農(nóng)藥殘留檢測(cè)中表面增強(qiáng)拉曼光譜的研究進(jìn)展

邱夢(mèng)情，徐青山，鄭守國(guó)，翁士狀

1.中國(guó)科學(xué)院合肥物質(zhì)科學(xué)研究院，安徽 合肥 230031 2.中國(guó)科學(xué)技術(shù)大學(xué)，安徽 合肥 230026 3.農(nóng)業(yè)生態(tài)大數(shù)據(jù)國(guó)家地方聯(lián)合工程研究中心，安徽大學(xué)，安徽 合肥 230601

引 言

農(nóng)藥是指用于防治農(nóng)、林業(yè)中病、蟲(chóng)、雜草等有害生物和調(diào)節(jié)植物生長(zhǎng)的化學(xué)或生物藥品，它的種類(lèi)繁多、作用廣泛，極大地提升了農(nóng)作物的產(chǎn)量以及農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展。農(nóng)藥殘留是指施用農(nóng)藥后，未能分解的殘留于環(huán)境和農(nóng)作物中的農(nóng)藥原體、降解代謝物等，它們會(huì)通過(guò)植物果實(shí)、水、大氣進(jìn)入人體。當(dāng)農(nóng)藥殘留量超過(guò)國(guó)家規(guī)定的最大限值時(shí)，會(huì)對(duì)人體造成致畸或致癌等不良影響[1]。因此，如何有效、精確地檢測(cè)農(nóng)產(chǎn)品中的農(nóng)藥殘留，以減小與監(jiān)控其對(duì)人類(lèi)健康的危害，已成為當(dāng)前迫切需要解決的重大問(wèn)題。

傳統(tǒng)的農(nóng)藥殘留檢測(cè)方法有色譜法、質(zhì)譜法、酶聯(lián)免疫法等，它們具備選擇性和靈敏性高的特點(diǎn)，被認(rèn)為是標(biāo)準(zhǔn)檢測(cè)方法。但是這些方法對(duì)操作環(huán)境要求高、分析過(guò)程復(fù)雜費(fèi)時(shí)、設(shè)備昂貴且需專(zhuān)業(yè)人員參與，在實(shí)時(shí)高效檢測(cè)中存在一定局限性。光譜方法因其簡(jiǎn)單，快速，靈敏等特點(diǎn)被視為農(nóng)藥殘留檢測(cè)中有前景的途徑，包括近紅外光譜(NIR)，傅里葉變換紅外光譜(FTIR)，拉曼光譜(RS)和SERS[2]。其中NIR和FTIR易受水性環(huán)境干擾，在農(nóng)殘檢測(cè)中的應(yīng)用有限。RS是一定激發(fā)光照射到樣品表面時(shí)，不同物質(zhì)的分子振動(dòng)方式不同，產(chǎn)生不同頻率的散射光光譜，也稱(chēng)為“指紋光譜”，可提供物質(zhì)的分子結(jié)構(gòu)信息且不受水相的影響，但由于拉曼散射固有的橫截面小的特點(diǎn)導(dǎo)致其靈敏度較低，引起信號(hào)弱、檢測(cè)精度差等問(wèn)題。相比之下，SERS通過(guò)合成貴金屬納米顆粒(Au，Ag等)為基底實(shí)現(xiàn)拉曼散射強(qiáng)度增強(qiáng)，在獲取待測(cè)物指紋信息的同時(shí)，克服了RS靈敏度低的缺點(diǎn)，對(duì)于定性和定量分析有很大價(jià)值，廣泛應(yīng)用于化學(xué)、生物學(xué)、醫(yī)學(xué)、食品安全等領(lǐng)域。尤其是農(nóng)殘檢測(cè)方面，SERS已有效檢測(cè)了有機(jī)磷類(lèi)，有機(jī)氯類(lèi)，菊酯類(lèi)、殺菌劑類(lèi)和雜環(huán)類(lèi)等農(nóng)藥殘留。

