聚甲基物质诱导纳米集群固定MOF-on-MOF架构分离驱动机器学习辅助比率光传感器阵列
Mengke Wang1, Yaqing Han2, Guoming Sun1
1Nanozyme Laboratory in Zhongyuan, Henan Academy of Innovations in Medical Science, Zhengzhou, Henan 451163, China.
Analytical chemistry
|July 21, 2025
概括
在金属有机框架内使用金属纳米集群的新型传感器阵列快速识别多重聚甲基物质 (PFAS). 这种机器学习辅助系统准确地区分了八种PFAS,为环境监测提供了一个有前途的工具.
科学领域:
- 环境化学环境化学
- 材料科学 材料科学 材料科学
- 分析化学 分析化学
背景情况:
- 聚甲基物质 (PFAS) 具有重大环境和健康风险.
- 快速和准确的PFAS多元件识别是一个关键的分析挑战.
研究的目的:
- 开发一种新的传感器阵列,用于快速,具体的选和多个PFAS的歧视.
- 利用机器学习来加强PFAS的识别和量化.
主要方法:
- 在MOF (ZIF-on-MIL) 架构 (M@ZIF-on-MIL) 上制造金属纳米集群 (MNC) 固定金属有机框架 (MOF).
- 一个比率光传感器阵列的组装,包括M@ZIF-on-MIL.
- 机器学习算法的应用和数据解释的统计分析.
主要成果:
- 该M@ZIF-on-MIL架构表现出增强的光特性.
- PFAS诱导了M@ZIF-on-MIL解离,产生了独特的比例光指纹.
- 传感器阵列在识别和区分八种PFAS物种方面实现了100%的准确性.
- 证明了在各种度下精确检测单个PFAS和混合物.
结论:
- 开发了一种开创性的比率光传感器阵列,用于快速选PFAS.
- 该方法在检测自然水样中的PFAS方面表现出高效率.
- 这项工作为在传感器阵列技术中应用MNC固定MOF-on-MOF架构奠定了基础.
