南京大学潘丙才/单超课题组ES&T：抗生素智能快速分析方向取得进展

本研究针对真实水环境中结构相近抗生素的快速检测难题，南京大学潘丙才/单超课题组构建了机器学习辅助的多基底拉曼传感阵列。研究制备了三种不同修饰的金纳米颗粒基底，利用其“峰形叠加”和“信号演替”双模式响应，提升了对目标抗生素的光谱信息维度。通过多界面拼接光谱（MICS）结合机器学习模型，实现了对三种磺胺类抗生素的同步识别与定量分析，单一抗生素分类准确率达99.6%，复杂样本准确率96.7%，定量预测精度(R²)达0.99。方法在河水、湖水和市政污水验证中回收率75.5%-116%，总分析仅需30分钟，远快于传统LC-MS。该技术为现场快速智能分析提供了新思路，在水质风险预警中有良好应用前景。