根據(jù)SERS的指紋特性，每種農(nóng)藥會(huì)產(chǎn)生其特有的拉曼特征峰，因此可通過(guò)“特征峰位移”實(shí)現(xiàn)待測(cè)物的定性或定量分析。為了獲得最優(yōu)特征峰光譜，有必要對(duì)活性基底制備以及檢測(cè)方式進(jìn)行研究；另外為了使檢測(cè)結(jié)果更加快速、準(zhǔn)確，也應(yīng)對(duì)農(nóng)殘的特征拉曼光譜計(jì)算模型進(jìn)行研究。綜上，本文主要從SERS的增強(qiáng)基底制備、檢測(cè)方式以及光譜解析三個(gè)方面綜述農(nóng)殘檢測(cè)中SERS的研究進(jìn)展及趨勢(shì)，為今后農(nóng)殘的分析檢測(cè)提供新的參考。

1 農(nóng)殘檢測(cè)SERS增強(qiáng)基底制備技術(shù)

在SERS檢測(cè)農(nóng)殘中，由于農(nóng)藥種類(lèi)繁多、成分復(fù)雜且殘留量較少，因此需制備高活性增強(qiáng)基底以提高對(duì)待測(cè)物的靈敏性和特異性。近年來(lái)，科研人員致力于研究納米材料并通過(guò)各種方法制備均一性好和重復(fù)性高的金屬納米材料作為SERS基底實(shí)現(xiàn)痕量農(nóng)殘檢測(cè)。迄今為止，SERS增強(qiáng)基底主要分為兩類(lèi)：貴金屬溶膠基底和復(fù)合基底。

1.1 貴金屬基底制備技術(shù)

貴金屬溶膠基底主要包括金、銀等納米溶膠顆粒，是SERS檢測(cè)農(nóng)殘中使用較為廣泛的納米材料，可顯著增強(qiáng)其表面吸附的待測(cè)物SERS信號(hào)強(qiáng)度。目前，常用的金屬溶膠制備方法有電化學(xué)氧化還原法、化學(xué)沉積法、晶種法等。據(jù)了解，金屬納米溶膠表面吸附的待測(cè)物SERS信號(hào)強(qiáng)度取決于感興趣顆粒的大小和形狀。因此，通常制備不同尺寸或形狀納米膠體如球體、棒、立方體、三角形、多面體、枝晶等促進(jìn)分子鍵合以提高增強(qiáng)效果，如圖1所示?；蛘咴诮饘偃苣z中加入誘發(fā)劑如NaCl、NaNO3和半胱胺鹽酸鹽等使納米顆粒富集產(chǎn)生大量熱點(diǎn)進(jìn)而提高增強(qiáng)效果[3]。Stamplecoskie等[4]通過(guò)晶種法制備銀納米粒子(Ag NPs)并控制其尺寸大小，檢測(cè)10-3mol·L-1羅丹明6G(R6G)，結(jié)果表明Ag NPs的最佳尺寸為50～60 nm時(shí)，R6G表面SERS強(qiáng)度最大，這一方法有望推廣到其他的吸附材料。Xu等[5]開(kāi)發(fā)一種無(wú)需表面活性劑的方法制備爆米花狀金納米粒子(Au NPs)檢測(cè)果皮表面毒死蜱，最低檢測(cè)限(LOD)達(dá)10-6mol·L-1，符合國(guó)家最低標(biāo)準(zhǔn)。本人所在團(tuán)隊(duì)采取種子介導(dǎo)的生長(zhǎng)法制備金納米棒(GNRs)活性基底檢測(cè)圣女果表皮[6]、小麥籽粒[7]中矮壯素的殘留，LOD分別為0.5 mg·L-1，0.25 mg·kg-1。

1.2 復(fù)合基底制備技術(shù)

