重大突破!南京大学「国家杰青」黄硕Nature Water | 同时实现10种二价金属离子的同步精准识别!

金属元素在工业和生物学中至关重要，但同时也构成了严重的环境污染风险。传统的金属离子检测方法，如原子吸收光谱（AAS）、电感耦合等离子体质谱（ICP-MS）和电化学方法，通常存在操作成本高、设备笨重、便携性差以及难以进行现场多元素同时分析等局限性。因此，亟需开发一种准确、成本低廉、便携且能直接用于复杂样品（如天然水样）中多种金属离子检测的新型传感策略。纳米孔作为一种新兴的单分子传感器，在分析领域展现出巨大潜力，然而，现有纳米孔传感技术在可检测的金属离子种类范围上仍然狭窄，且很少扩展到复杂实际样品的分析。

南京大学黄硕教授团队通过将亚氨基二乙酸（IDA）配体化学修饰到耻垢分枝杆菌孔蛋白A（MspA）纳米孔的收缩位点，构建了一种新型工程化纳米孔传感器（MspA-IDA）。该传感器能够在相同条件下，同时识别十种二价金属离子（Sn²⁺、Cu²⁺、Pb²⁺、Cd²⁺、Mn²⁺、Zn²⁺、Fe²⁺、Co²⁺、Mg²⁺和Ni²⁺）。通过结合机器学习算法对信号特征进行分析，该方法的验证准确度达到了0.996。研究进一步将MspA-IDA传感器应用于多种天然水样（自来水、池塘水、湖水、河水、海水和盐湖水）的分析，有效证明了其在真实环境监测和金属离子检测中的实际应用潜力。

相关研究成果以“Iminodiacetic acid modification enables nanopore identification of major divalent metal ions in natural water samples”为题，发表在Nature Water上。

黄硕，教授、博士生导师，就职于南京大学化学化工学院、生命分析化学全国重点实验室、南京大学化学和生物医药创新研究院（ChemBIC）。国家自然科学基金杰出青年（2022年），国家海外引才（青年）（2015年）。2006年于南京大学物理系获得物理学学士学位；2011年于美国亚利桑那州立大学获得生物物理学博士学位；2011年至2015年在英国牛津大学从事博士后研究工作。2015年7月加入南京大学化学化工学院。黄硕教授长期聚焦于开发具备仿生学概念的单分子纳米孔生物传感器相关的新仪器与新技术，以及基于纳米孔的单分子显微成像技术。目前已于国际权威期刊Nature Methods，Nature Nanotechnology，Nature Communications，Journal of the American Chemical Society, Science Advances，Angewandte Chemie International Edition, ACS Nano, Nano Letters等期刊发表论文若干。

图1 用于二价金属离子分析的纳米孔工程策略

图1展示了用于二价金属离子分析的纳米孔工程策略。该图比较了两种配体修饰的MspA纳米孔：MspA-NTA（接枝氮川三乙酸）和MspA-IDA（接枝亚氨基二乙酸）。其中，NTA适配体比IDA多一个羧甲基基团（紫色区域）。作者以Cu²⁺为模型分析物，在+80 mV跨膜电位下进行传感。结果显示，MspA-NTA与Cu²⁺的结合导致了电流的突然且不可逆的下降。相反，MspA-IDA则表现出开孔电流（I_IDA）与Cu²⁺诱导的阻塞电流（I_b）之间可重复的转换。这表明，相较于导致不可逆结合的NTA，简化后的三齿IDA配体更适合实现金属离子的可逆结合和动态传感，为开发通用的多金属离子传感器奠定了基础。

