在食品安全检测领域，快速、准确地识别食源性致病菌是保障公共健康的关键。传统的微生物培养法虽然经典，但耗时长、操作繁琐；PCR等分子生物学方法虽灵敏度高，却受限于昂贵的仪器和复杂的操作流程。为了突破这些瓶颈，Yang Liu、Ying Chen 等人在 《Sensors and Actuators: B. Chemical》 期刊上发表了一项题为 《CNN-assisted multimodal biosensing of Staphylococcus aureus using a bimetallic MOF@MXene hybrid nanomaterial》 的研究论文。该研究开发了一种基于卷积神经网络（CNN）辅助的多模态生物传感平台，利用新型双金属杂化纳米材料，实现了对金黄色葡萄球菌S. aureus）的超灵敏、快速检测。

核心创新：材料与算法的深度融合

这项研究的核心突破在于将先进的纳米材料技术与人工智能算法进行了无缝对接。研究团队设计了一种名为 Au/MOF-919/Ti₃C₂Tₓ 的三元杂化信号探针，并结合智能手机成像与CNN算法，构建了一个集电化学与比色检测于一体的双模态传感系统。

1. 关键材料突破：双金属MOF@MXene杂化纳米材料

为了实现双重信号输出，研究团队合成了一种兼具类酶活性和电化学活性的新型纳米材料。该材料的构建逻辑如下：

双金属MOF-919（Fe-Cu）： 作为核心，它不仅具有双金属协同效应带来的高类酶活性（模拟氧化酶和过氧化物酶），其内部的铁和铜元素还赋予了材料固有的电化学氧化还原特性。

MXene（Ti₃C₂Tₓ）： 作为一种二维过渡金属碳化物，MXene被引入作为导电骨架。它有效解决了MOF材料导电性差的问题，显著提升了电化学信号的传输效率。

金纳米粒子（Au NPs）： 通过原位还原沉积在材料表面，进一步增强了电子转移能力，并提供了丰富的结合位点。

这种“金/双金属MOF/MXene”三明治结构，使得该材料既能产生强烈的电化学信号，又能高效催化底物（TMB）发生显色反应，为多模态检测奠定了物质基础。

图1 示意图：（A）金 / 金属有机框架 - 919 / 钛碳化三碳（Au/MOF-919/Ti₃C₂Tₓ）的合成过程；（B）金黄色葡萄球菌与部分互补 DNA 的竞争性相互作用；（C）部分互补 DNA 的释放触发催化发夹组装反应，并结合 Au/MOF-919/Ti₃C₂Tₓ实现卷积神经网络辅助的金黄色葡萄球菌多模态检测。

2. 信号放大机制：催化发夹自组装（CHA）

在检测原理上，该平台利用磁性纳米粒子（Fe₃O₄@SiO₂）作为反应载体，结合催化发夹自组装（CHA）技术进行信号放大。

当目标菌（金黄色葡萄球菌）存在时，它会特异性地结合适配体，释放出部分互补DNA（pcDNA）。

释放的pcDNA触发CHA反应，在磁珠表面形成大量的双链DNA组装体。

这些组装体能够捕获大量的Au/MOF-919/Ti₃C₂Tₓ信号探针。

这一过程实现了对目标菌的“一石激起千层浪”式的信号放大，使得最终的电化学电流和比色信号与菌浓度成正比。

智能检测：从“肉眼观察”到“机器视觉”

该研究的另一大亮点是引入了卷积神经网络（CNN）来处理比色信号，实现了检测的智能化。

数据采集：利用智能手机拍摄反应溶液的颜色变化（无色到蓝色）。

模型训练：研究团队构建了一个包含900个图像块的数据集，提取RGB值训练CNN模型。

智能识别：训练好的模型能够通过分析图像的颜色特征，精准地反推细菌浓度，避免了人眼观察带来的主观误差。

实验数据显示，该CNN模型在训练集上的准确率高达99.0%，在测试集上的准确率达到94.4%，展现了极高的分类和定量能力。

图2 （A）结合数据库构建的卷积神经网络训练框架（图像块尺寸 300×300 像素，数据集：由 100 张照片提取得到 900 个图像块，设置 9 个浓度标签，对应金黄色葡萄球菌浓度 0~10⁸菌落形成单位 / 毫升）；（B）卷积神经网络模型在 50 次迭代过程中的训练准确率变化；（C）卷积神经网络模型在 50 次迭代过程中的测试准确率（盲法验证）变化。

性能卓越：宽线性范围与超低检出限

从数据可以看出，该传感器不仅覆盖了极宽的浓度范围（跨越7个数量级），而且检出限极低（个位数级别）。这意味着即使食品样本中仅含有极少量的致病菌，也能被该系统敏锐地捕捉到。

图3 （A）对不同浓度金黄色葡萄球菌响应的典型差分脉冲伏安曲线（浓度范围 0~10⁸菌落形成单位 / 毫升）。差分脉冲伏安测试参数：电位范围 0.3~-0.4 伏，脉冲振幅 0.1 伏，脉冲宽度 0.05 秒，静置时间 2 秒。（B）电流强度与 10~10⁸菌落形成单位 / 毫升范围内金黄色葡萄球菌浓度对数的校准曲线。显色反应于室温下在乙酸钠 - 乙酸缓冲液（0.1 摩尔 / 升，pH 3.5）中进行，该缓冲液含 0.37 毫摩尔 / 升 3,3',5,5'- 四甲基联苯胺与 5 毫摩尔 / 升过氧化氢。（C）对 10~10⁸菌落形成单位 / 毫升范围内金黄色葡萄球菌响应的 3,3',5,5'- 四甲基联苯胺溶液紫外 - 可见吸收光谱。（D）吸光度与 10~10⁸菌落形成单位 / 毫升范围内金黄色葡萄球菌浓度对数的校准曲线。误差棒代表标准差，平行实验次数 n=3。

实际应用：复杂基质中的高抗干扰能力

为了验证其在实际场景中的应用潜力，研究团队在鱼肉、牛奶和自来水等复杂基质中进行了加标回收实验。

高选择性：在存在大肠杆菌、沙门氏菌等干扰菌的情况下，该传感器仅对金黄色葡萄球菌产生响应，表现出极高的特异性。

图4 采用差分脉冲伏安法（A、C）和紫外 - 可见光谱法（B、D），在浓度为 10⁵菌落形成单位 / 毫升（A、B）和 10⁷菌落形成单位 / 毫升（C、D）条件下，对大肠杆菌、单核细胞增生李斯特菌、鼠伤寒沙门氏菌、金黄色葡萄球菌及上述菌混合液的选择性检测结果。误差棒表示标准差（平行实验次数 n=3）。

高准确性：在实际样本检测中，电化学和比色模式的回收率分别在87.3%–106%和89.8%–106%之间，相对标准偏差（RSD）控制在0.9%–7.4%的低水平。CNN模型的分析结果与标准方法高度一致，回收率在92.6%–103%之间。

结语

这项研究通过巧妙地将双金属MOF、MXene导电材料与人工智能算法相结合，成功攻克了传统生物传感器在灵敏度、稳定性和智能化方面的难题。这种“纳米材料+AI”的模式不仅为食源性致病菌的检测提供了新的技术范式，也为未来食品安全监测、环境分析乃至临床诊断领域提供了极具价值的参考方案。

参考文献：

Liu Y, Ma Z, Zeng Z, et al. CNN-assisted multimodal biosensing of Staphylococcus aureus using a bimetallic MOF@ MXene hybrid nanomaterial[J]. Sensors and Actuators B: Chemical, 2026, 454: 139631.