由于單一的金屬溶膠顆粒產(chǎn)生的熱點(diǎn)是隨機(jī)的，且聚集的納米顆粒不穩(wěn)定，在重力的作用下沉積導(dǎo)致檢測(cè)時(shí)熱點(diǎn)的強(qiáng)度和數(shù)量產(chǎn)生波動(dòng)。因此，為了提高SERS基底的吸附能力或親和力，使更多的待測(cè)物能夠在被應(yīng)用的SERS基底表面被富集并且SERS信號(hào)不發(fā)生顯著變化，需解決常規(guī)基底存在的穩(wěn)定性、靈敏性問(wèn)題。大多研究人員通過(guò)對(duì)單一溶膠基底進(jìn)行組裝，加入化學(xué)物質(zhì)、惰性材料等修飾表面以制備高活性SERS復(fù)合基底，從而有效、特異地捕獲待測(cè)物，保證SERS信號(hào)的良好重現(xiàn)性和靈敏性。為此，各種修飾分子如烷硫醇、氨基酸、DNA適配體和氧化石墨烯等常被用作合適的表面修飾劑。例如，Huang等[8]通過(guò)在十二烷基三甲基溴化銨(DTAB)和硫醇化環(huán)糊精(β-CDs)的混合水溶液中還原氯金酸，合成具有對(duì)稱(chēng)單晶結(jié)構(gòu)的金納米晶，由主干和側(cè)枝組成如圖2所示。該金納米晶對(duì)甲醇的氧化具有良好的電催化活性，對(duì)氨基苯硫酚(4-ATP)分子的SERS敏感性較好，表明其在催化、生物傳感和納米器件等方面具有潛在的應(yīng)用前景。另外，還通過(guò)將磁性材料和貴金屬顆粒復(fù)合如利用硝酸銀還原法在共沉淀法制備的Fe3O4表面沉積Ag NPs獲得Fe3O4@AgNPs磁性復(fù)合材料，使待測(cè)物在外磁場(chǎng)作用下產(chǎn)生富集，從而實(shí)現(xiàn)待測(cè)物的超靈敏檢測(cè)。

圖2 金納米晶的合成

近年來(lái)，研究發(fā)現(xiàn)TiO2和CdTe等半導(dǎo)體在優(yōu)化的條件下有較大的106以上增強(qiáng)。此外，金屬-半導(dǎo)體復(fù)合納米材料被發(fā)現(xiàn)能夠比純金屬襯底顯示更高的增強(qiáng)，歸因于金屬和半導(dǎo)體對(duì)SERS的協(xié)同貢獻(xiàn)。因此，這類(lèi)SERS增強(qiáng)基底在農(nóng)殘檢測(cè)中具有很大的潛力。例如，廈門(mén)大學(xué)田中群院士團(tuán)隊(duì)長(zhǎng)期從事電化學(xué)表面增強(qiáng)拉曼光譜(EC-SERS)方法學(xué)研究，建立一系列表面納米化方法，打破學(xué)術(shù)界長(zhǎng)期認(rèn)為SERS效應(yīng)局限于金、銀和銅等少數(shù)金屬的觀點(diǎn)；同時(shí)還研發(fā)了殼層隔絕納米粒子增強(qiáng)拉曼光譜(SHINERS)新技術(shù)，首創(chuàng)SiO2薄層包含AuNPs的制備方法，從根本上解決了SERS基底材料和表面形貌普適性差的瓶頸問(wèn)題，并將實(shí)驗(yàn)成果于2010年在Nature上發(fā)表[9]，首次將核殼結(jié)構(gòu)Au/SiO2NP組成的“smart dust”噴灑于橘子皮上，實(shí)現(xiàn)水果表面農(nóng)藥殘留的檢測(cè)，如圖3所示。

圖3 (a)柑橘類(lèi)水果的拉曼光譜，Ⅰ為干凈果皮、Ⅱ?yàn)楸患谆鶎?duì)硫磷污染的果皮、Ⅲ為污染的果皮表面修飾Au/SiO2納米粒子、Ⅳ為甲基對(duì)硫磷粉末；(b)SHINERS實(shí)驗(yàn)原理圖

2 農(nóng)殘SERS光譜檢測(cè)方法

在SERS檢測(cè)農(nóng)殘中，由于分析樣品的成分復(fù)雜、農(nóng)藥殘留量較少，對(duì)樣品前處理以實(shí)現(xiàn)待測(cè)物富集是非常關(guān)鍵的。另外，雖然Au和Ag NPs因其制備簡(jiǎn)單方便被廣泛使用，但是易受金屬氧化、團(tuán)聚等因素影響，使得采集信號(hào)的靈敏度降低1～2個(gè)數(shù)量級(jí)，不能達(dá)到農(nóng)藥殘留標(biāo)準(zhǔn)檢測(cè)要求。并且該方法存在成本高、重復(fù)利用率低等缺點(diǎn)，不能滿(mǎn)足現(xiàn)場(chǎng)快速檢測(cè)需求。因此檢測(cè)方法從使用單一的Au/Ag NPs作為增強(qiáng)基底進(jìn)行直接檢測(cè)，逐漸趨向于樣品前處理技術(shù)優(yōu)化、特異性SERS探針、納米陣列結(jié)構(gòu)、廉價(jià)金屬納米微粒等方向發(fā)展。