图2 使用MspA-IDA纳米孔对各种二价金属离子（M²⁺）的识别

图2 展示了使用MspA-IDA纳米孔对各种二价金属离子（M²⁺）的识别。该图阐释了MspA-IDA（一种包含单个IDA适配体的异源八聚体纳米孔）的结构及传感机制：当M²⁺与孔道收缩处的IDA配体结合时，会产生特征性的电流阻塞事件用于离子识别。单通道记录清晰地展示了孔道从初始状态（I₀）到IDA修饰（电流降至I_IDA），再到添加Mn²⁺后出现可逆结合事件（在I_IDA和I_b间转换）的全过程。通过对十种M²⁺结合事件的特征（如阻塞百分比%I_b）进行统计分析，发现大多数离子仅凭%I_b即可区分。然而，Sn²⁺和Cu²⁺的事件在二维散点图上有重叠，当加入第三个参数——事件停留时间（t_off）构建三维散点图后，所有十种离子得以完全区分，证明了多特征分析对于明确鉴别金属离子的优势。

图3 基于机器学习的M²⁺离子识别

图3 展示了基于机器学习的M²⁺离子识别。该图概述了机器学习分类的工作流程：首先从每种M²⁺的传感事件中提取%I_b、Std和t_off三个特征构建特征矩阵；然后使用MATLAB分类学习器训练多种算法（包括朴素贝叶斯、集成和神经网络）。通过十倍交叉验证评估，集成模型获得了最高的验证准确度（0.996）和完美的测试准确度（1.000）。混淆矩阵显示所有离子类别的识别准确率均为100%。作者进一步展示了利用训练好的集成模型，对九种M²⁺混合溶液（Ni²⁺因事件时长过长被排除）同时传感所产生的事件进行自动预测和标记的结果，证明了该策略在实际混合样品自动分析中的可行性。

图4 机器学习辅助的事件识别过程

图4展示了机器学习辅助的事件识别过程。该图对比了在同时传感九种M²⁺的原始数据中，经过DBSCAN聚类分析去除噪声事件前后的二维（% I_b vs. Std）散点图。处理后的数据点聚类更加清晰。随后，基于处理后的数据构建了包含%I_b、Std和t_off三个维度的三维散点图。最后，使用已训练的集成模型对事件进行自动分类预测，并将预测标签着色显示在三维散点图中。结果显示，机器学习自动预测的离子类别分布与前期分别单独采集各离子时观察到的分布模式高度一致，验证了分类模型的可靠性和自动化分析流程的有效性。

图5 纳米孔对天然水样中M²⁺的分析

图5展示了纳米孔对天然水样中M²⁺的分析。该图概述了分析流程：采集不同地理位置的六类水样，除盐湖水外均进行冻干浓缩，然后直接将浓缩液或原液加入传感池进行纳米孔测量，并使用预训练的集成模型对事件进行分类。对各类水样（自来水、池塘水、湖水、河水、海水、盐湖水）的%I_b vs. Std二维散点图分析显示，Mg²⁺、Zn²⁺和Mn²⁺在所有样品中均被检出，而Cu²⁺和Pb²⁺则在部分样品中检出，其存在可能与人类活动相关。研究进一步估算了水样中各M²⁺的浓度，并与ICP-MS结果进行了比较验证。结果表明，该方法能够直接、快速地对复杂天然水样中的多种主要金属离子进行定性和半定量分析，展现了其在现场环境监测中的实用价值。

该研究成功开发了一种基于MspA-IDA工程化纳米孔的金属离子传感器。该传感器能够在单一检测条件下同步识别十种常见二价金属离子，并通过多特征分析实现了离子的明确区分。与机器学习集成后，其验证准确度高达0.996，显示出卓越的分辨率和可靠性。该策略在六种天然水样的分析中得到了验证，实现了对主要金属离子的定性和定量分析，证明了其在真实环境分析中的实用性。相较于现有纳米孔方法，该策略更简单，所需样品前处理更少，且数据质量更高。通过与便携式设备联用，该方法在现场实时金属离子检测方面展现出巨大前景，为环境监测、污染控制和可持续资源管理提供了有力的工具。

Sun, W., Li, T., Wang, Z. et al. Iminodiacetic acid modification enables nanopore identification of major divalent metal ions in natural water samples. Nat Water (2026). https://doi.org/10.1038/s44221-025-00544-2

👉 点击阅读原文，立即下单！