随着社会主要矛盾发生变化，人们开始追求高品质高质量的生活方式，对生鲜食品的安全品质更加注重。因此，开发食物品质监测的方法已成为迫切需要。近日，理学院“功能纳米农业应用创新”学科培育创新团队在国际权威期刊《ACS Applied Materials & Interfaces》（中科院大类TOP期刊，IF=9.5）和《Food Chmiestry》（中科院大类TOP期刊，IF=8.5）上发表题为《Machine Learning-assisted High-throughput Strategy for Real-time Detection of Spermine Using a Triple-emission Ratiometric Probe》和《Deep learning assisted logic gates for real-time identification of natural tetracycline antibiotics》的研究论文。

与传统的食品新鲜度检测方法相比，机器学习辅助智能手机结合多色荧光传感器，可以实现高通量即时监测食物腐败。本研究是将蓝红双信号碳纳米颗粒和绿色单信号量子点复合构建多色探针。基于荧光共振能量转移（FRET）和聚集诱导猝灭（AQE）效应，两个发射信号峰发生变化。体系中第三个信号峰不变作为内参，且自校准能够消除系统带来的干扰，可以有效的避免假阴性或假阳性的结果，特别是对于复杂生物体系能够提供更精确和灵敏的结果。同时，结合水凝胶智能标签，通过顶空采样实时监测肉类腐败情况，为农业食品新鲜度的现场检测提供了新思路。

四环素类抗生素（TCs）是由放线菌产生的一类广谱抗生素，常见的TCs主要包括四环素（TTC）、土霉素（OTC）、多西环素（DC）和金霉素（CTC），广泛应用于疾病治疗和畜牧行业。然而，目前有许多TCs快速检测平台被报道，大多只能实现这一类物质的定量或定性检测，很难对单个天然四环素类似物的成分进行鉴定。为了解决这一问题，该团队基于多通道逻辑门策略，构建了一个更为稳定的复合比率荧光传感器CDs-Au NCs@ZIF-8，结合基于深度学习辅助的智能手机和比色荧光通道，构建多模式逻辑门。该逻辑门能够识别TCs的四种类似物。TCs通过与BSA之间存在的敏化作用以及与ZIF-8之间存在的π-π相互作用和氢键作用，使得在500 nm处出现了一个新的荧光发射峰。由于红色和蓝色峰的猝灭，可观察到荧光颜色由红色变为黄色，利用课题组新升级的小程序“96 Speckle”和96孔板实现了未知溶液中TCs的快速高通量初筛。利用不同TCs结构式和日光下颜色不同的特点，将筛选出的TCs再进行紫外分析和日光下的比色分析。通过信号输入和输出构建逻辑门，实现了对特定抗生素的特殊编码。进而逐步识别出TTC、OTC、CTC和DC。综上所述就是基于深度学习辅助智能手机构建了多模式逻辑门，通过紫外分析、比色和荧光等通道的输入和输出来识别和区分TCs，为个性化、快速的食品安全监控提供了可能。

以上研究基于分析化学、材料科学和人工智能等多学科间的深度交叉融合，积极探索材料、化学和信息科学等多学科间的融合与创新，拓展学校化学学科视野，提升化学学科创新能力及竞争力。该研究得到国家自然科学基金、四川省自然科学基金和四川农业大学学科建设双支计划的支持。

文章链接1：https://doi.org/10.1021/acsami.3c09836

文章链接2：https://www.sciencedirect.com/science/article/pii/S0308814624013554