綜上，SERS檢測(cè)方法不僅在樣品前處理技術(shù)優(yōu)化方面取得進(jìn)展，在化學(xué)修飾以制備功能化特異性探針和增強(qiáng)基底的物理結(jié)構(gòu)等方面獲得突破，同時(shí)在檢測(cè)過(guò)程中也有了新的方式。這些方法都為SERS技術(shù)在農(nóng)殘檢測(cè)中的應(yīng)用提供了途徑，使得痕量農(nóng)殘SERS檢測(cè)有更好的發(fā)展趨勢(shì)。

2.1 農(nóng)殘SERS檢測(cè)樣品前處理新技術(shù)

樣品前處理主要包括樣品分解和樣品凈化兩個(gè)重要環(huán)節(jié)。隨著樣品成分日益復(fù)雜、靈敏度和準(zhǔn)確度的要求越來(lái)越高，樣品前處理已經(jīng)成為決定分析結(jié)果可靠性的關(guān)鍵因素。因此，在農(nóng)殘SERS檢測(cè)中引入新的樣品前處理技術(shù)實(shí)現(xiàn)省時(shí)省力、無(wú)污染和高效提取與凈化是非常重要的。目前，結(jié)合SERS取得廣泛應(yīng)用的樣品前處理新技術(shù)主要有：固相微萃取(SPME)、磁性固相微萃取(MSPME)、液-液微萃取(LLME)等。常用回收率、分離度等指標(biāo)評(píng)估這些方法的性能。例如，SPME-SERS和MSPME-SERS實(shí)現(xiàn)甲拌磷、福美雙、R6G和毒死蜱等農(nóng)殘檢測(cè)，回收率均達(dá)到70%～120%；LLME-SERS實(shí)現(xiàn)撲草凈、三嗪類(lèi)等除草劑農(nóng)殘檢測(cè)，回收率達(dá)80～110%。盡管這些方法減少溶劑的使用并解放實(shí)驗(yàn)室的勞動(dòng)力，但仍存在一些缺陷未能克服，如SPME不能在單個(gè)步驟中提供足夠?qū)挼姆治龇秶?，LLME不能提供足夠的選擇性。因此，在固相萃取技術(shù)的衍生和進(jìn)一步發(fā)展中，提出了一種快速易用的前處理方法—Quick Easy Cheap Effective Rugged Safe(QuEChERS)方法，其重點(diǎn)是在萃取和清理過(guò)程中盡可能簡(jiǎn)化分析過(guò)程，減少提取溶劑用量，降低環(huán)境污染，即使是復(fù)雜的分析物也不犧牲高回收率，已經(jīng)成為農(nóng)殘SERS檢測(cè)中首選前處理方法[10]。QuEChERS-SERS已實(shí)現(xiàn)溴氰菊酯、毒死蜱和苯甲酸等農(nóng)殘檢測(cè)，回收率達(dá)到90%～120%，該方法也被廣泛應(yīng)用在其他檢測(cè)分析領(lǐng)域。

