1. 导读

近日，武汉大学肖湘衡教授团队提出了一种基于表面增强拉曼（SERS）光谱和深度学习的全氟辛酸（PFOA）快速检测方法。使用机器学习方法，准确捕捉PFOA导致的结晶紫（CV）的SERS光谱的微弱变化，实现全氟辛酸的快速检测。并且模型经迁移学习，可用于自来水、湖水中PFOA的检测。相关成果发表在Talanta上，题为“Rapid detection of perfluorooctanoic acid by surface enhanced Raman spectroscopy and deep learning”。

2. 简介

PFOA被广泛应用于工业和消费品制造中，在全球范围内的水资源中分布非常广泛。并且，长期接触PFOA会导致癌症、糖尿病等健康问题，因此检测PFOA至关重要。然而，现有检测技术如液相色谱-质谱联用法存在预处理步骤复杂、检测极限不够高等问题。

图1. 基于SERS光谱和人工智能算法的PFOA检测工作流程

基于此，我们提出了一种无需复杂预处理的SERS检测方法，使用CV溶液作为检测试剂，间接实现了PFOA的快速检测。并且，我们采用人工智能方法训练了深度学习模型，准确捕捉PFOA浓度改变导致的光谱的微弱变化，避免了人工识别的不准确性。最后，通过分子动力学模拟验证了PFOA与CV在水中的团聚现象。如图1所示。

3. 结果与讨论

图2. PFOA检测的深度学习模型训练过程及性能

如图2所示，使用Ag纳米线作为SERS基底，采集大量PFOA与CV混合溶液（去离子水中）的SERS光谱，作为数据集。经PCA提取主成分后，输入一个5层的神经网络中，经过300轮的迭代训练，模型在测试集上表现出优异的性能。对10-3-10-15 mol/L的PFOA溶液，都可快速检测出PFOA的大概浓度，准确率均在95%以上。进一步地，采集少量湖水、自来水环境的SERS光谱，用于模型的微调，微调后的模型可用于判断PFOA的浓度是否符合欧洲环境署的饮用水健康标准。

图3. PFOA检测机理分析

如图3所示，通过分子动力学模拟了PFOA与CV分子在水中团聚的过程，二者在水中倾向于形成数个分子大小的团聚，在重力作用下会聚集在Ag纳米线基底的表面，导致CV分子的局部浓度升高，从而获得更强的拉曼信号。对于SERS数据集中CV特征峰的拉曼强度统计分析也证明了这一点，这是深度学习模型能够准确检测出PFOA的大概浓度的基础。

4. 总结

本工作提出了一种基于人工智能辅助的拉曼光谱学检测PFOA的方法，具有无需复杂预处理、检测范围广的优点，为饮用水中PFOA的检测提供了一种有潜力的方法。

论文链接：https://doi.org/10.1016/j.talanta.2024.126693

通讯员（黄超宁）