体中的聚类分析。K–N)氯氮平、卡马西平、氯氰菊酯和铊中毒患者临床血液样本与其相应纯药物溶液的SERS光谱比较。O)被竹叶青（Trimeresurus stejnegeri）咬伤患者全血、乙醇沉淀血和血清的SERS光谱比较。P)患者血清中蛇毒检测SERS光谱重现性的热图分析。Q)支持向量机（SVM）分析四种临床相关有毒物质的SERS检测结果，显示出高分类精度。

3.总结

本研究开发的AI辅助两步增强SERS平台，通过硼氢化钠和钙离子的两步增强作用，显著提升了检测灵敏度、稳定性和重现性；集成机器学习算法实现有毒物质高效自动分类，准确率超94%。该平台具有广泛的检测适用性，可覆盖处方药、食品添加剂、农药等多类有毒物质，适配血液、尿液、母乳等多种生物流体基质，临床验证显示其定量分析线性关系强（R²>0.99）、重现性优异（RSD<5%）。

其核心优势包括快速检测、高灵敏度（部分毒物检测限低至10ng/mL）、强特异性、适配多基质、AI辅助自动分类等，为急诊医学、法医科学、食品安全等领域提供了高效可靠的检测工具。未来将进一步扩充毒物数据库，优化超痕量毒物检测灵敏度，推动平台融入常规临床工作流程，助力罕见毒物识别与公共卫生安全保障。

论文链接：https://doi.org/10.1016/j.bios.2025.117868