2.2 納米單元表面化學(xué)修飾新方法

在納米單元表面修飾上功能化探針，如無(wú)機(jī)鹽、無(wú)機(jī)酸或者有機(jī)胺等，通過(guò)靜電作用或共價(jià)結(jié)合使得復(fù)雜體系中目標(biāo)物分子被選擇性地吸附到納米單元表面，可避免其他物質(zhì)對(duì)目標(biāo)物的干擾，實(shí)現(xiàn)SERS高靈敏、高重現(xiàn)性和選擇性檢測(cè)。該方法與上文提到的基底制備中修飾方法不同，基底制備中是通過(guò)修飾某些試劑使得納米粒子自行組裝形成均勻一致、多“熱點(diǎn)”區(qū)域的納米結(jié)構(gòu)以提高靈敏性和重現(xiàn)性，而該化學(xué)修飾法則是通過(guò)在基底上修飾功能化探針使得待測(cè)物與基底之間產(chǎn)生靜電捕獲(ET)或共價(jià)結(jié)合以提高靈敏性和特異性。ET提供了一種通過(guò)庫(kù)侖吸引將帶電待測(cè)物拖曳到SERS襯底上的普遍而有效的方法，通過(guò)在SERS襯底上修飾某種探針，使得其所帶電荷與待測(cè)物的電荷相異，產(chǎn)生靜電吸附作用，進(jìn)而實(shí)現(xiàn)ET。例如，上海應(yīng)用技術(shù)大學(xué)李丹教授等利用銀顆粒包裹的聚乙烯微球作為SERS活性基底，通過(guò)靜電吸附作用，使得修飾半胱胺或巰基丙酸的銀顆?？梢詫?shí)現(xiàn)海水中帶相異電荷的農(nóng)藥檢測(cè)(圖4)[11]。共價(jià)結(jié)合是指納米金屬與某種基團(tuán)進(jìn)行組裝形成共價(jià)鍵，能夠與特異性SERS探針結(jié)合捕捉待測(cè)物分子。常用的基團(tuán)如巰基、烷基等形成Au—S、Au—C化學(xué)鍵，Tang等[12]通過(guò)Au—S鍵將單鏈寡脫氧核苷酸poly(21dA)化學(xué)吸附在Au NPs上獲得poly(21dA)-AuNPs結(jié)構(gòu)，并組裝在二氫硫酸修飾的硅片(SH—Si)上形成poly(21dA)-AuNPs@SH-Si探針，用于蓖麻毒素的檢測(cè)，檢測(cè)限低至8.9 ng·mL-1，該方法為現(xiàn)場(chǎng)快速可靠地檢測(cè)活性蓖麻毒素提供了良好的應(yīng)用前景。

圖4 包裹在聚乙烯微球的銀顆粒上修飾半胱胺或巰基丙酸檢測(cè)海水中帶相異電荷農(nóng)藥

2.3 農(nóng)殘SERS光譜高效獲取新結(jié)構(gòu)

在空芯光纖、毛細(xì)管等內(nèi)部吸附納米顆粒形成膜層結(jié)構(gòu)，并通過(guò)一定的工藝技術(shù)控制顆粒的沉積厚度。工藝技術(shù)常采用硅烷偶聯(lián)法[13]，即將正硅酸乙酯(TEOS)與氨丙基三乙氧基硅烷(APTS)在不同條件下水解形成二氧化硅溶膠，然后利用各種涂層技術(shù)將溶膠涂覆在光纖探針表面，使其表面有機(jī)硅烷化，獲得不同厚度二氧化硅(SiO2)薄膜。該薄膜表面含有大量的氨基功能單體，可以嫁接多種選擇性納米增強(qiáng)材料，實(shí)現(xiàn)金屬納米顆粒在空芯光纖內(nèi)的組裝成膜。待測(cè)物通過(guò)反應(yīng)或者吸附與內(nèi)部表面膜作用而導(dǎo)致光學(xué)輸出信號(hào)改變，從而對(duì)其進(jìn)行定量分析。這種通過(guò)借助空芯光纖、毛細(xì)管等材料將納米粒子轉(zhuǎn)移至內(nèi)部而形成的內(nèi)鍍金屬納米粒子結(jié)構(gòu)的SERS檢測(cè)系統(tǒng)，和以往直接基于活性基底表面的SERS檢測(cè)方法相比，該方法可增加光物相互作用體積，提高拉曼散射光收集效率，進(jìn)而提升SERS信號(hào)強(qiáng)度，實(shí)現(xiàn)高靈敏痕量檢測(cè)。Gao等[14]提出了一種基于懸浮芯微結(jié)構(gòu)空芯光纖(MHF)的光流控表面增強(qiáng)拉曼光譜(SERS)傳感器，利用獨(dú)特的內(nèi)部結(jié)構(gòu)，通過(guò)化學(xué)鍵合將具有SERS效應(yīng)的銀納米顆粒固定在MHF中，如圖5所示。為了證明該結(jié)構(gòu)的可行性，選擇R6G、頭孢曲松作為分析物，檢出限分別為10-14和10-6mol·L-1。這種具有光流控的光纖SERS傳感器，可以與芯片設(shè)備集成而無(wú)需空間光耦合，在醫(yī)學(xué)、食品安全以及生物纖維傳感等方面有廣泛的應(yīng)用。該結(jié)構(gòu)為研究高靈敏的SERS檢測(cè)提供了一種新的手段。

