使用表面增强的拉曼光谱和深度学习快速检测 perfluorooctanesulfonic 酸.
Aniwat Juhong1,2, Bo Li1,2, Yifan Liu1,2
1Department of Electrical and Computer Engineering, Michigan State University, East Lansing, Michigan 48824, United States.
ACS omega
|October 13, 2025
概括
本研究引入了一种快速,低成本的方法来检测Per-和多醇基物质 (PFAS),特别是 perfluorooctanesulfonic acid (PFOS),使用表面增强的拉曼光谱 (SERS) 和深度学习,达到0.0005ppb的检测极限.
科学领域:
- 分析化学 分析化学
- 环境科学 环境科学
- 生物技术是生物技术.
背景情况:
- 和多基基物质 (PFAS) 是一种持久性,人造化学物质,广泛用于工业和消费者.
- 作为一种常见的PFAS, perfluorooctanesulfonic acid (PFOS) 由于其持久性和生物积累,造成健康风险.
- 传统的PFOS检测方法耗时且复杂.
研究的目的:
- 开发一种具有成本效益和快速检测PFOS的方法.
- 为了利用表面增强的拉曼光谱学 (SERS) 和深度学习来增强PFOS分析.
- 在环境样本中建立一个敏感和准确的PFOS量化技术.
主要方法:
- 使用金纳米粒子SERS基板来放大PFOS拉曼信号.
- 量化PFOS通过测量拉曼峰强度与SERS基底背景.
- 开发了一种去复数的深度学习模型,以从混合信号中消除和提取PFOS光谱.
主要成果:
- 使用SERS. 实现了PFOS的0.0005ppb的低检测极限.
- 通过深度学习证明了高信号噪声比 (SNR) PFOS频谱的生成.
- 验证了深度学习模型的高平均交叉相关性 (0.9622 ± 0.0667) 和低MAE (0.0034 ± 0.0024).
结论:
- 基于SERS的方法与深度学习相结合,为PFOS检测提供了一种快速而敏感的方法.
- 这种创新技术显著改善了传统PFOS分析的局限性.
- 开发的方法有望有效监测PFOS污染的环境.


