机器学习赋能拉曼传感阵列：30 分钟快速精准检测水中磺胺类抗生素

近日，南京大学研究团队在Environmental Science & Technology发表突破性研究成果，提出多底物表面增强拉曼光谱（SERS）融合策略，结合机器学习实现水环境中磺胺类抗生素的快速识别与精准定量，为现场环境监测提供全新技术范式。

抗生素作为典型新型污染物，广泛存在于河流、湖泊与市政污水中，长期低浓度暴露会诱导微生物耐药性，威胁生态安全与公众健康。传统液相色谱‑质谱（LC‑MS）虽精准，但前处理繁琐、仪器昂贵，难以满足现场快速检测需求；单一底物 SERS 则面临结构相似物区分度低、复杂基质干扰强等瓶颈。

针对上述痛点，团队构建双模式响应 SERS 传感阵列：采用聚乙烯吡咯烷酮（PVP）、L‑半胱氨酸（Cys）、3‑巯基丙酸（MPA）分别功能化金纳米颗粒，制备三种互补响应底物，形成信号接替与峰叠加两种拉曼响应模式。其中，PVP‑Au 体系随抗生素浓度升高发生配体交换，基底信号减弱、待测物信号增强；Cys‑Au 与 COOH‑Au 体系因强 Au‑S 键保持基底信号，与抗生素特征峰叠加，大幅提升光谱信息维度。

研究将三种底物光谱级联构建多界面融合光谱（MICS），结合支持向量机（SVM）、多层感知机（MLP）等机器学习模型，同步实现磺胺嘧啶（SD）、磺胺二甲嘧啶（SMT）、磺胺甲恶唑（SMZ）的定性识别与定量分析。数据显示，该方法对单一污染物识别准确率从 95%–96% 提升至99.6%，混合污染物准确率从 82.2%–92.2% 提升至96.7%；定量预测决定系数 R² 最高达0.99，预测误差显著降低。

在河水、湖水、市政污水二级出水等实际水体中，方法加标回收率为75.5%–116%，中位数达 97.5%，27 组测量中 23 组落在 80%–110% 区间，从样品前处理到结果输出仅需约 30 分钟，适配现场快速检测场景。

该研究突破单一 SERS 底物信息维度限制，通过多底物阵列 + 机器学习协同，解决结构相似污染物难区分、复杂基质定量不准的行业难题，为水中抗生素等新型污染物现场监测提供高效、低成本解决方案，有望推广至更多环境污染物快速检测领域，支撑水环境安全预警与源头管控。

APA 引用

Yang, Y., Shan, C., & Pan, B. (2026). Rapid identification and quantification of aqueous antibiotics over a machine learning‑integrated Raman sensor array. Environmental Science & Technology. https://doi.org/10.1021/acs.est.6c00577