圖5 光纖內(nèi)光流控SERS檢測(cè)裝置示意圖，插圖是未修飾AgNPs的MHF端面

2.4 農(nóng)殘SERS基底狀態(tài)轉(zhuǎn)換新過(guò)程

從基底的狀態(tài)出發(fā)，SERS檢測(cè)方法主要包括以下幾種。一種是直接基于溶液的SERS檢測(cè)，稱(chēng)為濕態(tài)法。該方法中拉曼探針與膠體粒子混合，在SERS測(cè)量前通過(guò)加入外部介質(zhì)誘導(dǎo)粒子聚集而產(chǎn)生熱點(diǎn)，但是很難實(shí)現(xiàn)高靈敏度的SERS檢測(cè)。另一種是利用膠體納米顆粒形成固體薄膜進(jìn)行SERS檢測(cè)，稱(chēng)為干態(tài)法。干態(tài)法在靈敏度上雖優(yōu)于濕態(tài)法，但由于激光照射基底的時(shí)間較長(zhǎng)，基底受到損傷，導(dǎo)致檢測(cè)的重現(xiàn)性和穩(wěn)定性較差。為了解決這一難題，有研究小組提出了動(dòng)態(tài)表面增強(qiáng)拉曼光譜(D-SERS)法[15]，是基于濕態(tài)到干態(tài)的狀態(tài)轉(zhuǎn)換納米顆粒增強(qiáng)拉曼光譜(STNERS)法，此過(guò)程會(huì)形成一個(gè)粒度分散性最小且粒子間距離均勻性最大的三維(3D)熱點(diǎn)結(jié)構(gòu)，該結(jié)構(gòu)中每?jī)蓚€(gè)相鄰粒子之間保持熱點(diǎn)，使待測(cè)物的SERS信號(hào)強(qiáng)度穩(wěn)定性提升。Weng等[16]采用D-SERS以半胱胺修飾的金納米棒(AuNRs-cys)為基底，對(duì)水稻樣品中乙酰甲胺磷殘留在100.2～0.5 mg·L-1范圍內(nèi)的光譜進(jìn)行測(cè)量，如圖6所示。最低可以檢測(cè)到0.5 mg·L-1的殘留，該方法克服了乙酰甲胺磷分子對(duì)金表面的弱親和力，實(shí)現(xiàn)巨大而穩(wěn)定的增強(qiáng)。

圖6 使用D-SERS和AuNRs-cys結(jié)合多變量方法檢測(cè)大米中乙酰甲胺磷的示意圖

3 農(nóng)殘SERS光譜智能分析技術(shù)

拉曼光譜技術(shù)在實(shí)現(xiàn)超靈敏痕量檢測(cè)的同時(shí)，也面臨著由背景、檢測(cè)環(huán)境變化和設(shè)備參數(shù)差異等多種干擾因素導(dǎo)致的光譜信噪比低、基線漂移、微弱信號(hào)被熒光背景湮滅等問(wèn)題。此外，采用傳統(tǒng)的光譜技術(shù)進(jìn)行定性和定量需要借助專(zhuān)業(yè)人員，這種分析方法具有個(gè)體差異性、費(fèi)時(shí)費(fèi)力等不足，不適合應(yīng)用推廣。化學(xué)計(jì)量學(xué)方法通過(guò)建立智能分類(lèi)或回歸模型可以在無(wú)需專(zhuān)家的情況下實(shí)現(xiàn)自動(dòng)快速光譜分析。基于此，光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法可避免或減弱以上問(wèn)題，進(jìn)而提升檢測(cè)結(jié)果的準(zhǔn)確性和效率。常用的方法包括光譜預(yù)處理、特征提取、建模方法等。

