近日，四川农业大学理学院“功能纳米农业应用创新”团队联合信息工程学院、雅安市农产品质量监测检验中心，在国际食品科学领域期刊《Food Chemistry》（新锐一区，IF=10.4）上发表了题为《Machine learning-assisted dual-channel FeZnCu@CNP nanozyme sensor array for qualitative and quantitative analysis of multiple pesticides》的研究论文。该研究构建了一种兼具类过氧化物酶与类漆酶双重活性的FeZnCu@CNP纳米酶，并结合机器学习算法，成功实现了对8种农药的定性识别与准确定量，为农产品中多残留农药的现场快速筛查提供了新策略。

多种农药复合残留是食品安全领域重要风险隐患，现有检测手段存在仪器依赖度高、前处理复杂或仅适用于单一农药检测等短板。复杂基质下多种农药同步快速精准识别，是食品安全监测亟待解决的难题。针对上述难题，团队以Cu‑BDC‑NH₂、FeZn‑ZIF为前驱体，制得兼具类过氧化物酶（POD）、类漆酶（LAC）双重催化活性的FeZnCu@CNP多孔核壳纳米酶，真正实现了“一石二鸟”，利用两种酶活性对不同农药的差异化响应，依托单一材料构建双信号通道传感阵列。

研究选取草甘膦（Gly）、噻菌灵（TBZ）、多菌灵（CBZ）、二甲四氯（MCPA）、啶虫脒（ACE）、甲磺隆（Met）、五氯硝基苯（PCNB）和西维因（Car）8种农药为实验对象，可获得农药专属指纹图谱，能够有效识别单组分及二元至六元混合农药体系。研究对比多种机器学习算法，优选KNN模型，整体识别准确率达95.05%，对混合干扰样本、盲样均具备良好判别效果。将该技术用于苹果、菠菜、耙耙柑、番茄实际样品检测，加标回收效果良好，实用性得到验证。该研究采用“单材料-双通道-机器学习”的创新思路，弥补传统传感阵列不足，为农产品农药残留快速筛查提供灵敏可靠、成本低廉的备选技术路径。

四川农业大学理学院鲁志伟副教授与2024级生物资源化学专业宋文娟为共同第一作者，信息工程学院刘涛教授、段旭良教授和理学院饶含兵教授为共同通讯作者，雅安市农产品质量监测检验中心陈亚、2023级生物资源化学专业柳希平、信息工程学院2024级计算机技术专业杨朔贤等为研究工作的顺利开展提供了重要支持。该研究得到了国家自然科学基金、四川省自然科学基金和四川农业大学学科建设双支计划等项目的资助。

论文链接：https://www.sciencedirect.com/science/article/pii/S0308814626037131