3.1 光譜預(yù)處理

為了降低或去除拉曼光譜在采集過(guò)程中受到外界雜散光、設(shè)備系統(tǒng)和樣品等因素造成的背景噪聲干擾，獲取待測(cè)物的高質(zhì)量光譜信息，有必要對(duì)光譜進(jìn)行預(yù)處理。常采用的方法有多元散射校正(MSC)、主成分分析(PCA)、小波變換(WT)以及標(biāo)準(zhǔn)正態(tài)變換(SNV)等。Zhu等[17]采用SERS技術(shù)結(jié)合化學(xué)計(jì)量學(xué)開(kāi)發(fā)一種用于定性和定量分析茶葉中毒死蜱殘留量的快速，低成本，靈敏的方法。制備具有高增強(qiáng)系數(shù)的Au@AgNPs為增強(qiáng)基底，并采用SNV、一階導(dǎo)數(shù)和二階導(dǎo)數(shù)預(yù)處理方法對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理，以消除基線漂移、隨機(jī)噪聲和散射效應(yīng)。再將數(shù)據(jù)分別結(jié)合K-近鄰(KNN)和遺傳算法-偏最小二乘(GA-PLS)建立分類(lèi)、回歸模型進(jìn)行預(yù)測(cè)。其中，KNN模型具有較高的分類(lèi)正確率(90.84%～100%)；GA-PLS模型展現(xiàn)了極好的回歸質(zhì)量，具有較高的相關(guān)系數(shù)(r=0.96～0.98)；均具備較低的預(yù)測(cè)均方根誤差(RMSEP=0.29，0.31)。該方法將是對(duì)茶葉樣品中毒死蜱殘留進(jìn)行分類(lèi)和定量的更有效和強(qiáng)大的工具。

3.2 特征提取方法

雖然SERS光譜經(jīng)過(guò)預(yù)處理后，減小了噪聲干擾，降低或消除了熒光背景。但是由于SERS光譜數(shù)據(jù)高達(dá)上千維數(shù)，且包含冗余信息較多使得后續(xù)分析的計(jì)算復(fù)雜度增加、準(zhǔn)確率降低和模型穩(wěn)健性差。為了優(yōu)化模型并提高其預(yù)測(cè)精度，通常不采用全譜變量建模，而是選取特征范圍光譜進(jìn)行分析處理，提取出貢獻(xiàn)率較高的變量進(jìn)行建模。常用特征提取方法有非負(fù)因式分解(NMF)、離散余弦變換(DCT)、主成分分析(PCA)等，這些方法通過(guò)對(duì)光譜信號(hào)變換后，從數(shù)學(xué)變換的意義上獲得主體信息。另外，也存在有些方法通過(guò)對(duì)物質(zhì)拉曼光譜的變量進(jìn)行直接選取，這類(lèi)方法被稱(chēng)為變量選擇方法。其中最簡(jiǎn)單的方法是人工截取，根據(jù)物質(zhì)拉曼光譜歸屬信息選取特征范圍，但是過(guò)分依賴(lài)操作人員的經(jīng)驗(yàn)會(huì)導(dǎo)致優(yōu)化結(jié)果不可控。因此，一些自動(dòng)選擇算法如競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)法(CARS)、無(wú)信息變量消除(UVE)、GA和隨機(jī)蛙跳(Random Frog)等被用于變量選擇，它們能夠自動(dòng)截取譜峰，不依賴(lài)專(zhuān)人的經(jīng)驗(yàn)知識(shí)，簡(jiǎn)單高效。本人所在研究團(tuán)隊(duì)將SERS技術(shù)與化學(xué)計(jì)量學(xué)方法結(jié)合檢測(cè)小麥籽粒中殘留的矮壯素[7]，采用包含徑向基函數(shù)(RBF)的核主成分分析(KPCA)對(duì)653～683，705～728和847～872 cm-1范圍的光譜進(jìn)行主要特征提取，并討論了不同核函數(shù)寬度(σ)的影響，如圖7所示。然后，采用支持向量機(jī)回歸(SVR)算法建立回歸模型預(yù)測(cè)小麥籽粒中矮壯素殘留，交互驗(yàn)證均方差(RMSECV)評(píng)估模型性能，結(jié)果見(jiàn)表1。

圖7 KPCA的σ為1 000(a), 5 000(b), 8 000(c)和10 000(d)的前兩個(gè)主成分分?jǐn)?shù)散點(diǎn)圖

表1 使用化學(xué)計(jì)量學(xué)方法建立模型的預(yù)測(cè)結(jié)果

從表1可知，多元線性回歸(MLR)和PLSR所建線性模型的RMSECV值較高，可能導(dǎo)致預(yù)測(cè)結(jié)果的準(zhǔn)確率較低；當(dāng)σ為1 000時(shí)，KPCA結(jié)合SVR所建模型的預(yù)測(cè)性能最差，而σ為10 000時(shí)預(yù)測(cè)性能有所提升，但比σ為5 000和8 000時(shí)的仍較弱。綜上，σ為8 000的KPCA結(jié)合SVR所建模型是最佳模型，其RMSECV為0.026 8 mg·L-1，誤差較小，能夠?qū)崿F(xiàn)小麥籽粒中矮壯素殘留量的準(zhǔn)確預(yù)測(cè)，結(jié)果如圖8所示。

圖8 σ為8 000的KPCA結(jié)合SVR所建最佳模型的預(yù)測(cè)誤差

3.3 建模方法

現(xiàn)階段，雖然研究人員多利用化學(xué)計(jì)量學(xué)方法進(jìn)行光譜預(yù)處理、復(fù)雜體系中有效信息快速提取及物質(zhì)信息的特征分類(lèi)、含量信息獲取等，繼而解析物質(zhì)信息。然而，該過(guò)程需人為進(jìn)行特征提取，存在明顯的個(gè)體差異、處理流程繁雜，難以獲得全局特征，且所構(gòu)建模型適合小樣本，無(wú)法處理大規(guī)模的數(shù)據(jù)。近年來(lái)，以全連接網(wǎng)絡(luò)、多層感知網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)以及循環(huán)卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)方法，由于強(qiáng)大的特征學(xué)習(xí)能力、易擴(kuò)展的網(wǎng)絡(luò)結(jié)構(gòu)以及優(yōu)秀的穩(wěn)健性，在目標(biāo)檢測(cè)、圖像分析、語(yǔ)音識(shí)別及語(yǔ)義解析方面得到廣泛應(yīng)用[19]。一些學(xué)者也將深度學(xué)習(xí)方法引入到 SERS光譜分析中，該方法能夠從復(fù)雜的光譜數(shù)據(jù)中自動(dòng)提取出有效的特征結(jié)構(gòu)，時(shí)間成本低、魯棒性強(qiáng)，在農(nóng)殘SERS檢測(cè)中取得了較好的分析結(jié)果。加利福尼亞大學(xué)Regina Ragan教授等[20]將卷積神經(jīng)網(wǎng)絡(luò)結(jié)合 SERS 用于羅丹明量化分析模型構(gòu)建，實(shí)現(xiàn)對(duì)1 nmol·L-1～10 fmol·L-1濃度羅丹明的準(zhǔn)確分析，模型的交叉驗(yàn)證決定系數(shù)達(dá)到0.95。Weng等[16]利用輕型級(jí)聯(lián)式深度學(xué)習(xí)網(wǎng)絡(luò)-主成分網(wǎng)絡(luò)對(duì)大米中0.5～100.2 mg·L-1乙酰甲胺磷殘留進(jìn)行回歸分析，回歸模型的R2為0.9164，RMSEP為8.4791 mg·L-1。

4 結(jié)論與展望

SERS具有檢測(cè)靈敏度高、操作簡(jiǎn)單、成本低等優(yōu)點(diǎn)，作為一種快速檢測(cè)農(nóng)藥殘留的方法具有很大的發(fā)展?jié)摿Α１疚闹饕C述了SERS在農(nóng)殘檢測(cè)中的研究進(jìn)展，具體包括SERS增強(qiáng)基底的制備、SERS的檢測(cè)方式優(yōu)化以及SERS光譜數(shù)據(jù)的智能解析，可為研究人員對(duì)于SERS的應(yīng)用及發(fā)展前景提供一定的借鑒。由于農(nóng)藥種類(lèi)繁多、結(jié)構(gòu)復(fù)雜，使得SERS在分析農(nóng)藥時(shí)面臨較大的背景干擾，未來(lái)應(yīng)對(duì)SERS光譜數(shù)據(jù)分析方法有更深入的研究，實(shí)現(xiàn)可獨(dú)立于專(zhuān)業(yè)人員的農(nóng)殘快速準(zhǔn)確檢測(cè)。另外，SERS技術(shù)作為一種強(qiáng)大的分析手段在生物、醫(yī)學(xué)等領(lǐng)域得到了廣泛應(yīng)用，尤其是對(duì)人體中腫瘤標(biāo)志物、蛋白酶、生理指標(biāo)物和毒物等的檢測(cè)，為臨床診斷提供了數(shù)據(jù)支撐。然而，由于人體中成分多樣、復(fù)雜、痕量，為實(shí)現(xiàn)快速準(zhǔn)確檢測(cè)，需對(duì)樣本前處理、待測(cè)物富集及特異性捕獲等方法做進(jìn)一步探索。